La capacidad de análisis para identificar tendencias y predecir comportamientos de la Inteligencia Artificial está ya presente en muchos ámbitos y sectores. Aunque en la industria financiera también se lleva aplicando desde hace años, como por ejemplo en el trading, o más recientemente en la generación de modelos económicos para el Asset Allocation, es en el análisis y selección de activos de renta variable para la gestión de carteras donde está teniendo cada vez una mayor relevancia.
Hasta el momento han sido muchas las entidades que han destinado importantes esfuerzos en sistemas de Big Data para poder construir modelos predictivos. Sin embargo, los resultados han sido pobres. Los modelos estadísticos tradicionales resultan insuficientes para el volumen y complejidad de los datos.
Adicionalmente, el mercado financiero, a diferencia de otros ámbitos de aplicación, se caracteriza por tener un comportamiento no estable, con cambios, correcciones y aprendizaje continuo, de difícil aplicación también para los modelos estadísticos.
Los modelos de Machine Learning, junto a la tecnología Big Data, permiten superar estos obstáculos metodológicos, derivados de una gran cantidad de datos no estructurados y entornos de comportamiento complejos.
Sin embargo, el interés por la aplicación de la Inteligencia Artificial reside en el cambio que se está produciendo en la formación de los precios de los activos de renta variable en los mercados. Existe una creciente disociación entre las variables fundamentales de las acciones de las empresas y los movimientos de sus precios.
En este sentido, los procesos tradicionales de análisis enfocados principalmente a identificar activos infravalorados por el mercado, pueden resultar insuficientes para buscar rentabilidad a medio y largo plazo con un nivel de volatilidad controlada. Es necesario disponer de más información y de modelos más avanzados de los tradicionales para el análisis, selección de activos y construcción de carteras.
Para finalizar, me gustaría destacar que para que la tecnología sea una herramienta de utilidad, y en especial de fácil implementación, es necesario evitar a toda costa que los modelos utilizados constituyan cajas negras para el equipo de gestión. Permitir entender los resultados de los modelos, dando trazabilidad de los mismos, más allá de la utilidad de la Inteligencia Artificial, constituye sin duda el factor de éxito.
Tribuna de José Luis Álvarez, director de Inversiones en Danel Capital
