¿Pueden los humanos llegar a entender cómo invierten los bots?

Para ser una persona que ha construido un robot con la esperanza de eliminar cualquier rastro de emoción humana del proceso de inversión, Chida Khatua dedica mucho tiempo a tratar de dilucidar cómo piensa ese robot.

Khatua es el consejero delegado de EquBot, una compañía de San Francisco que ha construido un sistema de inteligencia artificial para invertir. El pasado octubre, un día antes del lanzamiento de un ETF que utiliza las recomendaciones de EquBot, su equipo revisaba acciones que el ordenador quería comprar. Un nombre destacó entre ellas: Brookdale Senior Living Inc., una compañía que gestiona comunidades de jubilados y residencias de ancianos. Por esa época, una ola de incendios arrasaba parte de California, donde se encuentran algunas de las instalaciones de Brookdale.

La operación no resultaba atractiva a ojos de Khatua, antiguo ingeniero de Intel Corporation. Sin embargo, en un segundo vistazo, no fue difícil entender el razonamiento que habría podido seguir el ordenador. Las noticias y notas de prensa que se estaban introduciendo al sistema mostraban cómo estaba respondiendo Brookdale ante la amenaza del fuego. «Nos dimos cuenta de que, oye, esas residencias de ancianos parecían estar muy bien organizadas» y tenían la capacidad de ofrecer alojamientos alternativos, explica Khatua. El ETF adquirió las acciones y obtuvo un pequeño beneficio en la transacción. Analizar noticias de prensa puede no encajar con la idea de investigación en profundidad de un analista de renta variable humano, pero para un ordenador todos los datos son susceptibles de combinarse con otras informaciones para hacer predicciones estadísticas.

Ese es el secreto de la inteligencia artificial y la inversión: la inteligencia artificial va un paso por delante porque es capaz de comparar un torbellino de información de forma que los humanos no podrían. No obstante, cuando las personas confían su dinero a un fondo, quieren entender cómo toma las decisiones el gestor (o el ordenador) en cuestión. ¿Un programa se entera de la ola de incendios y compra acciones porque ha decidido que la dirección de la compañía acabará saliendo reforzada de la crisis? Este tipo de afirmaciones indignan a algunos puristas de la inteligencia artificial. «Es muy importante diferenciar la realidad de lo que está ocurriendo del marketing con el que se envuelve esa realidad», afirma Andrew Dyson, consejero delegado de QMA, una compañía de inversión que se sirve de técnicas cuantitativas y del big data (o inteligencia de datos). «A la gente le encantan este tipo de historias. No obstante, entrañan un peligro real y las personas deben saber ir más allá de la historia y entender realmente lo que está pasando».

El modelo de EquBot realiza recomendaciones para el fondo AI Powered Equity ETF, que surgió el pasado octubre y ya ha acumulado 136 millones de dólares en activos en poco tiempo, lo que lo convierte en uno de los lanzamientos de ETF más exitosos de 2017. Con ayuda de los recursos informáticos de la plataforma Watson de la compañía International Business Machines Corporation (IBM), el sistema EquBot analiza más de 6.000 compañías estadounidenses que cotizan en bolsa al día. Estudia millones de informes financieros, noticias de prensa, perfiles de gestión, indicadores de mercado, modelos financieros, valoraciones y datos de mercado. A continuación, selecciona entre 30 y 70 acciones de empresas para el fondo, cuya gestión está en manos de ETF Managers Group LLC. No es el primer ETF que utiliza inteligencia artificial -existe otro que la utiliza para detectar cambios en la confianza del mercado- pero sus defensores afirman que es pionero en el uso de la tecnología para analizar diversos componentes de una inversión con el fin de conformar una cartera. «Es como utilizar un ejército de analistas de renta variable», explica Khatua.

Balance

Desde su lanzamiento en octubre, ha superado al índice S&P 500 en 12 semanas y ha quedado rezagado en otras 13. Un análisis de Bloomberg muestra que, tras recibir un golpe temprano como consecuencia de haber apostado por compañías más pequeñas y volátiles, el ETF se recuperó adquiriendo acciones bancarias. Su rendimiento total del 3,2 por ciento supone un resultado un tanto discreto frente al 4,8 por ciento del S&P 500. Por lo tanto, de momento se mantiene en la media, pero el historial es todavía demasiado corto como para resultar relevante. La suerte y el comportamiento del mercado global son los factores principales que afectan a los resultados de una cartera diversificada durante mucho más tiempo del que la mayoría de la gente se piensa, afirma James White, consejero delegado de Elm Partners Management, una consultoría de inversión. Podría pasar una década o más antes de que podamos determinar si EquBot selecciona acciones con más habilidad que una ruleta rusa, afirma White.

El director de operaciones y cofundador de EquBot, Art Amador, dice tener confianza en la inteligencia artificial a la hora de tomar una decisión y seguir su curso. «Desde el punto de vista de los principios subyacentes, no queremos intervenir, no queremos provocar ningún sesgo bajo ninguna circunstancia» aclara.

Decisiones desconcertantes

Cualquier sistema de inteligencia artificial adoptará probablemente decisiones de inversión desconcertantes, afirma Zachary Lipton, profesor adjunto del departamento de aprendizaje automático de la Carnegie Mellon University. En el sentido más estricto, un modelo «no funciona con arreglo a normas lógicas. El modelo se limita a arrojar correlaciones estadísticas» dice Lipton. «No te ofrece lógica; no existe un hilo de razonamiento lógico y coherente que te indique cómo invertir en el mercado de valores. Si lo hubiera, no necesitarías el modelo en primera instancia».

Aún así, Amador y Khatua dicen llevar a cabo comprobaciones adicionales sobre los resultados que ofrece el bot. Una de esas comprobaciones consiste en asegurarse de que los datos son adecuados. Por ejemplo, hay que comprobar que el ordenador no esté obteniendo datos de una web que haya modificado su formato hace poco, lo que podría provocar una interpretación incorrecta por parte del ordenador. La otra es la que denominan «prueba de cordura», para comprobar que las elecciones tienen sentido, con arreglo a la formación que ha recibido el programa.

EquBot también está diseñado para aprender a medida que se utiliza. Durante los primeros días del ETF, lotes de acciones pequeños que tenían sentido como complementos de una cartera de 5 millones de dólares resultaron demasiado complicados para negociar con ellos cuando los activos de la cartera comenzaron a crecer. Finalmente, el programa aprendió a tener en cuenta el volumen de negociación de las acciones al decidir el momento óptimo para comprarlas o venderlas y dejó de elegir acciones de compañías con una capitalización muy reducida.