La finanzas conductuales y el estudio de las emociones del dio el último Premio Nobel a Richard Thaler de economía y una línea de investigación sobre la economía emocional ha dado lugar a una fintech denominada “InvestMood “ que recoge los sentimientos del inversor. De todo ello hablamos con Raúl Gómez Martínez, Profesor de la Universidad Rey Juan Carlos y fundador de esta fintech.

¿Cómo y cuándo surge Investmood?

Surge en enero de 2017 y es un spin off universitario. Con el conocimiento y la  investigación de la URJ decdicimos montar esta empresa para llevar a cabo esta investigación y cuenta con el apoyo del Grupo Calidad y Tecnología que es el que nos dota de capacidad tecnológica para desarrollar los procesos y sistemas de InvestMood.

En un mundo que va cada vez más hacia RoboAdvisor que opera en sistemas sin emociones, ¿InvestMood propone que se tenga en cuenta el sentimiento de los inversores?

Sí, el trading algorítmico no es nuevo y hay muchos sistemas de trading muy eficientes que se basan todos en el análisis técnico. Nosotros proponemos un enfoque diferente utilzando el Behavioral Finance. Hay evidencias en las que se observa que en situaciones de optimismo hay mayor tolerancia al riesgo  y sería una forma de anticipar tendencias alcistas en los mercados y en épocas de miedo y pánico hay más aversión al riesgo que provocaría tendencias bajistas en los mercados. En la medida en que fuésemos capaces de medir ese optimismo y ese pesimismo, podríamos anticiparnos al mercados y plantear estrategias de inversión. ¿Cómo hemos pretendido medirlo? Un enfoque Bit Data en el que intentamos recoger con distintos indicadores –internet, RRSS, noticias en medios digitales… - toda esa información, condensarla, estructurarla y, a partir de esa información, crear modelos predictivos que nos anticipen qué van a hacer los mercados.

Consiguen tasas de aciertos del 100% y, en algunos casos, tasas anualizadas del 100%. ¿Cómo lo consiguen?

Aplicando algoritmos de inteligencia artificial. Nosotros comenzamos de una forma muy prudente, con análisis prospectivo observando que había señales que funcionaban y comenzamos a construir nuestros primeros modelos. Empezamos a ver que había ciertas relaciones entre nuestros modelos y que las predicciones que lanzaban terminaban acertando por lo que decidimos explotarlos. Nosotros tenemos varios modelos: unos que operan intradía, que se basan en algoritmos de procesamiento de lenguaje natural que miden si las comunicaciones en medios digitales son optimistas o pesimistas y eso en distintos medios son los predictores de un modelo de inteligencia artificial cuya variable es muy sencilla: subirá o bajará el mercado en la próxima sesión. Y tenemos  también modelos que son modelos continuos donde medimos la actividad de búsqueda en internet, son semanales y mensuales y lo que hacen es ponerse largos o cortos dependiendo de si en internet hay mayor actividad buscando información relacionada con contextos bajistas – crisis, recesión, ventas en cortos… - o si hay más búsquedas ligadas a tendencias más alcistas, como por ejemplo búsquedas de información sobre ETFs.

Conjugamos todo eso y son los algoritmos de inteligente artificial los que nos dan esas predicciones que, de momento, van acertando.

¿Cree que este sistema es interesante en momentos de incertidumbre y volatilidad como los que hemos visto?

Más que interesante es que son los contextos en los que mejor funcionan. En nuestra experiencia, en 2016 se comportaron muy buen porque fue muy convulso, el 2017 fue tendencia alcista en los mercados a nivel global. Estos modelos se basan en emociones, la ausencia de noticias, ausencia de emociones y de tensión y volatilidad provoca que los modelos se queden sin predictores con lo que son, sobre todo, más eficientes en contextos convulsos.