El fondo hedge Voleon Group tiene algunas de las mentes más brillantes en ciencia de datos. Su cofundador y director ejecutivo es un exfísico nuclear y pionero de la web. Su oficina central está en Berkeley, California, estratégicamente ubicada cerca de un centro de aprendizaje automático de clase mundial donde tiene acceso a los últimos avances en inteligencia artificial. La firma, que gestiona unos 5 mil millones de dólares (mdd) en activos, es parte de un creciente número de fondos dedicados a crear la máquina definitiva de hacer dinero: inteligencia artificial (IA) que puede aprender a ganarle al mercado.
Con esta tecnología que ya amenaza con revolucionar industrias como Hollywood, la atención médica y muchas otras, provocando en el proceso el desafiante repunte de las acciones este año, el jefe del fondo dice que es inevitable que alguien alcance ese objetivo.
“En un ámbito tras otro este enfoque demuestra ser más fructífero. Las finanzas tienen sus propios desafíos únicos, pero con el tiempo se pueden superar”, dice Michael Kharitonov, CEO de Voleon.
Hasta ahora eso no ha sucedido. La ironía de que los inversores recurran a la IA es que durante años la tecnología ha luchado por descifrar el negocio de la inversión, pero las tendencias volubles, las decisiones irracionales y las transacciones erráticas desconciertan a las máquinas, y además, por sorprendente que parezca, las finanzas a veces carecen de los océanos de datos que sustentan la IA en otros campos.
En los últimos cinco años, el desempeño de un índice de Eurekahedge de 12 fondos que utilizan IA en sus procesos de trading, ha sido superado en alrededor de 14 puntos porcentuales por su índice más amplio de fondos hedge. Y de acuerdo con Plexus Investments, administradora de activos que replica los retornos de los fondos IA boutique, solo el 45 por ciento de ellos supera los índices de referencia contra los que se miden.
Aunque esto puede parecer decepcionante para cualquiera que vea cómo la IA revoluciona otros campos, es comparable al desempeño promedio de los humanos que seleccionan acciones. “Hoy por hoy, la IA y el aprendizaje automático ya pueden competir con los gestores tradicionales de fondos”, afirma Andreas Vogel, analista sénior de Plexus. En otras palabras, no es necesario contratar costosos gestores de cartera cuando una computadora puede darte resultados similares.
Los partidarios de la IA dicen que no están buscando retornos que derroten al mercado, sino solo una ligera ventaja, que en Wall Street puede significar miles de millones de dólares. Si fuera el béisbol de los mercados, solo buscan llegar a las bases constantemente, no anotar un jonrón. “En finanzas se puede tener mucho éxito con solo estar un poquito mejor que el 50 por ciento”, dice Kharitonov.
Las esperanzas se basan en gran medida en el aprendizaje automático, el subcampo de la IA donde las computadoras se entrenan con cantidades masivas de datos para realizar tareas específicas. La IA generativa, el poder detrás de ChatGPT, es una corriente de esa disciplina. Los profesionales utilizan el aprendizaje automático para hacer de todo, desde examinar las redes sociales para medir el sentimiento en torno a un valor bursátil hasta monitorear los patrones del mercado como medio para decidir cuándo es mejor ejecutar una operación.
La promesa ha convencido a Jason Hsu, quien era un inversionista cuantitativo de la vieja escuela, es decir, administradores de dinero que usan computadoras para procesar montones de números y luego seleccionar valores. Como la mayoría de los analistas cuantitativos, creía en un puñado de reglas de inversión simples desarrolladas durante décadas por académicos que estudiaban el comportamiento de los mercados y seleccionaban acciones en función de características como su valoración o tamaño. En 2002, Hsu cofundó Research Affiliates, que ahora gestiona 130 mil mdd en activos.
Con el respaldo de esa empresa, Hsu fundó en 2016 la gestora de activos Rayliant Global Advisors y pronto experimentó una epifanía sobre la IA. Su equipo le mostró los resultados hipotéticos de una estrategia de inversión diseñada por máquinas, y ahora la mayoría de los fondos de Rayliant se gestionan mediante un algoritmo llamado eXtreme Gradient Boosting. Rayliant, que administra alrededor de 17 mil mdd, analiza unas 200 señales utilizando una especie de árbol de decisiones para identificar relaciones a menudo complejas y tomar decisiones de compra o venta. “Nos llevó un tiempo convencernos”, dice Hsu, “luego finalmente llegamos a un punto en el que dijimos: ‘Vemos el valor. Obtenemos beneficios’”.
Para los estándares de Silicon Valley, los métodos de Rayliant son casi anticuados. Sin embargo, son un gran salto para un administrador de dinero que comenzó eligiendo acciones basándose en solo seis criterios, y es un buen ejemplo de la forma en que la IA promete revolucionar la inversión: no ruidosa ni dramáticamente, sino con sutiles ajustes, técnicas y mejoras que llevan nombres impenetrables como “máquinas de vectores de soporte” o “memoria a corto y largo plazo”.
Muchas de las aplicaciones de la IA en la inversión consisten en tomar el pensamiento cuantitativo tradicional y potenciarlo. Entonces, mientras que un enfoque antiguo podría haber usado un algoritmo que dice “comprar acciones con la ratio precio-valor contable más baja del mercado”, la IA podría descubrir que eso solo funciona en ciertas industrias y cuando el crecimiento de las ganancias también es positivo.
Esa explicación es muy simplista, claro, y hay grandes obstáculos, entre ellos que las tendencias del mercado y el comportamiento de los inversores pueden mantenerse durante meses o incluso años, pero dan un giro de 180 grados en un instante, haciendo que todo lo que la máquina haya aprendido de repente sea irrelevante. Por esta razón, cuando la pandemia apareció de la nada, Voleon fue uno de los muchos fondos que sufrieron.
Las finanzas no siempre tienen suficientes datos a mano para hacer un uso eficaz de la IA, especialmente para firmas como Rayliant que tienen un horizonte a más largo plazo para sus inversiones. Las estrategias cuantitativas tradicionales a menudo rastrean el precio de una acción mensualmente o incluso trimestralmente para eliminar el ruido que se observa en los conjuntos de datos diarios o minuto a minuto. Pero eso significa que tendrán menos de 2 mil puntos de datos incluso para acciones de empresas que existen desde hace un siglo, lo que limitará la forma en que se puede aplicar la IA.
Aun cuando casi todos los analistas cuantitativos experimentan con el aprendizaje automático, Voleon es una de las pocas firmas que utilizan una técnica de vanguardia llamada aprendizaje profundo, que imita la forma en que funciona el cerebro humano, creando redes con innumerables conexiones que pueden detectar patrones complejos pero sutiles en enormes conjuntos de datos. Así es como ChatGPT descubrió cómo leer, Siri aprendió a escuchar y los autos aprenden a conducir por sí solos. “Los mercados pueden ser completamente aleatorios en ocasiones, y durante esos momentos nada funcionará, ni la IA, ni el aprendizaje automático. Sin embargo, cuando no es completamente aleatorio, creo que la IA funciona mejor” que otros estilos de inversión, explica Renee Yao, quien fundó el fondo hedge cuantitativo Neo Ivy Capital, una firma neoyorquina que utiliza el aprendizaje profundo.
El fondo más antiguo de Voleon ha promediado un rendimiento anual de alrededor del 9.5 por ciento desde su creación, dice una persona enterada que pidió el anonimato. Neo Ivy, que administra 200 mdd, ha obtenido alrededor del 7 por ciento anual, según esta persona.
En lugar de dejar que las máquinas simplemente se adapten a lo aprendido, la mayoría de los administradores de dinero que utilizan IA intentan combinar nuevas técnicas con teorías establecidas. AQR Capital Management dice que utiliza cada vez más la IA para encontrar indicios y perfeccionar sus estrategias establecidas desde tiempo atrás. Robeco ha agregado aprendizaje automático a los fondos que lo permiten y utiliza la tecnología en muchas de sus estrategias más nuevas. Vanguard este año agregó IA a sus estrategias accionarias cuantitativas para que se adapten mejor a los mercados.
En Man Group, el fondo hedge cotizado más grande del mundo, la adopción del aprendizaje automático ha sido accidentada. La firma con sede en Londres contrató a un experto para ese propósito en 2009, pero la tecnología no llegó a las carteras de clientes hasta 2014. Desde entonces, Man ha ampliado lentamente su uso, y la IA ahora aprende hacia dónde dirigir las órdenes de compra y venta, convierte el texto en señales de trading, escribe código y resume análisis económicos.
El aprendizaje automático puede encontrar patrones basados en modelos económicos, expone Stefan Zohren, director cuantitativo de la división de trading de Man Group. “Pero también puede encontrar muchos otros que potencialmente no son tan intuitivos”, añade, “lo cual es una ventaja porque obviamente menos personas podrían haberlos detectado”, aunque no siempre quedará claro cuán confiables son los nuevos patrones.
Esto nos lleva a uno de los últimos y mayores obstáculos para la adopción de la IA: la explicabilidad. Resulta que a los inversores humanos les gusta saber qué está pasando con su dinero. Si una estrategia de IA tiene un rendimiento inferior y el gestor del fondo no puede explicar por qué (porque desconoce el pensamiento de la máquina), el asunto no termina bien. No obstante, esta inexplicabilidad es “natural” según Kharitonov, CEO de Voleon. “Nadie le pide a ChatGPT que explique por qué usa ciertas palabras”.
Lee aquí la versión más reciente de Businessweek México:
