En una época como la actual, con vehículos sin conductor, cirugía robótica y ordenadores capaces de vencer a jugadores de carne y hueso en juegos de gran complejidad, como el ajedrez o el Go, son muchos los que consideran que la automatización de Wall Street, la City de Londres, Fráncfort y otros centros financieros es inminente.

Se supone que la inteligencia artificial (IA) no tardará en desbancar al seleccionador de acciones al selector de acciones y al gestor de fondos, condenándolos al mismo olvido histórico que a los tejedores manuales.  Es cierto que el potencial de la IA en los servicios financieros es enorme y de ello hablaremos más adelante. Pero de momento es necesario, mal que nos pese, enfriar ligeramente las exageradas expectativas de los observadores tecnófilos.

Cuando ocurren estas llamadas de atención, estos observadores suelen irse al otro extremo y quejarse de que el sector de los servicios financieros no sepa aprovechar la IA y esté anclado en el oscurantismo tecnológico.

Se trata de un error de base respecto a la aplicación de la tecnología en los servicios financieros. El aprendizaje automático, un concepto menos sugerente que la IA, se utiliza desde hace años. Al fin y al cabo, una simple regresión lineal en una hoja de Excel es un ejemplo de aprendizaje automático, por básico que sea.

No, no estamos ante el equivalente financiero de los vehículos sin conductor. Tampoco pretende serlo. Aunque el aprendizaje automático parezca menos intrigante que la IA, es un método utilizado de manera generalizada y beneficiosa.

Es más, el aprendizaje automático avanzado puede ser un socio excelente de los gestores humanos. Puede generar predicciones y después transformarlas en estrategias. También puede elegir posiciones cortas o largas con mayor rapidez que el gestor, aunque siempre es necesaria la supervisión humana para valorar con sensatez la línea de acción propuesta.

No se debe permitir que la máquina opere sin supervisión.

Veamos a continuación un ejemplo muy explicativo. Como todos sabemos, el valor externo de la libra esterlina cayó abruptamente cuando se conoció el resultado del referéndum de Reino Unido celebrado el 23 de junio de 2016 sobre la pertenencia del país a la Unión Europea. Un programa de aprendizaje automático analizaría la gran cantidad de datos históricos a su disposición y advertiría enseguida que, cada vez que el valor de la libra esterlina cayó abruptamente en el pasado, como ocurrió en 1976, 1985 y 1992, cuando Reino Unido abandonó el mecanismo de tipos de cambio del euro, se produjo un repunte posterior.

Desde el punto de vista del aprendizaje automático, la situación actual ofrecería una clara oportunidad de compra. Por ello es necesario que un gestor humano advierta que “esta ocasión es diferente”, en la que el resultado del referéndum nos ha llevado a un terreno desconocido y que lo prudente sería no suponer la plena recuperación de la libra esterlina.

La valoración de dicho gestor estaría justificada, como es natural. Aunque la libra esterlina ya ha salido de los valores mínimos que alcanzó inmediatamente después del referéndum, en este momento, continúa muy por debajo de los niveles previos al 23 de junio.

En suma, la automatización no va a sustituir al ser humano en el corto plazo. No por ello debemos restar valor a los avances de los macrodatos (big data), que pueden perfeccionar en gran medida el aprendizaje automático y mejorar los resultados de los clientes, aunque el concepto no resulte tan evocador como el de “gestor robot”.

De hecho, cuando se utilizan los datos adecuadamente, las empresas están en condiciones de entender mejor a sus clientes y de contribuir a formarlos en los distintos estilos de operadores. Por tanto, no es de extrañar que ningún gestor haya reducido el gasto en datos en los últimos cinco años, y que la mayoría lo haya aumentado.

Por un lado, esto refleja el valor que concede la gestión de activos a estos datos. Pero también refleja la toma de conciencia por parte de los proveedores del valor de su producto, lo que ha generado un fuerte aumento de los precios.

Un reto paralelo que deben afrontar los gestores del sector es la necesidad de mejorar constantemente la formación de los integrantes de sus equipos, especialmente la capacitación tecnológica. Será cada vez más importante buscar personas con diversas aptitudes. Por ejemplo, operadores que también sean programadores.

A la hora de valorar los avances en este ámbito, las pruebas elementales siempre serán, en primer lugar, el rendimiento de una inversión que tal vez sea considerable y, en segundo lugar, el beneficio que obtienen los clientes, quienes al fin y al cabo son la razón de todo este ejercicio.

Los aspectos de ciencia ficción que ofrece la tecnología de los servicios financieros, y de otros sectores, despiertan entusiasmo. Y cuando se advierte que el gestor de fondos robótico aún no ha superado la fase de diseño, los más entusiastas se decepcionan quedan deceptionados. Sin embargo, deberían animarse al ver lo que sin duda son unos avances interesantes e innovadores en el uso de la analítica de datos, unos progresos que permiten fortalecer aún más la alianza entre los gestores humanos y las máquinas.

El objetivo del ejercicio es obtener el mejor rendimiento para los clientes, lo cual implica, por el momento, utilizar la tecnología a modo de herramienta a disposición, en última instancia, de un gestor humano.

 

Charles Ellis, Trader and Quantitative Strategist, Mediolanum Asset Management