Un momento...
Los robots que controlan el futuro de las finanzas
ETHIC
/ Los robots que controlan el futuro de las finanzas
En el verano de 1964, Isaac Asimov se preguntaba en un artículo para The New York Times: «¿Cómo será la vida, digamos, en el año 2014? No lo sé, pero puedo adivinarlo». Las comunicaciones, predecía el reconocido escritor de ciencia ficción, se basarán en la visión y el sonido, y se podrá ver y oír a la persona a la que se llama: «La pantalla podrá usarse no solo para ver a las personas con las que se habla, sino también para examinar documentos y fotografías, y leer pasajes de libro». Mientras veía con claridad algunas cosas, en otros aspectos ponía demasiada expectativa. Aseguró, por ejemplo, que los coches circularían por el aire y se construirían ciudades enteras bajo el agua. Pero a lo que sí atinó fue a que la humanidad se iba a convertir, en gran medida, en una «raza de cuidadores de máquinas». Hoy, seis décadas después, esa imagen ha dejado de ser una mera especulación literaria para abrirse paso en los entornos más sofisticados de la economía global: los mercados financieros.
Amadeo Alentorn, responsable de Renta Variable Sistemática de Jupiter AM, una empresa de gestión de fondos de inversión, lo confirma: «Nuestros modelos sistemáticos toman decisiones a diario sobre qué acciones comprar o vender. No obstante, siempre contamos con una sólida red de seguridad humana: un miembro del equipo supervisa los modelos para garantizar que las decisiones tengan sentido». La firma lleva más de 20 años utilizando estas herramientas para gestionar una amplia gama de estrategias que van desde la selección de acciones hasta la construcción de carteras y la gestión del riesgo. «Los recientes avances en inteligencia artificial y en modelos de lenguaje han permitido incorporar nuevos conjuntos de datos a nuestros modelos, complementando los datos fundamentales tradicionales», explica Alentorn.
Por su parte, Heloise Greeff, inversora destacada de eToro, afirma que, aunque utiliza sistemas de IA y algoritmos de gestión de riesgos para el reconocimiento de patrones y la previsión de tendencias, estas herramientas nunca reemplazan sus decisiones de inversión. «Estos sistemas pueden procesar grandes conjuntos de datos mucho más rápido que cualquier humano, lo que convierte la velocidad en una ventaja. Sin embargo, las decisiones finales siguen siendo mías… Por lo tanto, la IA tiene poder analítico, pero yo conservo el poder», asegura la experta.
Una transformación silenciosa
Desde la década de los 80, la operativa bursátil ha experimentado una transformación silenciosa pero profunda: los algoritmos han tomado el control de gran parte de los procesos. La participación de sistemas automatizados de alta frecuencia (dirigidos por robots financieros) no ha dejado de crecer y se estima que actualmente representan entre el 60% y el 80% de todas las operaciones que se ejecutan en los mercados, indica Carlos Contreras, miembro del Consejo Asesor Conjunto del Instituto de Analistas/Fundación de Estudios Financieros y autor de El impacto de la inteligencia artificial en la industria financiera.
Ganan terreno las técnicas como el arbitraje estadístico (aprovechar diferencias mínimas de precio entre activos), el market making algorítmico (ofrecer de forma automatizada precios de compra y venta para generar liquidez) y el momentum trading (seguir tendencias de mercado a alta velocidad), explica Contreras. «Con la adopción masiva de algoritmos de inteligencia artificial es probable que en poco tiempo más del 90% de la contratación derivada del trading se realice mediante órdenes lanzadas por algoritmos de IA, con o sin participación de humanos», asegura el especialista.
Las nuevas tecnologías ofrecen una nueva forma de hacer dinero en los mercados. «Han revolucionado las finanzas al aportar velocidad, eficiencia operativa y reducción de costes», subraya José Lope Alba, director del Curso Finanzas Cuantitativas en el Instituto de Estudios Bursátiles (IEB). Estos beneficios, sin embargo, vienen acompañados de riesgos significativos. «Entre ellos, la opacidad de los algoritmos, la posibilidad de errores sistémicos y el riesgo del efecto dominó, donde una falla técnica o una señal errónea pueden desatar ventas masivas en milisegundos», agrega Lope Alba, que también es Head of Quantitative Analysis de W2M y Quantitative Sr Manager en Intermoney Consulting.
«Algunos modelos actúan como cajas negras y ni siquiera sus creadores pueden explicar completamente todos los resultados», abunda Greeff, de eToro. Uno de los riesgos que ve esta especialista está en la calidad de la información con la que se nutren estos sistemas: «Si entra basura, sale basura. Si los datos de entrenamiento son erróneos, las predicciones también lo serán». Además, hay un riesgo de concentración de poder que puede generar asimetrías que afecten la equidad del mercado desde el punto de vista tecnológico.
«Desplome relámpago»
Los algoritmos automatizados de negociación —dice el Fondo Monetario Internacional en su último informe sobre la estabilidad financiera— han permitido a los mercados moverse más rápido y de forma más eficiente, pero también han contribuido a episodios de «desplome relámpago». En estos momentos, afirma el organismo internacional, los precios de mercado han oscilado de forma incontrolada en periodos de tiempo muy cortos —como en mayo de 2010, cuando las acciones estadounidenses se derrumbaron solo para recuperarse minutos después, fenómeno conocido como flash crash, que puso en evidencia el trading de alta frecuencia y la automatización—. «Se teme que puedan desestabilizar los mercados en épocas de fuerte tensión e incertidumbre», advierte el FMI.
En momentos de tensión, muchos sistemas reaccionan en la misma dirección, lo cual puede provocar una reducción severa de la liquidez y desplomes más violentos, asegura Pablo Gil, economista y formador en mercados financieros. «Ofrecen más eficiencia, sí; pero también más fragilidad en ciertos escenarios», reconoce. Para Gil, entre los riesgos destacan la falta de transparencia (cajas negras difíciles de auditar), la posibilidad de generar reacciones en cadena ante señales falsas y una dependencia excesiva de los datos históricos. «Del mismo modo que existe el efecto fomo [fear of missing out o miedo a perderse algo], entre los inversores humanos también puede producirse un efecto rebaño si muchos usan estrategias similares», comenta.
Tras eventos como el flash crash de 2010, dice Contreras, los reguladores comenzaron a prestar más atención al impacto que los algoritmos podían tener en la estabilidad de los mercados financieros. «Se intensificó la regulación con la implementación de reglas de circuit breakers [interruptores automáticos], la exigencia de mayor transparencia en la ejecución de órdenes y un mayor control por parte de los organismos supervisores de los mercados de valores».
Respecto a la regulación, Contreras afirma que Europa ha sido pionera a nivel mundial en la regulación de la inteligencia artificial con la AI Act, aprobada en 2024. Esta norma establece un enfoque basado en riesgos y, en el caso de los sectores financieros, impone requisitos más estrictos para sistemas de alto riesgo, como los que afectan a decisiones crediticias, gestión de riesgos o prevención de fraude. «Sin embargo, cualquier norma va a ir siempre por detrás de las innovaciones del mercado, y no puede mitigar completamente los riesgos asociados a los desarrollos de la IA», advierte. Por otra parte, una normativa excesiva, aunque venga inspirada por objetivos de protección, corre el riesgo de frenar el ritmo de innovación y desarrollo tecnológico, lo que podría traducirse en una menor productividad general y, por ende, en una disminución del nivel de vida de los ciudadanos. Por eso, concluye que «limitar aún más el avance de la IA podría resultar contraproducente».