Cada vez más empresas financieras presumen de sus algoritmos de IA para tomar decisiones bursátiles, pero estos sistemas podrían ser menos avanzados de lo que parecen

Cada día, los ordenadores realizan millones de transacciones bursátiles electrónicas mediante delicados cálculos que intentan extraer una diminuta ventaja en términos de velocidad o eficiencia. Los algoritmos que utilizan estas máquinas son cada vez más inteligentes y autónomos, los que les permite tomar decisiones cada vez más importantes.

Muchas de las mejoras que están viviendo estos algoritmos nacen de la inteligencia artificial (IA). Por eso, tanto algunas agencias mercantiles ya establecidas como un puñado de start-ups están explorando si tales técnicas bursátiles podrían ayudarles a superar a los otros operadores financieros. En este punto, cabe preguntarse, ¿está la IA alterando la dinámica habitual de los mercados financieros?

Hace ya años que los fondos de riesgo empezaron a usar enfoques algorítmicos para lograr mejores decisiones basadas en datos, frente a aquellos que se estructuran en una mera intuición humana. Entre ellos destacan Bridgewater Associates, Renaissance Technologies, D.E. Shaw, y Two Sigma, cuyos modelos algorítmicos se están aprovechando cada vez más de la IA.

El interés por esta ciencia es cada vez mayor, en parte, gracias a nuevas técnicas como el aprendizaje de máquinas. Entre ellas destaca el aprendizaje profundo, que consiste en entrenar a una gran red neuronal para reconocer los patrones dentro del conjunto de datos. El aprendizaje profundo ya ha logrado que los ordenadores interpreten imágenes, texto y audio con una precisión casi humana (ver Aprendizaje profundo). Ahora, queda por ver si la IA podrá hacer lo mismo con los datos financieros.

Está claro que estos recientes progresos han captado la atención de los ingenieros financieros. Así lo demuestran las empresas congregadas en la última conferencia internacional de Sistemas de Procesamiento Informático Neuronal (NIPS, por sus siglas en inglés), celebrada en diciembre en Montreal (Canadá). El encuentro congregó a miles de investigadores académicos e industriales para analizar los progresos del desarrollo de nuevos algoritmos de aprendizaje de máquinas. Además de ellos, algunas de las empresas tecnológicas más grandes del mundo, entre las que se incluyen Google, Facebook, Microsoft, Apple, Amazon e IBM, pagaron por instalar mesas de reclutamiento, con la esperanza de convencer a los nuevos talentos más destacados para que trabajen para ellas. Pero casi la mitad de las empresas que lo hicieron no eran ni siquiera tecnológicas, sino fondos de cobertura y agencias financieras.

Una de las empresas presentes fue la gran agencia de inversiones AHL Man, que durante años se ha centrado en el uso de enfoques estadísticos para elaborar estrategias de inversión. Su director científico, Anthony Ledford, explica que la empresa ya está explorando si el aprendizaje profundo podría aplicarse a las finanzas. Ledford detalla: “Hemos designado una partida presupuestaria para realizar pruebas. Si todo sale bien, el aprendizaje profundo se empezará a aplicar en transacciones de prueba, al igual que otros enfoques de aprendizaje de máquinas”.

Las transacciones bursátiles parecen un sitio obvio para aplicar técnicas avanzadas de aprendizaje de máquinas, pero realmente no está claro si se puede comparar el retode encontrar sutiles patrones en los datos en tiempo real con, digamos, reconocer caras dentro de las fotografías digitales. “Es un problema muy distinto”, reconoce Ledford.

Los expertos académicos también hacen una advertencia. El profesor de aprendizaje de máquinas de la Universidad de Oxford (Reino Unido) Stephen Roberts cree que el aprendizaje profundo podría rendir bien a la hora de “extraer tendencias, informaciones y conexiones ocultas”, pero añade que “todavía es demasiado frágil como para lidiar con altas cantidades de incertidumbre y ruido, que son tan comunes en las finanzas”.

Roberts también señala que el aprendizaje profundo puede ser un proceso relativamente lento, y no puede ofrecer los tipos de comportamientos garantizados que ofrecen otros enfoques estadísticos. En general, opina que se ha creado cierto bombo alrededor de la idea de aplicar la IA a las finanzas. “La IA es es muy amplia y muchas técnicas estadísticas estándar se están reclasificando como IA y aprendizaje de máquinas”.

Dicho esto, puede que las nuevas agencias financieras que se anuncian como centradas en la IA hayan dado con algo. Estas incluyen Sentient, radicada en San Francisco (EEUU), Rebellion Research en Nueva York (EEUU) y una empresa de inversiones de Hong Kong (China) llamada Aidyia.

Uno de los usos más prometedores de la IA podría ser el procesamiento de datos de lenguaje natural desde artículos de prensa, informes corporativos y actualizaciones de redes sociales, que podría generar nuevas predicciones sobre el rendimiento futuro de empresas, divisas, bienes o instrumentos financieros.

Aidyia fue fundada por el conocido investigador de IA, Ben Goertzel, que también es el fundador de Hanson Robotics y el director de un proyecto de IA de fuente abierta llamado OpenCog. Aidyia empezó a operar el año pasado, y Goertzel dice que el enfoque de su empresa es mucho más ambicioso que las técnicas empleadas por la mayoría de los fondos de cobertura actualmente, al inspirarse en la programación evolutiva, la lógica probabilística y la dinámica caótica.

En una conversación con MIT Technology Review Goertzel afirmó: “Nuestro sistema ingiere una variedad de información, incluidos datos sobre precios y cantidades procedentes de bolsas de todo el mundo, noticias de varias fuentes en múltiples idiomas, datos macroeconómicos y sobre la contabilidad de la empresa, y mucho más. “Entonces estudia cómo estos factores se han interrelacionado históricamente, y aprende un conjunto de decenas de miles de modelos predictivos que parecen tener un valor predictivo, basándose en su estudio de los datos históricos”, que ayudan a guiar las inversiones de la empresa.

Desde luego existe una tendencia hacia aumentar la automatización entre agencias financieras. Preqin, una empresa que proporciona datos de la industria financiera, informa de que el 40% de los fondos de inversión de riesgo creados el año pasado fueron “sistemáticos”, lo que quiere decir que dependen de modelos informáticos para la toma de decisiones.

Pero no todos están convencidos de que una revolución de IA en las finanzas sea inminente. El multimillonario y CEO de otra empresa bursátil británica, Winton Capital Management, David Hardin, generalmente se siente escéptico acerca del bombo sobre el aprendizaje de máquinas y la IA. “Si mirara muy fijamente a Winton, diría que es más o menos lo mismo que llevamos haciendo durante los últimos 30 años”, asegura.

Harding también recuerda que un auge similar en el interés por las redes neuronales provocó la creación de muchas start-ups durante principios de la década de 1990. Hardin recuerda: “La gente empezó a decir: ‘Hay una increíble técnica informática nueva que diezmará todo lo anterior’. También hubo una moda de algoritmos genéricos”, y continúa:”Pues, le puedo decir que ninguna de estas comunidades existe hoy, ni rastro de ellas”.

Ledford, de AHL Man, también tiene unas palabras de cautela para cualquiera que crea que las últimas técnicas de aprendizaje de máquinas podría representar un atajo a la riqueza. “Es importante recordar la capacidad del mercado de dar lecciones de humildad”, advierte, “yo aconsejaría que no se dé demasiadas palmaditas en la espalda, pero igualmente no se desmoralice tampoco”.

 

Por Will Knight

Traducción: Teresa Woods

Fuente: technologyreview.es

Anuncios