¿Es posible desterrar las emociones humanas del proceso de inversión? Chida Khatua así lo cree, y para ello prescindió del propio humano. Khatua es director ejecutivo de EquBot, una compañía de San Francisco que ha desarrollado un sistema de inteligencia artificial (IA) para invertir en la bolsa.
En octubre, un día antes del lanzamiento de un fondo cotizado que utiliza las recomendaciones de EquBot, su equipo revisaba las acciones que la computadora quería comprar. Un nombre afloró: Brookdale Senior Living Inc., que opera comunidades de jubilados y residencias geriátricas. En ese momento los incendios forestales consumían parte de California, donde hay varios centros de Brookdale.
Khatua pensó que el programa se equivocaba, ¿comprar participaciones en una empresa envuelta en un desastre natural? Pero tras reevaluar la idea, no fue difícil inferir lo que la computadora "pensaba". Las noticias y los comunicados de prensa, datos de los que también se alimenta el sistema, mostraron la manera en que Brookdale respondía a la amenaza. "Descubrimos esas residencias para adultos mayores, con instalaciones muy buenas" que podían proporcionar viviendas de respaldo, dice Khatua, exingeniero de Intel Corp. El fondo cotizado compró las acciones y ganó con la operación. La revisión de noticias puede no ser común en un analista humano, pero para una computadora son datos combinables para hacer predicciones estadísticas.
Eso es lo más complicado acerca de la inteligencia artificial y la inversión: si la IA tiene una ventaja, es porque arma información de forma en que los humanos no lo harían. Pero cuando las personas confían su dinero en un fondo, les gusta entender cómo el gestor (o la computadora) toma las decisiones. ¿Un programa lee sobre incendios forestales y compra una acción tras decidir que la gerencia de la compañía saldrá muy bien parada en una crisis? Hablar así hace que algunos puristas de la IA se enojen. "Es muy importante separar la realidad del marketing que lo rodea", dice Andrew Dyson, CEO de QMA, una firma de inversión que usa técnicas cuantitativas y big data.
El fondo cotizado para el cual EquBot hace recomendaciones es el AI Powered Equity ETF, fue lanzado en octubre y ya tiene 136 millones de dólares en activos, lo que lo convierte en uno de los debuts más exitosos de 2017 en esa arena. Apoyado en la musculatura informática de la plataforma Watson de IBM, el sistema de EquBot analiza cada día más de seis mil empresas de EU que cotizan en bolsa. Peina millones de presentaciones regulatorias, noticias, perfiles gerenciales, indicadores de confianza, modelos financieros, valoraciones y datos del mercado. Luego elige cerca de 30 a 70 acciones para el fondo, que es dirigido por ETF Managers Group LLC. No es el primer fondo cotizado que usa la inteligencia artificial, pero sus partidarios dicen que es un pionero en el uso de la tecnología para analizar múltiples componentes de una inversión para construir una cartera. "Es como emplear un ejército de analistas de acciones", dice Khatua.
Desde su debut superó al S&P 500 en doce semanas y en trece se quedó atrás. Un análisis de Bloomberg muestra que después de tropezar en sus comienzos por sus apuestas en compañías más pequeñas y volátiles, el fondo cotizado se recuperó comprando acciones bancarias. Su retorno total de 1.9 por ciento está apenas por debajo del 2.5 por ciento del S&P 500. Ha tenido una rentabilidad media, pero ese récord es demasiado breve para ser significativo. A más largo plazo, la suerte y el comportamiento del mercado son las principales influencias en el rendimiento de una cartera diversificada, señala James White, CEO del asesor de inversiones Elm Partners Management. Pasaría mucho tiempo antes de que alguien pueda decir si EquBot está seleccionando acciones con más habilidad, dice White.
El director operativo y cofundador de EquBot, Art Amador, dicen que confía en la IA para tomar decisiones. "Por método, no queremos intervenir, no queremos crear ningún sesgo", señala Amador, quien conoció a Khatua cuando eran estudiantes en la Universidad de California en Berkeley.
Cualquier sistema de IA puede tomar decisiones de inversión que parezcan desconcertantes, dice Zachary Lipton, profesor en la Universidad Carnegie Mellon. En el sentido más estricto, un modelo "no opera según las reglas lógicas. El modelo simplemente arroja correlaciones estadísticas", explica. "No te está dando lógica, no existe en realidad una cadena de razonamiento lógico y coherente que te diga cómo invertir en el mercado de valores. Si la hubiera, no necesitarías el modelo".
Con todo, Amador y Khatua dicen que los resultados del robot se someten a controles adicionales. Uno es asegurarse de que los datos bajo revisión son sólidos (es decir, que la computadora no revise un sitio web que recientemente cambió su formato, lo que podría hacer que la computadora lo lea mal). El otro es lo que llaman una "prueba de sensatez" para ver si las elecciones tienen sentido. "Nuestra filosofía central es que no queremos crear una caja negra para IA", dice Khatua. Su objetivo es tener un sistema que opere "de la manera en que un buen inversor podría pensar", afirma. El sistema EquBot también está diseñado para aprender sobre la marcha.
Tammer Kamel, CEO de Quandl Inc., entiende el proceso que hizo que el sistema de EquBot detectara una oportunidad al centro de los incendios en California. "Es clásica IA", dice. Pero preocuparse demasiado por el "razonamiento" de un programa puede ser problemático. "Mientras insistas en comprobar la sensatez de los resultados de tu IA, entonces nunca será más inteligente que los humanos", advierte Kamel. "En las primeras etapas, quieres ver si esta cosa está mal programada o tiene errores, pero tarde o temprano, tendrás que soltar las riendas y confiar en la tecnología".