noviembre 29, 2018 - Futurizable | Sngular
Enlaces rápidos
  • Blockchain
  • Big Data
  • Educación
  • Robótica
  • Espacio

Daily Archives noviembre 29, 2018

La inversión en tiempos de Inteligencia Artificial

Publicado el 29 noviembre, 2018

Los mercados de valores andan muy revueltos. Podría ser porque están anticipando una nueva crisis económica o simplemente porque los que llevan mucho tiempo ganando dinero aprovechan el final de año para tomar beneficios. Pero probablemente sea una combinación de ambas cosas y otras muchas, sobre todo teniendo en cuenta que resulta casi imposible conocer en un momento determinado los intereses del conjunto de los inversores, además de que en los mercados hay grandes distorsiones ocasionadas por la especulación y la posibilidad de invertir tanto apostando porque un valor va a cotizar al alza como porque lo vaya a hacer a la baja.

Es por esto por lo que en los telediarios hay tanta diferencia entre los espacios de la información meteorológica y la de la información bursátil. En la primera nos cuentan el tiempo de hoy y la previsión de los próximos días debido a la situación de la atmósfera y en la segunda intentan explicarnos por qué la bolsa ha subido o bajado, pero nunca nadie se atrevería a decir qué va a ocurrir mañana. Es como si un periodista deportivo se atreviera a dar los resultados del partido del día siguiente y también la razón por la que tiene tanto éxito el tema de las apuestas deportivas.

Además, a la complejidad habitual que presentan los mercados financieros tenemos que añadir un fenómeno más reciente en el que encontramos cómo empieza a haber empresas e inversores que están intentando aplicar la Inteligencia Artificial a la toma de decisiones de inversión, lo cual nos lleva a un escenario mucho más complejo que nadie sabe qué consecuencias puede tener para los mercados de valores. En este punto tengo que decir que he conocido a gente muy inteligente intentando crear sistemas automatizados de inversión basados en Inteligencia Artificial y por ahora ninguna de esas personas ha desaparecido porque se haya comprado una isla en el Pacífico gracias al resultado de sus inversiones.

En todo caso, aquí tenemos que diferenciar dos formas de utilizar la Inteligencia Artificial en el mundo de la inversión o especulación. En primer lugar, la que probablemente tenga más sentido en el corto o medio plazo, que consiste en optimizar y maximizar la forma en la que aplicamos determinado método de inversión con el objetivo de automatizar determinadas acciones o incluso la toma de decisiones. La segunda forma sería esperar que una Inteligencia Artificial sea capaz de entender cómo funciona un determinado mercado de valores para ayudar al inversores a poder anticiparse a la hora de tomar la decisión de invertir o desinvertir en el momento que le pueda reportar un mayor beneficio.

Como os podéis imaginar la tarea no debe ser sencilla, porque de serlo ya lo habría conseguido alguien. Pero lo que sí que puede estar ocurriendo es que aquellos que están trabajando en su desarrollo están haciendo que la complejidad en los mercados sea mayor, quizás por su propia evolución o porque cada vez son más los activos que se suman a las posibilidades existentes en el momento de llevar a cabo inversiones o especular. Así, a los activos tradicionales como las acciones de empresas, las materias primas o las divisas, se ha sumado recientemente el de las criptomonedas, un mercado que hace 10 años no existía y que en su mejor momento a principios de este año llegó a tener una capitalización total de más de 800 billones de dólares.

Curiosamente por la coincidencia en el tiempo del auge de las criptomonedas con el de un nuevo desarrollo en la Inteligencia Artificial a través del Machine Learning, ha sido en este nuevo tipo de inversión donde ha habido más interés por aplicar los algoritmos a la hora de la toma de decisiones. Es el caso de la startup Cryptics, que busca ayudar proporcionando liquidez en los exchanges y un colchón de seguridad para los inversores minoristas mediante la creación de una plataforma que conecta a los actores del mercado y desarrolla algoritmos para predecir los cambios en el valor de las criptomonedas. Su tecnología, basada en modelos de puntaje altamente avanzados que involucran el aprendizaje automático y las redes neuronales, buscan superar a la intuición humana, considerando que la multitud de factores que intervienen en la predicción del aumento o disminución de cualquier criptomoneda se tienen en cuenta en los algoritmos que utiliza la empresa. Su diseño les permite abarcar un gran número de fuentes abiertas y recopilar información sobre los tipos de cambio desde las redes sociales y los exchanges, teniendo en cuenta las posibles tendencias a través del análisis del lenguaje natural. La aplicación de tecnologías NLP permite analizar masas de datos que los analistas humanos habrían tardado días en analizar.

«Los robots no duermen, no se cansan y apenas necesitan tiempo para realizar millones de cálculos, por lo que se agilizan muchísimo todos los procesos relativos a la realización de las inversiones»

Por otro lado, también empezamos a encontrarnos con una aplicación directa de la Inteligencia Artificial en los mercados de inversión que parece estar distorsionando la manera habitual de operar en estos mercados, al igual que lo hizo en su momento la opción de invertir en corto o posicionarse a la baja con determinados tipos de activos. Ahora los algoritmos y robots virtuales están permitiendo el desarrollo de un nuevo modelo de inversión denominado High Frequency Trading, que permite a los que la utilizan realizar millones de operaciones por segundo, aprovechando la demora de tiempo con la que la bolsa muestra la información de las cotizaciones de los activos. Como os podéis imaginar, este nuevo tipo de forma de inversión se basa en aprovechar una pequeña ineficiencia del sistema para obtener un pequeño beneficio, pero lo que ocurre es que cuando lo repercutimos en millones de operaciones, puede suponer un buen modelo de negocio para los que lo desarrollan.

Lo malo es que cuando este tipo de operaciones se masifican, como está ocurriendo en estos momentos, en relación con el número de operaciones que se produce en la bolsa, cualquier fallo que se produzca a nivel del sistema puede generar un caos en los mercados. Del mismo modo que este tipo de sistemas se basan en optimizar al máximo las operaciones, lo que está sucediendo es que las fluctuaciones se vuelven mucho mayores, algo que podría ser una explicación a lo sucedido el lunes 5 de febrero de 2018, cuando el Dow Jones llegó a caer en un momento determinado más de un 6%, la mayor caída en su historia. Un fenómeno que se ha denominado como Lunes Negro.

¿Cómo puede mejorar la Inteligencia Artificial los modelos de inversión en activos financieros?

Al igual que estamos viendo en multitud de sectores de la economía, como en el sector del transporte, donde la Inteligencia Artificial va ha producir cambios muy profundos en los próximos años a través de los denominados coches autónomos, esta tecnología también puede ofrecer una utilidad importante a la hora de mejorar la forma de invertir en los mercados financieros que hasta ahora ha venido definida por las características y limitaciones de personas u organizaciones concretas. Por ejemplo, introducir la automatización en el ámbito de la inversión puede eliminar restricciones como la relativa a los horarios en los que funcionan las distintas bolsas a nivel mundial, ya que los robots no duermen, no se cansan y apenas necesitan tiempo para realizar millones de cálculos, por lo que se agilizan muchísimo todos los procesos relativos a la realización de las inversiones.

A continuación vamos a conocer algunas de las posibles aplicaciones de la Inteligencia Artificial en la inversión en mercados financieros, ya sea porque están desarrolladas actualmente o porque podrían estarlo en el futuro.

  1. Personalizando los modelos de inversión en base los perfiles de los inversores. De esta forma, las herramientas basadas en Inteligencia Artificial podrán conocer el perfil de riesgo del inversor y ofrecerle únicamente los instrumentos disponibles que mejoren el rendimiento y minimicen el riesgo de su cartera. Porque si en algo se ha estado trabajando en los últimos años en relación con la Inteligencia Artificial es en lo relativo a sistemas de recomendación, como el famoso algoritmo de recomendación de productos de Amazon, que en este caso se podría aplicar cuando el sistema vaya aprendiendo del tipo de productos y operaciones que el inversor suele realizar, para poder darle un asesoramiento personalizado al respecto.
  2. Mejorando el acceso a la información del mercado. Ya que hasta ahora, para poder invertir, era necesario dedicar mucho tiempo a analizar los movimientos del mercado y ahora, gracias a la Inteligencia Artificial, los inversores tendrán la capacidad de analizar un gran número de noticias en relación con la evolución del negocio de determinada empresa o su percepción por parte del mercado, algo que sus acciones finalmente pueden acabar reflejando. En este caso el inversor contará con esa especie de información privilegiada en cuanto a que lo ha podido saber con anterioridad gracias a estos nuevos sistemas de información.
  3. Optimizando los procesos de inversión y la toma de decisiones. Disponer de una herramienta de Inteligencia Artificial que pueda realizar de forma autónoma el análisis de un instrumento financiero y su impacto al incorporarlo en un portafolio de inversión permitirá al analista enfocarse en los aspectos más sofisticados del proceso. De este modo, si hasta ahora los inversores se veían limitados por el tiempo al realizar los procesos de análisis de las empresas, con este nuevo tipo de herramientas podrán ampliar significativamente su horizonte de oportunidades en las que participar y eso ayudará a que puedan mejorar también su modelo de inversión.
  4. Inversión en base a los datos y al modelo de inversión, en lugar de la intuición. Ya que cumplir a rajatabla el modelo de inversión resulta fundamental para todo inversor, pero en muchas ocasiones es muy difícil evitar tomar decisiones basadas en la euforia o el miedo, algo que la máquina nunca va a hacer, ya que se limitará a cumplir las instrucciones con las que haya sido programada. Un ejemplo muy representativo de esto es lo que en el lenguaje bursátil se denomina como Stop Loss y que consiste en el porcentaje de pérdida que un inversor está dispuesto a admitir dentro de su sistema de inversión. Por debajo de un precio determinado el sistema obligaría al inversor a vender para minimizar las pérdidas, pero cuando llega el momento de la verdad las personas somos débiles y muchas veces no tomamos las decisiones desde la lógica sino desde la intuición, un error que una máquina no va a cometer.
  5. Creación de nuevos tipos de activos financieros diseñados con Inteligencia Artificial. Por ejemplo, de cara a ofrecer la posibilidad de invertir en nuevos tipos de activos que hasta ahora no cotizaban en bolsa debido a determinada complejidad o por su pequeño tamaño. Este puede ser el caso de las pymes, que no cotizan en mercados por los altos costes de gestión de los mismos, pero donde la tecnología puede hacer una gran aportación a la hora de reducir costes y popularizar el acceso a la financiación e inversión. La Inteligencia Artificial nos puede llevar a un siguiente nivel dentro de este nuevo modelo de inversión que ha surgido hace muy pocos años llamado crowdfunding, que está teniendo un notable éxito, por ejemplo, en lo que se refiere a la financiación de startups o para facilitar el acceso a pequeños inversores a la inversión en activos inmobiliarios a través del crowdfunding inmobiliario.

Ejemplos de empresas que aplican la Inteligencia Artificial a la inversión en mercados financieros

Aunque en estos momentos nos encontramos en las primeras fases de aplicación de la Inteligencia Artificial en los mercados financieros, vamos a ver a continuación cómo ya están surgiendo algunas iniciativas por parte de las startups que buscan ayudar a los inversores a mejorar el resultado de sus inversiones gracias a la aplicación de esta tecnología. En todo caso tenemos que fijarnos en que dentro del ámbito Fintech esta parte de las inversiones está siendo una de las últimas en incorporarse, ya que en los últimos años hemos visto muchos avances en relación con los medios de pago, banca móvil y acceso a financiación, pero muy poco en relación a la parte de inversión en mercados financieros. Sí es cierto que ha habido algunas excepciones, como por ejemplo los nuevos brokers eToro y Robinhood, que buscan facilitar el acceso a la inversión, ya sea añadiendo el componente social o la facilidad de operar desde el móvil, pero aún así hay que saber que se trata de un tipo de actividad en la que aún participa poca gente por lo que es lógico que el interés de las startups haya sido menor.

A continuación vamos a conocer algunas startups que han decidido aplicar la Inteligencia Artificial para mejorar la inversión en mercados financieros, sobre todo cuando se trata de dar una recomendación de productos personalizados en función de las características de los inversores, con el objetivo de reducir los riesgos asociados con esta actividad.

ETFmatic, fundada por el emprendedor español Luis Rivera, quiere simplificar el proceso de inversión en los activos financieros denominados ETF, que son un tipo fondo de inversión cuya principal característica es que se negocia en mercados secundarios de valores. La empresa utiliza estrategias de inversión basadas en índices y fondos cotizados en bolsa para construir y administrar carteras de inversión únicas adaptadas a las preferencias y circunstancias personales de sus clientes. Su sistema de Inversiones Automatizadas permite crear fácilmente una cartera única de activos personalizada en función del cliente.

Danel Capital es una EAFI (Empresa de Asesoramiento Financiero) fundada por el emprendedor español Tomás Diago, especializada en asesoramiento de inversiones en renta variable, que establece sus estrategias de inversión utilizando Inteligencia Artificial, Machine Learning y Big Data. Se trata de la primera EAFI de España en utilizar tecnología avanzada para ayudar a su equipo experto en gestión financiera en la toma de decisiones, complementando y potenciando sus conocimientos. Cada día su software captura y genera una multitud de datos asociados a empresas que cotizan en Bolsa, y que alimentan un motor de inteligencia artificial en busca de patrones en miles de millones de datos que les permiten aumentar la probabilidad de éxito de sus inversiones.

Two Sigma se define como un gestor de inversiones con vocación científica, que lleva aplicando tecnología y ciencia de datos a los pronósticos financieros durante más de 17 años. Sus avances pioneros en Big Data, Inteligencia Artificial y Aprendizaje Automático han impulsado a la industria de la inversión. La empresa analiza los datos de las noticias para predecir los precios de las acciones, lo cual, bien aprovechado, podría ayudar a predecir los resultados financieros y generar un impacto económico significativo en todo el mundo.

Swanest propone que la industria financiera tradicional es defectuosa ya que los bancos impulsan sus propios productos pese a que no ofrezcan buenas rentabilidades, los asesores de inversión son caros o poco accesibles y los servicios de corretaje tradicionales siguen siendo complejos. Por ello piensan que ha llegado el momento de diseñar una solución de inversión que satisfaga las necesidades de las personas: simple de controlar, inteligente en su comportamiento y transparente. Su equipo reúne un amplio conjunto de conocimientos en los campos de ingeniería de software, gestión de inversiones y algoritmos, aplicando estas capacidades para desafiar el status quo.

Preseries es una plataforma automatizada para descubrir, evaluar y monitorizar inversiones en etapas iniciales, y especializada en startups, que basa su servicio en un modelado predictivo proporcionada por la empresa de Machine Learning BigML. Se trata de una tecnología pensada para ser utilizada por parte de empresas de Capital de Riesgo, M&A Corporativo, Private Equity, Desarrollo de Negocios, Estudios de Mercado y Consultoría de Gestión.

Los asistentes virtuales nos ayudarán a estar mejor informados a la hora de invertir

Un ejemplo muy concreto del uso de la Inteligencia Artificial en el ámbito de la inversión en mercados de valores es la iniciativa presentada recientemente por Banco Sabadell al ofrecer un skill de Amazon Echo que permite consultar, a través de la voz, la evolución de los valores bursátiles que cotizan en el mercado continuo español. De este modo, cualquier dispositivo que incorpore Amazon Alexa permitirá consultar información de la actualidad bursátil gracias al servicio digital creado por el banco. Una aplicación concreta del procesamiento del lenguaje natural que permite aportar a los usuarios servicios de valor añadido a través de los nuevos canales digitales de voz, en este caso para la evolución de las empresas que cotizan en el mercado continuo español.

Los Robo Advisors como ejemplo de aplicación de la Inteligencia Artificial en inversión en los mercados de valores

El concepto de Robo Advisors es bastante nuevo, pero en poco tiempo se ha convertido en uno de los protagonistas a nivel de iniciativas por parte de startups en el ámbito financiero y el Fintech. Su propuesta de valor consiste en ofrecer a sus clientes un servicio de gestión automatizado de inversiones, en forma de asesoramiento financiero y gestión online de carteras mediante algoritmos y con una mínima intervención humana. Estos servicios facilitan la creación de una cartera de inversiones personalizada y adaptan al contexto de cada persona mediante un sencillo test que se realiza cuando el usuario lo contrata. Posteriormente la elaboración y manejo de la cartera de inversión del cliente se hace de forma automatizada.

El asesoramiento digital que proporcionan los Robo Advisors está basado en algoritmos que se ejecutan mediante software de forma que prescinden de la gestión humana para operar, comprar y vender activos o trasladar los mismos a otros valore. Además, rebalancean los activos de la cartera de forma periódica para mantenerlos según sus proporciones definidas en un primer momento y así asegurar que los límites de riesgo previstos por el inversor no son alterados por las fluctuaciones del mercado.

Los primeros Robo Advisors que comenzaron a ofrecer servicios automatizados de inversión aparecieron por el año 2008 de la mano de las startups estadounidenses Betterment y Wealthfront. En España se empezaron a poner en marcha en el año 2014 con la aparición de Feelcapital y posteriormente otras startups como Indexa Capital, Inbestme, Finizens y Finanbest. A finales de 2017 los Robo Advisor españoles llegaron a gestionar más de 100 millones de euros​.

 

Como hemos podido comprobar a lo largo de este artículo, las aplicaciones de la Inteligencia Artificial en la actividad de inversión en mercados financieros puede tener un gran recorrido y ofrecer una gran utilidad, pero apenas nos encontramos en los albores de esta actividad. La complejidad que presentan estos mercados y el bajo interés del gran público por lo relativo a la inversión hacen que no estemos viendo un desarrollo tan importante como en otras actividades más cotidianas para la gente.

Si tenemos en cuenta que en el momento en el que nos encontramos la Inteligencia Artificial está siendo de gran utilidad para hacer mejor algo que las personas ya hacemos bien: por ejemplo, conducir un coche es algo complejo por la multitud de situaciones que se pueden producir, pero en la mayoría de los casos las personas hacemos bastante bien. Entonces es algo donde la Inteligencia Artificial tiene mucho que aportar con el fin de mejorar aún más el sistema, por ejemplo, a la hora de incrementar la seguridad o eliminar algunas de las problemáticas existentes como los atascos. Pero cuando nos llevamos esto al tema de las inversiones, nos damos cuenta de que invertir es algo que las personas no solemos hacer bien, tan solo algunos profesionales son capaces de obtener buenos rendimientos a su dinero, a no ser que veamos la inversión en el largo plazo donde sí que la mayoría de inversores ganan dinero. Por alguna razón, las personas pensamos en el beneficio rápido y ahí es donde se producen muchas pérdidas por parte de los inversores.

Así que, como conclusión, lo que seguramente acabemos viendo en el corto plazo es cómo se produce una combinación de la Inteligencia Artificial con los modelos de inversión en el largo plazo, donde la tecnología jugará un papel muy importante en el momento de optimizar procesos, reducir los costes asociados a la inversión y elegir los mejores activos en los que invertir.

Hagamos un símil, por ejemplo, con la inversión inmobiliaria: si el Big Data y la Inteligencia Artificial son utilizadas por startups como Geoblink para ayudar a las empresas a tomar mejores decisiones para saber dónde localizar sus negocios de venta al público, ¿por qué no hacer lo mismo cuando se trata de ayudar a los inversores a localizar zonas en las que vaya a haber una mejor evolución de los precios de las viviendas debido a movimientos de la población?

Etiquetas: , ,