Así es como los fondos de cobertura usan la inteligencia artificial

¿Debería dejar que un algoritmo de inteligencia artificial haga una transacción de $100 millones en su nombre? Ese es un concepto que varios fondos de cobertura han estado abordando durante algunos años. A medida que la inteligencia artificial continúa demostrando su eficacia en un número cada vez mayor de campos, muchas empresas de inversión, nacientes y antiguas, comienzan a utilizarlas para tomar decisiones comerciales, y están dispuestas a apostar grandes cantidades del dinero de sus clientes eso.

Durante años, los fondos de cobertura cuantitativos han utilizado algoritmos informáticos para tomar decisiones comerciales. Sin embargo, esos algoritmos fueron impulsados por modelos estáticos desarrollados y administrados por científicos de datos y no eran expertos en lidiar con las volatilidades de los mercados financieros. Las decisiones tomadas por estos algoritmos arrojaron resultados que a menudo fueron inferiores a los realizados por la discreción humana.

En los últimos años, con la aparición del aprendizaje automático y el aprendizaje en profundidad, las ramas de la inteligencia artificial han causado un gran avance en la creación de software y están impulsando nuevas innovaciones en el comercio computacional.

A diferencia del software tradicional que se basa en reglas predefinidas dadas por los programadores, los algoritmos de aprendizaje automático funcionan analizando grandes cantidades de datos y definiendo sus propias reglas en función de los patrones y las conexiones que encuentran entre diferentes puntos de datos. El software de aprendizaje automático se actualiza automáticamente a medida que ingieren datos nuevos.

Este es el enfoque que ha ayudado a crear sistemas que son eficientes para analizar el contenido de imágenes y video, comprender y traducir el contexto del lenguaje hablado y escrito, ahorrar energía, diagnosticar el cáncer y más. Muchos creen que la misma tecnología puede transformar los mercados financieros.

Empleando aprendizaje automático

Varios fondos de cobertura de Wall Street se han visto atraídos por las oportunidades que estos algoritmos de auto alteración pueden proporcionar cuando se aplican al comercio financiero. Un ejemplo es Man Group, uno de los fondos de cobertura más grandes del mundo con $96 mil millones bajo administración. Desde el 2014, Man ha utilizado algoritmos de aprendizaje automático para tomar decisiones comerciales autónomas en su fondo AHL Dimension con resultados muy positivos.

Los ingenieros de Man establecen los parámetros de límites para sus algoritmos ML, incluidos límites de exposición, clases de activos y costos de negociación. A continuación, proporcionan los algoritmos con datos y les permiten descubrir patrones y correlaciones que pasarían desapercibidos para los analistas humanos. Los algoritmos ML comparan constantemente nuevos datos con patrones históricos e intentan adivinar cómo se desarrollarán los cambios en el futuro. El hombre está aplicando el modelo a las decisiones comerciales rápidas, así como a las predicciones educadas durante varias semanas en el futuro.

La disponibilidad de datos y recursos informáticos, los dos requisitos principales de los algoritmos de aprendizaje automático, son los principales factores que permiten a Man Group y otros fondos de cobertura emplear IA en sus operaciones. Hoy los costos de procesamiento de energía han disminuido considerablemente. Man maneja su propio gran centro de datos en Londres. Otras empresas están configurando centros de datos virtuales a través de proveedores en la nube como Amazon, Microsoft y Google.

Más importante es la explosión en la generación de datos y servicios en línea que ha sucedido en los últimos años. Según Deutsche Bank, hay mil millones de sitios web en Internet, y cada año se agregan 100 millones más. Existen más de 500 exabytes de datos, con más del 90 por ciento creado en los últimos dos años. Incrustados en este océano digital hay una gran cantidad de información disponible públicamente, también llamada información alternativa, que puede complementar los datos financieros y ayudar a mejorar las decisiones comerciales.

Esto puede incluir una amplia gama de tipos de datos que incluyen puestos de trabajo, debates en redes sociales, imágenes satelitales, transacciones con tarjetas de crédito y datos obtenidos de dispositivos móviles. Esta información permite a los analistas predecir mejor cómo se comportarán las acciones.

Sin embargo, recopilar y leer detenidamente toda esta información no estructurada está más allá de la capacidad de los analistas humanos. Datos alternativos han dado lugar a su propio mercado, con vendedores raspando, limpiando y vendiendo estos datos a la comunidad inversora. Algunos fondos de cobertura están gastando millones de dólares para obtener datos valiosos. Según la consultora Tabb Group, el gasto en datos alternativos solo en los EE. UU. alcanzará los $400 millones en los próximos cinco años.

Los algoritmos de aprendizaje automático proporcionan el poder de ordenar todos estos datos no estructurados. En la firma de inversión Point72, los algoritmos de visión por computadora analizan imágenes satelitales de los estacionamientos y los combinan con la geolocalización de los teléfonos celulares para informar cuántas personas visitan varias tiendas. Mientras tanto, los algoritmos de procesamiento de lenguaje natural realizan análisis de sentimiento en publicaciones de redes sociales y discusiones en foros para ver de qué marcas se quejan los clientes.

Los desafíos del comercio basado en la inteligencia artificial

Si bien el aprendizaje automático muestra muchas promesas en las finanzas y el comercio, todavía tiene que superar varios obstáculos en los próximos años. Los escépticos dudan de que cualquier cosa menos que la IA a nivel humano sea capaz de manejar todos los parámetros misteriosos que influyen en los mercados financieros, como noticias, política, economía y otros eventos como desastres naturales. En Man Group, el fondo AHL ha ganado 15 por ciento en tres años desde que se involucró en inteligencia artificial, casi el doble del promedio de la industria. Pero todavía está rezagado con respecto al S&P 500.

Los fondos de cobertura que emplean inteligencia artificial también deberán superar los desafíos que son inherentes a la tecnología. Esto incluye una falta de transparencia. A medida que los algoritmos de la IA ingieren más datos y se vuelvan más sofisticados, los ingenieros que los construyen encuentran cada vez más difícil explicar la mecánica detrás de su funcionalidad. Esto puede convertirse en un problema cuando tienes que explicar a tus clientes por qué tu algoritmo tomó una decisión equivocada en detrimento de ellos. El hombre se asegura de que los analistas humanos examinen los oficios inusuales antes de que se ejecuten, y está construyendo herramientas de autopsia que ayudan a los ingenieros a investigar las decisiones tomadas por los algoritmos.

Las empresas también tendrán que desconfiar de los datos que adquieren, ya que pueden involucrar información obtenida de los consumidores. Los algoritmos de aprendizaje automático a menudo correlacionan la información de maneras que pueden causar problemas de privacidad.

El uso agresivo de big data también amenaza con llevar los fondos de cobertura a áreas legalmente grises. Si bien el uso de datos disponibles públicamente no se considera información privilegiada, la definición de qué datos se consideran públicos y legalmente seguros para su uso en algoritmos no es muy clara.

No obstante, los defensores del aprendizaje automático y la inteligencia artificial no tienen dudas de que los algoritmos son el futuro del comercio. Como cree Eric Schmidt, ex CEO de Google y actual presidente ejecutivo de Alphabet, en 50 años no se realizará ninguna operación sin que las computadoras analicen los datos y las señales del mercado.


Síganos en Facebook