Bloomberg — Día tras día, los inversores de Wall Street temen que la inteligencia artificial pueda perturbar las industrias de cuello blanco al convertir el juicio humano experto en código.
La selección de valores parece situarse directamente en el camino de esa disrupción.
Ver más: ¿Puede la IA decir cuánto pagar por una obra de arte?
Un nuevo estudio académico dirigido por un profesor de la Harvard Business School concluye que gran parte de lo que hacen los gestores de fondos activos sigue patrones que las máquinas pueden aprender. Utilizando un algoritmo de aprendizaje automático denominado red neuronal, el sistema pudo predecir alrededor del 71% de las decisiones de negociación de los fondos de inversión: si un gestor compraría, vendería o mantendría una acción determinada durante un trimestre.
El modelo se entrenó en ventanas móviles de cinco años desde 1990 hasta 2023, basándose en información como el tamaño del fondo, los flujos de los inversores, las características de las acciones y las condiciones económicas más generales. Sobre esa base, pudo anticipar la mayoría de los ajustes de cartera.
El giro: sus límites pueden ser más reveladores que su éxito. Las operaciones que el sistema no logró anticipar -aproximadamente el 29%- estaban, por término medio, más estrechamente asociadas a un rendimiento superior. En otras palabras, la actividad que queda fuera de los patrones de inversión rutinarios y detectables parece ser donde reside la mayor parte del valor.
La implicación no es que las máquinas hayan descifrado los mercados. Más bien, parecen haber aprendido gran parte del libreto común de la industria: cómo tienden a reaccionar los gestores ante flujos, tendencias del mercado y sus pares. Lo que les cuesta captar es la porción menor de decisiones que se aparta de ese libreto.
“Si 71% de sus decisiones puede ser anticipado por un algoritmo, se vuelve muy difícil justificar las comisiones de gestión activa para esa parte”, explicó en un correo electrónico Lauren Cohen, profesor de finanzas en Harvard y coautor del estudio. “Ahora bien, las operaciones no rutinarias, las que nuestro modelo no puede predecir, son donde vive el alfa genuino. Pero representan una porción relativamente menor de la actividad total”.
El documento de trabajo, publicado la semana pasada en la Oficina Nacional de Investigación Económica y titulado “Mimicking Finance”, llega en un momento en que la inteligencia artificial sacude rincones cada vez más especializados de los servicios profesionales. En semanas recientes, los temores a la disrupción por IA han provocado fuertes oscilaciones en las acciones de empresas que van desde gestores patrimoniales hasta grupos logísticos.
Para los gestores activos, la crítica no es nueva. Durante años, los inversores han estado trasladando dinero fuera de los fondos de selección de acciones hacia productos indexados de bajo costo. La promesa central de la industria ha sido el “alfa” —rendimiento superior a un índice de referencia como el S&P 500—, incluso cuando los modelos cuantitativos han elevado de forma constante el listón al mostrar cuánto del desempeño puede explicarse por la exposición amplia al mercado y estilos de inversión conocidos.
Este estudio, coescrito con Yiwen Lu, de la Universidad de Pensilvania, y Quoc H. Nguyen, de la Universidad DePaul, profundiza esa erosión. Investigaciones previas analizaban principalmente los rendimientos a posteriori. En contraste, el nuevo trabajo intenta anticipar las propias operaciones. Los autores sostienen que los modelos de aprendizaje automático están mejor preparados que los modelos lineales tradicionales de factores para captar las complejas formas en que los gestores reaccionan a flujos, señales del mercado y entre sí.
Visto desde esa perspectiva, el resultado es menos un triunfo de las máquinas sobre los mercados que una reformulación de en qué consiste la gestión activa. Gran parte de la actividad cotidiana de los fondos parece seguir patrones que pueden mapearse y, en principio, reproducirse a menor costo.
Algunas de esas operaciones previsibles de compra y venta pueden cumplir funciones esenciales —gestionar liquidez, ajustar riesgo o rebalancear carteras—, señala Cohen. Pero si la mayor parte de esa actividad es en realidad basada en reglas, se vuelve más difícil argumentar que requiere discrecionalidad costosa.
“El componente de ‘juicio humano’ resulta ser más sistemático de lo que parece, pero se necesitan herramientas lo suficientemente flexibles para verlo”, afirmó Cohen.
El documento también concluye que la previsibilidad varía. Los fondos más grandes, aquellos que cobran comisiones más altas, los gestionados por equipos más amplios y los que enfrentan mayor competencia tienden a ser, en promedio, menos previsibles, mientras que los gestores con trayectorias más largas o múltiples productos tienden a serlo más. El modelo predice la dirección de las operaciones, no su tamaño, una limitación que los autores planean abordar en trabajos futuros.
Pese al entusiasmo reciente en torno a la IA, los hallazgos subrayan una distinción. Predecir cómo se comportan los gestores parece más sencillo que anticipar cómo se mueven los mercados. Los precios de los activos reflejan la interacción de millones de participantes y expectativas cambiantes. Los hábitos profesionales, en cambio, suelen seguir patrones reconocibles.
En última instancia, la parte más pequeña de operaciones que el modelo no logró anticipar, tendió a tener un mejor desempeño, una señal de que podrían reflejar ingenio humano, como descubrir información sobre una acción que otros pasaron por alto. Ser simplemente aleatorio difícilmente produciría el mismo resultado.
Por supuesto, las máquinas podrían mejorar aún más a medida que recopilan más datos. Por ahora, sin embargo, las implicaciones son económicas más que existenciales. Si la mayoría de los ajustes de cartera puede anticiparse mediante un algoritmo, la justificación de las comisiones activas descansa cada vez más en la porción menor de decisiones que se aparta del molde.
“La parte genuinamente habilidosa, el componente impredecible y no rutinario, es real pero pequeño”, dijo Cohen. “La implicación para la industria no pasa tanto por reemplazar gestores en bloque, sino por revalorizar cuánto vale realmente su actividad predecible frente a la impredecible”.
Lea más en Bloomberg.com
