Muchos expertos valoran la opinión del mercado, pero igualmente destacan la calidad de los datos procesados por la Inteligencia Artificial. Aunque también conlleva un riesgo, creer que la tecnología puede reemplazar la función de los inversores.
Si bien los expertos coinciden en el valor del análisis de la opinión del mercado, todos destacan la importancia crucial de la calidad de los datos procesados por la IA. Armando Gonzalez, Director General de RavenPack, está totalmente de acuerdo en que "la capacidad de almacenamiento y la velocidad de la computadora han dado un gran paso adelante, pero el desafío sigue siendo escoger los datos correctos. Los buenos datos son la base de todos los modelos".
En otras palabras, tratar de asimilar todo lo que se dice en las redes sociales es un accidente esperando que suceda. Norman Schürhoff dirigió un estudio publicado por el Instituto Suizo de Finanzas el 25 de Abril, titulado Finfluencers (acrónimo de influencers financieros), que explica el fenómeno. Esta investigación estima que el 56% de los influencers tienen habilidad negativa o anti habilidad para predecir precios, generando -2,3% de retornos anormales mensuales, y solo el 28% está capacitado, generando un 2,6% de retornos anormales mensuales. "Los consejos de personas poco calificadas crean creencias demasiado optimistas la mayoría de las veces y cambios persistentes en las creencias de los seguidores", escriben los autores. "En consecuencia, los finfluencers provocan un comercio excesivo y precios ineficientes".
"La calidad de la fuente es clave", afirma Norman Schürhoff. "Si aglomeras información indiscriminadamente del promedio de todos los influencers, perderás dinero. Pero si se eligen los mejores influencers y se filtra esta información mediante PLN, el resultado es útil". Y añade: "En conjunto, el poder predictivo de las redes sociales es más aleatorio que el de los artículos de prensa financiera, pero nuestro estudio demuestra que con la metodología adecuada se puede obtener información valiosa".
Además de la cuidadosa selección, la gran cantidad de datos combinada con la máxima explotación de las herramientas de PLN ofrece en última instancia el mejor rendimiento. "Nuestra investigación muestra que cuantos más datos agregue, siempre que elija los datos correctos y cuanto más utilice diferentes PLN, mayores serán las posibilidades de obtener un rendimiento superior", afirma Matthias Uhl, director de Analytics & Quant Modeling de la UBS, que también es profesor de la Universidad de Zurich y del Instituto Suizo de Finanzas.
¿Podría la fortuna estar al final del arcoiris de la IA, siempre que proporciones buenos datos a la máquina?. Amit Goyal, profesor de finanzas de la Universidad de Lausanne, lo duda. "Con o sin estas tecnologías, queda una pregunta fundamental: ¿Es realmente posible predecir los precios? Varios ganadores del Premio Nobel de Economía han argumentado que simplemente no es posible predecir los cambios en los precios del mercado. Es un tema de debate continuo entre los economistas".
"En economía no hay consenso en nada", afirma con una sonrisa Didier Sornette. "¡Estamos divididos en escuelas!". Relativamente cauteloso con estas nuevas herramientas, el profesor de la ETH Zurich continúa: "La IA y el aprendizaje automático se han vuelto mucho más poderosos, pero la mejora resultante es más cuantitativa que cualitativa. La IA puede proporcionar análisis cada vez más profundos, pero en realidad solo está descifrando la estupidez (o la inteligencia) de la multitud".
El desafío no es exactamente el mismo entre predecir precios a corto y largo plazo. "¡A corto plazo, el comportamiento lo es todo!. Cuanto más cercano sea el futuro, menos sensible será la variación de los precios a los fundamentos", afirma Julien Leegenhoek, fundador y director general de Taranis, una empresa con sede en Ginebra que utiliza IA para analizar datos alternativos (incluida la opinión del mercado).
Matthias Uhl, de la UBS, destaca la importancia de los fundamentos económicos al momento de adoptar una perspectiva de inversión a largo plazo. "Los administradores de activos necesitan indicadores que sean confiables durante uno o incluso dos ciclos económicos, y no he visto que los indicadores de opinión en las redes sociales funcionen de manera confiable durante un periodo tan largo. Por eso es importante que los inversores no se limiten a una especialidad". A este aspecto Matthias Uhl añade la siguiente anécdota: "Enseño a estudiantes que a veces son expertos en IA, algunos han dominado las aplicaciones del aprendizaje automático en finanzas, pero esos mismos estudiantes a veces no tienen conocimiento de cómo funciona la economía, lo cual es igualmente importante si se quiere ganarle a los mercados".
Paradójicamente, el otro problema con estas tecnologías tiene que ver con su democratización. Una noción clave en la inversión es tener información que otros no tienen o que aún no tienen. Aun así, cada vez más empresas están lanzando sus soluciones al mercado, sin mencionar las herramientas a las que cualquiera tiene acceso, como ChatGPT. La última versión del omnipresente agente conversacional ofrece resultados sorprendentes en la selección de acciones basándose en la opinión del mercado. Pero sus servicios llegan a miles de millones de inversores potenciales, lo que dificulta mantenerse un paso adelante. Matthias Uhl, de la UBS, establece un paralelo interesante: "Miremos el ratio P/E (Price-Earnings Ratio), que la mayoría de los inversores siguen considerando hoy en día. La utilidad de este indicador ha ido disminuyendo gradualmente en las últimas décadas, mientras que en los años 1970 y 1980 resultó ser un indicador valioso".
¿Qué nos depara el futuro? "El análisis de la opinión del mercado también cubrirá las transmisiones de video", afirma Armando Gonzalez, Director ejecutivo de RavenPack. "La idea es identificar comportamientos específicos. El siguiente paso será el análisis de voz y video de las señales de comportamiento de los directores ejecutivos y banqueros centrales", coincide Norman Schürhoff de la Universidad de Lausanne. "Se desarrollarán métodos de aprendizaje automático para comprender y explorar motivaciones individuales. Este tipo de investigación podría ayudar a hacer previsiones a largo plazo".
Comentarios