El artículo hace un análisis de las implicaciones que tiene para los mercados financieros el uso creciente de software y algoritmos. En efecto, The Economist recuerda que hace 50 años había una tecnología muy básica en los mercados de valores: calculadoras de bolsillo, reglas de cálculo, incluso leer el periódico por la mañana o mirar las noticias en la televisión daban ventajas de información.

Sin embargo, el papel de los humanos en las bolsas de valores ha disminuido rápidamente y su lugar ha sido ocupado por computadoras, algoritmos y gestores pasivos (instituciones que ofrecen fondos indexados que contienen una canasta de activos que reflejan el retorno que ofrece el mercado), en contraste con la gestión activa, en la que los gestores intentan mejorar el rendimiento de la cartera mediante una selección de títulos en función de la información disponible públicamente (Dato crucial 1).

Para The Economist la robotización financiera abre preguntas en torno a la función de los mercados, el impacto que estos pueden tener en la economía y sobre la gobernanza en las empresas y el sector financiero.

Estados Unidos se está automatizando
El uso de la tecnología para ganar ventajas sobre los competidores no es algo nuevo. The Economist relata que desde inicios del siglo XIX los Rothschilds basaron sus decisiones de inversión en el resultado de la batalla de Waterloo y gastaron fortunas en palomas mensajeras para tener información de primera mano.

En los mercados de valores, fue en la década de 1970 cuando los gritos entre operadores fueron sustituidos por registros automáticos, lo que hizo más sencillo reunir información sobre precios y volúmenes, lo que a su vez facilitó el registro, al tener datos más precisos sobre precios.

En la administración de los portafolios, los algoritmos han sustituido a la intuición. Entre 1980 y 1990, aparecieron productos automatizados como los fondos de cobertura cuantitativa, conocidos como fondos quant, y los fondos cotizados en bolsa (ETF, por sus siglas en inglés). Los ETF más sofisticados incorporan reglas de inversión al automatizar decisiones tradicionalmente tomadas por humanos. Los fondos quant están diseñados con algoritmos para rastrear los datos del mercado, buscando valores con rasgos atractivos y elegidos por los humanos para invertir, conocidos como "factores".

No obstante, el uso de los algoritmos en la gestión de las inversiones sigue avanzando. Algunos fondos quant usan algoritmos para mejorar el análisis de datos pero la selección de las inversiones son hechas por humanos. Otros, están avanzando en la automatización al incorporar inteligencia artificial para tomar las decisiones de venta y compra de valores.

La ejecución de órdenes de compra y venta en el mercado de valores está dominada por algoritmos (Dato crucial 3).

Este debe ser el lugar
El mercado de valores estadounidense intercambia cada día cerca de 320 miles de millones de dólares (mmd). Mucho de este valor se hace en intercambios de alta frecuencia [high-frecuency trading], en el que las acciones se intercambian a grandes velocidades para capturar las ganancias fugaces. La mitad de estos tratos está en manos de los intermediarios, pero una proporción cada vez mayor de los intercambios se hacen basados en los algoritmos.

Desde hace 3 años, los fondos cuantitativos se convirtieron en la fuente más importante de comercio institucional en el mercado de valores estadounidense (Dato crucial 4).

Además, cada vez más las compras de acciones de empresas públicas están a cargo de algoritmos. Los fondos indexados, los ETF o los fondos quant se encargan de manejar cerca de 35% del valor total de las acciones en el mercado de valores estadounidense; los humanos, bajo los fondos de cobertura tradicionales y otros fondos mutuos, manejan sólo 24% (Dato crucial 5).

La mayoría de los activos también son gestionados por máquinas: de un total de 18 o 19 billones de dólares (bdd) que se contabilizan, los fondos indexados manejan casi la mitad y los fondos quant entre 10 y 15%, y sólo 40% restante es vigilado por humanos.

Los fondos de cobertura ofrecen un prisma a través del cual mirar el progreso de los algoritmos. Cuatro de los cinco hedge funds más importantes se crearon usando específicamente métodos cuantitativos. Hace una década, un cuarto de los fondos de cobertura eran manejados con métodos cuantitativos y hoy la cifra es 30%.

De acuerdo con The Economist, el resultado de estos cambios es que “el mercado de valores es extremadamente eficiente” ya que los costos han caído. Por ejemplo, los administradores pasivos cobran entre 0.03 y 0.09% de los activos que gestionan anualmente; en contraste, los administradores activos tienen costos veinte veces mayores. La implicación de la caída de los costos es que la información nueva se refleja inmediatamente en los precios.

Menores costos también significan mayor liquidez, lo que determina cuánto puede vender o comprar un trader antes de establecer el precio de una acción. Si hay mayor liquidez, la brecha entre el precio de compra y el de venta se reduce.

Al igual que en otras aplicaciones, el predominio de las máquinas continuará en el mercado financiero. Como ejemplo de los avances esperados, The Economist recuerda el avance que tuvo la inteligencia artificial en los juegos de ajedrez entre humanos y supercomputadoras. En 1997, la supercomputadora de IBM, Deep Blue, derrotó al mejor jugador de ajedrez, Garry Kasparov. Deep Blue se programó usando reglas escritas por jugadores humanos; aunque era mucho más rápida, jugaba con un estilo “humano”. Diez años más tarde, Google develó su computadora AlphaZero a la que se le dieron las reglas del ajedrez y aprendió por sí misma cómo jugar. Así, en 4 horas pudo derrotar a Stockfish, la mejor máquina de ajedrez programada con tácticas humanas.

Con este ejemplo, The Economist señala que los fondos quant pueden dividirse en dos grupos: aquellos que, como Stockfish, replican las estrategias humanas, o los que son más parecidos a AlphaZero y crean sus propias estrategias. En otros términos, antes los gestores tenían una hipótesis y la contrastaban con la información que tenían disponible. Hoy, las máquinas tienen la información y proponen una hipótesis.

El papel de los humanos en el futuro de los mercados financieros está a debate. Algunos señalan que su rol no perderá importancia pues son quienes eligen con qué información alimentar a las máquinas. Otros dicen que las máquinas pueden identificar “factores” que los humanos no, por lo que esos algoritmos ofrecerán ventajas en tanto esos factores no se incorporen en los fondos existentes. Para los críticos de la robotización, es probable que muchos de los factores encontrados por las máquinas sean espurios, pues no toman en cuenta la teoría económica. Los escépticos, señalan que una estrategia de aprendizaje para las máquinas que no tomen en cuenta la lógica humana está destinada al fracaso debido a que sólo siguen las reglas y no evolucionan.

De hecho, aunque el tipo y la cantidad de información son masivos, “la proliferación de información no significa necesariamente que la máquinas han tomado el papel central de identificar nuevos factores de inversión”. La razón es que para las aplicaciones de inteligencia artificial, los conjuntos de datos relevantes existentes son mínimos. A diferencia de las aplicaciones de reconocimiento facial o la conducción autónoma que están basadas en enormes cantidades de datos, los inversionistas buscan retornos mensuales, para lo que sólo tienen una centena de datos.

En el otro extremo están quienes ven una amenaza al sistema financiero mundial. Uno de los mayores miedos es que los algoritmos hagan demasiado volátiles los precios de las acciones, como los derrumbes financieros súbitos [flash crashes]. En 2010 y 2014, se identificaron momentos de bajadas o subidas en los precios de las acciones de más de 5% en cuestión de minutos.

El dinero nunca duerme
El artículo finaliza mencionando dos preocupaciones más. Una, que los gestores tradicionales de activos no puedan competir con los algoritmos y las máquinas. En segundo lugar, debe cuidarse que los mercados sigan cumpliendo su objetivo: hacer posible y eficiente la circulación de recursos de los inversionistas hacia las empresas, por lo que no puede dejarse que los algoritmos beneficien sólo aquellos con los impulsos más salvajes. La precisión y eficiencia debe buscarse para mejorar las condiciones para los inversionistas y las empresas.