La Evolución del Comercio Financiero: De los Algoritmos a la IA

En las últimas décadas, el trading automatizado ha avanzado significativamente, y la llegada de la IA está lista para inaugurar otra era de disrupción digital en los mercados financieros. Los bancos de inversión y los traders han abrazado constantemente los avances tecnológicos, y la IA no será una excepción. Sin embargo, si bien la IA tiene el potencial de crear ganadores, también puede llevar a numerosos perdedores, atrayendo la atención del público con su impacto espectacular.

Algoritmos: Los Bloques de Construcción de la IA

Los algoritmos se han vuelto omnipresentes en nuestro mundo impulsado por la tecnología, aunque su significado preciso a menudo sigue siendo elusivo. En términos simples, los algoritmos son conjuntos de reglas que guían la ejecución de tareas. Desempeñan un papel vital en la configuración de nuestro panorama digital, desde resolver problemas matemáticos básicos hasta impulsar sistemas complejos de aprendizaje automático. Los algoritmos se utilizan en diversos ámbitos, como la publicidad personalizada en plataformas como Netflix, donde emparejan a los usuarios con contenido relevante según los datos. Incluso las aplicaciones de citas en línea aprovechan algoritmos para conectar a las personas en función de sus preferencias y compatibilidad. En los mercados financieros, el trading algorítmico ha ganado popularidad como un término que se refiere a los traders que utilizan computadoras y reglas predefinidas para ejecutar operaciones.

El auge del comercio algorítmico

Los años noventa marcaron un punto de inflexión crucial para la inversión basada en la tecnología. La desregulación global y los avances en la potencia informática abrieron nuevas posibilidades. Un ejemplo destacado durante este período fue la gestión de capital a largo plazo (LTCM). Fundada por John Meriwether, un ex empleado de Solomon Brothers, LTCM atrajo fondos sustanciales y reunió a un equipo de mentes brillantes, incluyendo doctores y premios Nobel. Equipado con sofisticados algoritmos, el fondo buscó explotar las correlaciones entre los activos financieros y asegurar ganancias libres de riesgo.

Comprensión de la correlación en finanzas

La correlación es un concepto fundamental en finanzas, que representa la relación entre diferentes activos. Por ejemplo, las acciones de las compañías petroleras tienden a moverse en tándem con los precios del petróleo. Al reconocer y capitalizar estas correlaciones, LTCM identificó oportunidades de inversión. El fondo empleó computadoras para analizar grandes cantidades de datos históricos e identificar pares de activos con correlaciones esperadas, como los bonos del Tesoro de Estados Unidos con fechas de vencimiento ligeramente diferentes. Este enfoque permitió a LTCM beneficiarse de pequeñas discrepancias de precios. A pesar de la naturaleza aparentemente insignificante de estas discrepancias, LTCM creía que a través de operaciones a gran escala financiadas por deuda sustancial, podían garantizar beneficios basados en modelos estadísticos. Su enfoque resultó ser muy exitoso, con LTCM generando rendimientos impresionantes que eclipsaron los promedios del mercado.

Limitaciones de las Computadoras Tradicionales

Si bien los algoritmos de LTCM se destacaron en capturar correlaciones e identificar oportunidades de ganancias, fallaron al tener en cuenta eventos raros o "riesgos extremos" en las finanzas. Estos eventos, que son difíciles de predecir, históricamente superaron la capacidad computacional de las computadoras tradicionales. Aunque las computadoras de la época eran más eficientes que los humanos para ejecutar tareas y algoritmos, les resulta difícil exhibir algo parecido a una verdadera inteligencia. Las máquinas de LTCM no fueron una excepción. Si bien implementaron perfectamente reglas de trading y algoritmos, carecían de la capacidad para adaptarse a circunstancias imprevistas.

La caída de LTCM

En 1998, el incumplimiento de sus deudas internas por parte del gobierno ruso provocó una crisis de bonos que causó importantes perturbaciones en los mercados financieros. LTCM operaba bajo el supuesto de que si los bonos rusos perdieran valor, el rublo seguiría su ejemplo, ya que los eventos estaban correlacionados. Al cubrir sus pérdidas en los bonos a través de la venta de rublos, LTCM creía que tenía una inversión libre de riesgo. Si los bonos rusos tuvieran un buen comportamiento, LTCM obtendría beneficios, dadas las tasas de interés más altas que ofrecían en comparación con los bonos estadounidenses. Sin embargo, si los bonos rusos fallaban, lo que significa un impago de la deuda pública, el valor del rublo se desplomaría. LTCM había firmado contratos con bancos rusos, que habían acordado comprar rublos del fondo a una tasa predeterminada si el fondo lo exigía. En sus cálculos, LTCM garantizaba un beneficio independientemente del resultado.

• LTCM compró bonos rusos de alta rentabilidad. Si todo fuera según lo planeado, el fondo recibiría un rendimiento significativamente mayor que si comprara bonos estadounidenses.

• Si algo saliera mal, por ejemplo, si el gobierno incumplía, LTCM perdería dinero en los bonos. Sin embargo, cubrieron sus apuestas al firmar un contrato para vender rublos (que estaban correlacionados con el rendimiento de los bonos) a una tasa predeterminada a un banco ruso nacional, en teoría asegurando que LTCM no podía perder.

Desafortunadamente, el mundo real no se ajustó al modelo estadístico de LTCM. Cuando el gobierno ruso incumplió su deuda interna, como se esperaba, se desató una crisis de bonos. Sin embargo, LTCM se enfrentó a un problema. El banco que se había comprometido a comprar sus rublos había quebrado debido a la crisis, dejando al fondo de cobertura sin otra opción que aceptar pérdidas sustanciales.

Si bien un inversionista humano podría haber comprendido intuitivamente la conexión entre el incumplimiento del gobierno, una crisis monetaria y la vulnerabilidad de los bancos nacionales, nunca había ocurrido antes y no estaba presente en el modelo matemático. Las máquinas permanecieron ajenas a la conexión vital entre el evento del mundo real de los bancos rusos colapsando y las operaciones supuestamente infalibles de LTCM. Las máquinas continuaron operando de manera agresiva a pesar de las crecientes pérdidas, sin darse cuenta de que el fondo no podría vender los rublos al precio esperado.

Los límites de los algoritmos tradicionales

Los algoritmos de LTCM, basados en ciertas suposiciones, resultaron insuficientes ante eventos imprevistos. A pesar de la disparidad entre los resultados previstos y observados, los algoritmos de LTCM continuaron operando como de costumbre, sin darse cuenta del cambio de paradigma en curso. En consecuencia, el fondo sufrió pérdidas catastróficas, lo que finalmente requirió un rescate de la Reserva Federal de Nueva York. La caída de LTCM sirve como una advertencia para los comerciantes, subrayando las limitaciones de adaptar los algoritmos tradicionales a escenarios complejos del mundo real.

La promesa de la inteligencia artificial

La Inteligencia Artificial, a diferencia de los algoritmos tradicionales, ofrece una nueva dimensión al trading. Mientras que los algoritmos tradicionales se adhieren a reglas predefinidas, la aparición del aprendizaje automático introduce un concepto revolucionario. Lo que distingue a la IA es su capacidad para generar abstracciones y comprender patrones complejos. Si bien las máquinas pueden carecer de inteligencia según cualquier medida humana, poseen la capacidad de adaptarse y aprender a partir de los datos, lo que conduce a procesos de toma de decisiones más dinámicos.

¿Podría la IA haber evitado la implosión de LTCM?

La respuesta es un rotundo “sí”. Las máquinas alimentadas por las tecnologías actuales de IA probablemente habrían impedido la desaparición de LTCM. La Inteligencia Artificial de hoy está lo suficientemente avanzada como para darse cuenta de los riesgos asociados con la quiebra de un banco y comprender las ramificaciones más amplias de la cesación de pagos del gobierno que impide que LTCM cubra sus pérdidas. Sin embargo, esto no implica que las herramientas de trading actuales o futuras impulsadas por la IA sean inmunes a los errores. Por el contrario, los errores están obligados a ocurrir. Sin embargo, los factores que llevaron a la caída de LTCM estaban profundamente arraigados en el software de los años noventa, y la IA está progresando constantemente para abordar y superar estas limitaciones. La próxima implosión financiera, cuando ocurra, probablemente diferirá significativamente de las anteriores.

AI: Del comercio basado en reglas al comercio basado en resultados

El comercio algorítmico tradicional se basaba en la aplicación de reglas, mientras que la inteligencia artificial se guía por la definición de resultados. IA moderna permite a las máquinas determinar el camino más efectivo para lograr objetivos específicos, como maximizar las ganancias. Incluso los sistemas de IA relativamente básicos poseen la capacidad de identificar fallas en los modelos, corregir el curso o detener completamente el comercio cuando sea necesario.

Conclusión: El futuro del trading con IA

Mirando hacia el futuro, anticipamos una fiebre del oro en el trading con IA, con la década de 2020 paralela a la era del trading algorítmico de la década de 1990. No podemos saber con certeza cuál será el impacto de la IA en el comercio financiero, solo sabemos que habrá uno. Es bastante probable que surja un fondo de cobertura impulsado por IA, armado con experiencia financiera y destreza computacional, capaz de operar de forma independiente. Este fondo capturará hábilmente oportunidades antes de los proverbiales cambios en el mercado, al igual que LTCM lo hizo. Sin embargo, con el tiempo, la dinámica cambiante del panorama financiero los alcanzará y hasta los sistemas de IA más avanzados enfrentarán nuevos desafíos. Este tipo de comercio de arbitraje a menudo se conoce como "recoger monedas frente a una excavadora".