La Carta de la Bolsa Imprimir Artí­culo

¿Puede un ordenador vencer a un inversor? Estos científicos están utilizando la astrofísica para vencer a los mercados

Viernes, 14 de Febrero de 2020 Carlos Montero

Los gestores de fondos buscan continuamente nuevas formas de obtener una ventaja sobre los demás para que sus inversores obtengan los mejores rendimientos. Hacer esto, mientras se aseguran de que no incurran en grandes gastos que se coman sus propios beneficios, es un equilibrio difícil. Esto ha hecho que muchas empresas recurran a medio novedosos. En lugar de depender de matemáticos o economistas, las firmas de fondos están acudiendo a astrofísicos. Pero los académicos cargados de doctorados no han sido contratados para analizar balances o pronosticar beneficios, sino para diseñar algoritmos que puedan comprar y vender acciones automáticamente, enviando datos a los ordenadores para que conviertan estos en decisiones de inversión.

Las empresas de fondos ahora compiten con las firmas tecnológicas más grandes del mundo para atraer a los mejores científicos, todo en un intento por reunir equipos capaces de diseñar las fórmulas más inteligentes y rápidas.

El grupo de inversión suizo Gam es una de esas firmas. Telegraph Money recibió una mirada exclusiva dentro de su piso de operaciones para comprender cómo los principales astrofísicos, especialistas en inteligencia artificial y matemáticos del mundo están diseñando estrategias de inversión autónomas.

Científicos, no analistas financieros

Para analizar un conjunto interminable de datos en la búsqueda de patrones verdaderamente predictivos, Gam necesitaba científicos, y muchos. Camilla Schelpe es solo una de los 36.

La doctora Schelpe no se ajusta al molde de un típico gestor de dinero. Se especializó en física teórica y energía oscura en la Universidad de Cambridge. 

"Mi trabajo en finanzas en realidad no es muy diferente de cuando estaba en la universidad", dijo. "Es similar en términos de resolución de problemas, y se me ocurren ideas para probarlas con los datos". Este enfoque de prueba de hipótesis vincula la cosmología y las finanzas".

Anthony Lawler, quien dirige el equipo, dijo que parte de los motivos por los que se necesitan contratar científicos es porque "son personas que pueden aceptar que el resultado final de mucho trabajo no siempre sea exitoso". Por ejemplo, durante el doctorado de Schelpe, se culminaron años de análisis de datos en un resultado no concluyente sobre una teoría sobre la gravedad.

Las matemáticas requeridas son tan complicadas que los analistas financieros tradicionales simplemente no pueden mantenerse al día.

"Enseñar a un doctorado matemático o físico teórico sobre los mercados financieros es simple. Pero enseñar a un analista financiero sobre el tipo de matemáticas que hacemos es muy difícil", dijo Lawler.

¿Se pueden resolver los mercados?

El quid de esta estrategia es la creencia de que se debe dedicar tiempo a buscar patrones ocultos en los mercados financieros en lugar de dedicar tiempo a estudiar empresas individuales o reunirse con líderes empresariales, el pilar de la mayoría del trabajo de los administradores de fondos. Si hay patrones ocultos, la búsqueda formará la base de estrategias exitosas de negociación de acciones.

Por ejemplo, los datos meteorológicos pueden contener pistas sobre los movimientos de los precios de los productos básicos que conducen al algoritmo a comprar o vender acciones mineras. Las imágenes satelitales de los aparcamientos de los centros comerciales pueden revelar secretos sobre el gasto del consumidor. Si se puede probar que hay un enlace entre dos puntos de datos, y nadie más lo sabe, entonces se puede ganar dinero moviéndose primero.

Un área en la que el equipo de Gam ha tenido éxito es usar computadoras para leer informes financieros utilizando una técnica llamada "procesamiento del lenguaje natural".

Las computadoras procesan enormes cantidades de datos escritos para evaluar si las compañías son una compra o una venta. Luego pueden tomar decisiones de trading automáticas sin interferencia humana. Pueden comprar empresas con la expectativa de un aumento en el precio de las acciones y vender aquellas que probablemente se vean presionadas, mucho antes de que otros inversores puedan adoptar estas decisiones en masa. Esto es mucho más eficiente que emplear humanos para leer informes financieros.

Extraordinariamente, con tanta potencia cerebral en el equipo, normalmente no pueden encontrar patrones que funcionen y se mantengan con el tiempo. Incluso cuando encuentran algo que se convierte en una estrategia de trading, solo genera dinero un poco más del 50% del tiempo.

Sin embargo, esto es suficiente, similar al casino que gana a largo plazo en una mesa de ruleta.

Pero el rendimiento ha decepcionado

Gam tiene dos fondos disponibles para los inversores. El fondo Gam Systematic Alternative Risk Premia está disponible a través del supermercado de fondos AJ Bell. Tiene 2 mil millones de libras en activos y cobra una comisión del 0,71 por ciento.

El Gam Systematic Core Macro de 1.200 millones de libras está disponible a través de la tienda rival Hargreaves Lansdown y cobra una comisión del 0,70 por ciento. Estos fondos tienen un enfoque de "invertir en cualquier cosa" e invierten en una amplia gama de mercados, pero todas las decisiones de trading se toman mediante algoritmos.

Sin embargo, como muestra el gráfico, los rendimientos han sido bajos en comparación con los mercados bursátiles mundiales.

El rendimiento relativo no es necesariamente todo. Estos fondos son "diversificadores" y su decisión rápida está diseñada para tener una baja correlación con otros mercados bursátiles. Deben ofrecer un rendimiento positivo en todas las condiciones del mercado, patrones de compra y venta, independientemente de lo que otros estén haciendo.

Los patrones que el equipo de Gam está tratando de encontrar a menudo se forman a partir de la irracionalidad de los demás: comprar alto y vender bajo que permite que las máquinas se beneficien. Los inversores siempre tienen la opción, sin embargo, de comprar los algoritmos que buscan explotar su propio comportamiento o cambiar su comportamiento para mejorar sus propios rendimientos.

El jefe de investigación, Dr. Frédéric Desobry, dijo que una gran parte del proceso es pensar lateralmente y encontrar soluciones simples e incluso "hermosas" para complicados acertijos.

Este podría ser el futuro de la selección de acciones, pero los inversores podrían ganar al adelantarse a los mercados.

[Volver]