De pandemias, navegadores, mercados y roboadvisors.

Quizá por el interés que todo lo relacionado con la inteligencia artificial y las finanzas despertó en mí ya hace tiempo o porque durante las últimas semanas he leído que cada vez más departamentos de inversión deciden incorporar algoritmos en sus procesos de toma de decisiones, creo que es un buen momento para poner foco sobre la siguiente revolución en la industria de las finanzas: los roboadvisors.

Sin entrar en tecnicismos innecesarios, podríamos decir que lo que tenemos detrás de un roboadvisor es un conjunto de algoritmos debidamente entrenados para tomar decisiones de inversión. Algoritmos, que simplificándolo mucho, producen señales de compra y de venta, que son cada vez más rápidos y eficaces y que pueden llegar a tomar decisiones en tiempo real.

Todo ello, teniendo en cuenta los precios de mercado de los activos, noticias sobre las compañías, sobre los resultados trimestrales, eventos corporativos, cambios regulatorios del sector, datos macroeconómicos relacionados con el negocio, o, incluso, el último tuit publicado por algún jefe de estado.

Un roboadvisor es un conjunto de algoritmos debidamente entrenados para tomar decisiones de inversión. 

La duda natural llegados a este punto es si podríamos llegar a prescindir completamente del factor humano y que el roboadvisor fuera quien tomara las decisiones de inversión. Si son lo suficientemente eficientes, ¿por qué prescindir de una tecnología capaz de hacer un trabajo más eficaz y con mejores resultados? La cuestión no es baladí, pero permítanme que conteste con otra pregunta: cuando sale usted de viaje, conecta el navegador del coche o el del teléfono, ¿verdad? Porque si uno va a un sitio nuevo y no conoce bien los detalles de la ruta basta con cantarle a “Siri” el numero de la calle a la que queremos ir.

Pero, ¿y si uno se dirige al sitio de siempre? A ese pueblo de la costa donde ha veraneado la última década y cuya ruta conoce casi como la palma de su mano. Pues también, ¿no? Y es porque, aunque uno conozca todos los detalles de la ruta, el navegador incorpora cambios en el trazado, obras, información de tráfico, accidentes, radares, la climatología… En definitiva, mucha de la información que a uno le resulta útil, aunque no imprescindible para el viaje. Esto es la realidad de hoy y el futuro apunta hacia el coche autónomo, aunque para llegar a ese punto deben cambiar cosas como la gestión del riesgo.

En el mundo de las inversiones estamos en una situación más o menos parecida. Los algoritmos de inversión ya hace años que se aplican a través de distintos instrumentos con más o menos éxito. Y como en todos los ámbitos, aquí también se ha vivido y se está viviendo una revolución tecnológica con el descubrimiento y la aplicación de nuevos modelos de predicción basados en procesos cada vez más complejos.

Hemos pasado de los modelos primigenios que basaban sus recomendaciones en poco más que el estudio y análisis del comportamiento del precio de las acciones hasta los más novedosos (hasta ahora) que aplican redes neuronales muy complejas llamadas transformer (las que están detrás entre otras cosas del procesamiento del lenguaje natural). A través de ellas podemos enchufar infinidad de inputs para tratar de saber si debemos comprar o vender, estableciendo complejas relaciones entre las variables difíciles de entrever para el ser humano.

El regulador británico advierte de malas prácticas entre los roboadvisor

La idea de ponerlo a funcionar no puede resultar más interesante pero no debemos olvidar que son modelos y que en función de cómo hayan sido definidos nos van a proporcionar un resultado óptimo con la información que les hemos suministrado. Y aquí, como en cualquier ámbito de la vida, la experiencia es un grado. Siguiendo con el ejemplo, el mejor conductor no es el que más veces se ha leído el código de circulación.Es el que más horas ha estado frente al volante. Y en el caso de los algoritmos es lo mismo.

El mejor de los algoritmos necesita entrenamiento. Sea cual sea la pauta de inversión para la que ha sido diseñado precisa de un volumen ingente de datos y de contar con una amplia base de distintas situaciones de mercado que ha tenido que procesar, analizar y evaluar para poder dar una recomendación. Y si no se ha parametrizado correctamente o en el mercado se dan circunstancias tan anómalas como las que hemos vivido durante este año, seamos sinceros, el modelo errará en sus predicciones. Y errará no porque esté mal, sino porque no ha sido suficientemente entrenado. 

Con toda probabilidad, un buen roboadvisor (que ya los hay) habría dado señales de venta ante el desplome de las bolsas y la cada vez más creciente volatilidad durante los momentos más álgidos de mercado. Seguramente habría determinado que la situación es complicada, que con caídas tan aceleradas toca, no sólo levantar el pie del acelerador, sino pisar el freno y reducir el riesgo de nuestras inversiones. Y hasta aquí eso es lo que hemos hecho los gestores “fundamentales” sin aplicar algoritmos. 

 ¿Y el momento de volver? ¿Cuándo comprar de nuevo en aquellos escenarios en los que entre la economía y las bolsas se producen momentos como este en los que los precios descuentan con mucha antelación la recuperación o cuando la descorrelación entre las bolsas y el ciclo es tan manifiestamente alta? Un cisne negro como el Covid19 es algo nuevo, algo para lo que no ha sido entrenado, para lo que no tiene datos y, por tanto, para lo que no tiene demasiadas respuestas. Tampoco me cabe la menor duda de que, de aquí en adelante, seguro que las pandemias serán un input más que los algoritmos empezarán a incorporar en sus parámetros y serán capaces de predecir.

Dicho esto, soy un firme defensor de que la inteligencia artificial ha venido para quedarse y que más pronto que tarde la vamos a incorporaremos en nuestro asset allocation como un input más a un proceso racional y estructurado de inversión. Pero, como señala uno de los españoles más avanzados en la materia, Marcos López de Prado: ”Es importante que los inversores reconozcan que el machine learning no es un sustituto de la teoría económica, sino más bien una poderosa herramienta para construir teorías económicas modernas”. 

Es decir, de momento, debe seguir siendo eso: un apoyo a la gestión, como el navegador del coche lo es a la conducción.

Álvaro Galiñanes es director de inversiones de Santander Private Banking Gestión.