Una de las tantas tensiones Hombre-Máquina

Pedro Luis Martín Olivares – ¿Quiénes son los primeros en adoptar las nuevas tecnologías? Las cosas de última generación tienden a ser muy caras, lo que significa que la respuesta suele ser la de los extremadamente ricos. Los primeros usuarios también tienden a verse incentivados por la competencia feroz a mirar más allá del status quo.

Como tal, puede que no haya ningún grupo con más probabilidades de adoptar nuevas herramientas que la industria de los fondos de cobertura, súper rica e hipercompetitiva.

Esta regla parece ser válida para la inteligencia artificial (IA) y el aprendizaje automático, que fueron empleados por primera vez por los fondos de cobertura hace décadas, mucho antes del reciente revuelo. Primero vinieron los “Quants”, o inversores cuantitativos, que utilizan datos y algoritmos para seleccionar acciones y hacer apuestas a corto plazo sobre qué activos subirán y bajarán. Two Sigma, un fondo cuantitativo de Nueva York, ha estado experimentando con estas técnicas desde su fundación en 2001. Man Group, una empresa británica con una gran división cuantitativa, lanzó su primer fondo de aprendizaje automático en 2014. Aqr Capital Management, de Greenwich , Connecticut, comenzó a utilizar la IA aproximadamente al mismo tiempo. Luego vino el resto de la industria. La experiencia de los fondos de cobertura demuestra la capacidad de la IA para revolucionar los negocios, pero también muestra que se necesita tiempo para hacerlo y que el progreso puede verse interrumpido.

Los fondos de inteligencia artificial y aprendizaje automático parecían el paso final en la marcha de los robots. Los fondos indexados baratos, con acciones seleccionadas mediante algoritmos, ya habían aumentado de tamaño, y los activos bajo gestión eclipsaron a los de los fondos activos tradicionales en 2019. Los fondos cotizados en bolsa ofrecían una exposición barata a estrategias básicas, como la selección de acciones de crecimiento, con poca necesidad de implicación humana. El fondo insignia de Renaissance Technologies, el primer grupo cuantitativo de la historia, establecido en 1982, obtuvo rendimientos anuales promedio del 66% durante décadas. En la década de 2000, los cables rápidos dieron lugar a creadores de mercado de alta frecuencia, incluidos Citadel Securities y Virtu, que podían negociar acciones en nanosegundos. Los equipos cuantitativos más nuevos, como Aqr y Two Sigma, superaron los rendimientos de los humanos.

A finales de 2019, los algoritmos automatizados actuaban en ambas partes de las operaciones, la mayoría de las veces, los traders de alta frecuencia se enfrentaban a inversores cuantitativos, que habían automatizado sus procesos de inversión. Los algoritmos gestionaron la mayoría de los activos de los inversores en fondos indexados pasivos y todos los fondos de cobertura más grandes y exitosos utilizaron métodos cuantitativos, al menos hasta cierto punto. Los tradicionales tiraban la toalla. Philippe Jabre, un inversor estrella, culpó a los modelos computarizados que habían “reemplazado imperceptiblemente” a los actores tradicionales cuando cerró su fondo en 2018. Como resultado de toda esta automatización, el mercado de valores era más eficiente que nunca. La ejecución fue increíblemente rápida y no costó casi nada. Las personas podrían invertir ahorros por una fracción de un centavo de dólar.

El aprendizaje automático prometía frutos aún mayores. La forma en que un inversor lo describió fue que la inversión cuantitativa comenzó con una hipótesis: la del impulso, o la idea de que las acciones que han subido más rápido que el resto del índice continuarían haciéndolo. Esta hipótesis permite comparar acciones individuales con datos históricos para evaluar si su valor seguirá aumentando. Por el contrario, con el aprendizaje automático, los inversores podrían “comenzar con los datos y buscar una hipótesis”. En otras palabras, los algoritmos podrían decidir qué elegir y por qué elegirlo.

Sin embargo, el gran avance de la automatización no ha continuado sin cesar: los humanos han contraatacado. Hacia finales de 2019, todos los principales corredores minoristas, incluidos Charles Schwab, e*trade y td Ameritrade, redujeron las comisiones a cero ante la competencia de un nuevo participante, Robinhood. Unos meses más tarde, impulsado por el aburrimiento pandémico y los cheques de estímulo, el comercio minorista comenzó a dispararse. Alcanzó su punto máximo en los frenéticos primeros meses de 2021, cuando los comerciantes diarios, coordinándose en las redes sociales, acumularon acciones no apreciadas, lo que provocó que sus precios subieran en espiral. Al mismo tiempo, muchas estrategias cuantitativas parecieron estancarse. La mayoría de los fondos cuantitativos obtuvieron un rendimiento inferior al de los mercados, así como a los fondos de cobertura humanos, en 2020 y principios de 2021. Aqr cerró un puñado de fondos después de persistentes salidas de capital.

Cuando los mercados se revirtieron en 2022, muchas de estas tendencias cambiaron. La participación del comercio minorista cayó a medida que se acumularon las pérdidas. Los cuantos regresaron con venganza. El fondo de mayor duración de Aqr obtuvo un enorme rendimiento del 44%, incluso cuando los mercados perdieron un 20%.

Este zigzag y el creciente papel de los robots encierran lecciones para otras industrias. 

La primera lección es que los humanos pueden reaccionar de diferentes maneras inesperadas ante las nuevas tecnologías. La caída del costo de la ejecución comercial pareció empoderar a las máquinas inversoras, hasta que los costos llegaron a cero, momento en el que impulsó un renacimiento del comercio minorista. Incluso si la participación del comercio minorista no está en su punto máximo, sigue siendo elevada en comparación con antes de 2019. Las operaciones minoristas ahora representan un tercio de los volúmenes de negociación de acciones, excluidos los creadores de mercado. Su predominio de las opciones sobre acciones, un tipo de apuesta derivada sobre acciones, es aún mayor.

La segunda es que no todas las tecnologías hacen que los mercados sean más eficientes. Una de las explicaciones del período de bajo rendimiento de Aqr, sostiene Cliff Asness, cofundador de la empresa, es cuán extremas se volvieron las valoraciones y cuánto tiempo persistió una “burbuja en todo”. En parte, esto podría ser el resultado de la excesiva exuberancia entre los inversores minoristas. «Obtener información y obtenerla rápidamente no significa procesarla bien», considera Asness. “Tiendo a pensar que cosas como las redes sociales hacen que el mercado sea menos eficiente, no más. La gente no escucha opiniones contrarias, escucha las suyas propias, y en la política eso puede conducir a alguna locura peligrosa y en los mercados que pueden conducir a una acción del precio realmente extraña”.

La tercera es que los robots tardan en encontrar su lugar. Los fondos de aprendizaje automático existen desde hace algún tiempo y parecen superar a los competidores humanos, al menos un poco. Pero no han acumulado grandes activos, en parte porque son difíciles de vender. Después de todo, pocas personas comprenden los riesgos que implica. Quienes han dedicado sus carreras al aprendizaje automático son muy conscientes de ello. Para generar confianza, “hemos invertido mucho más en explicar a los clientes por qué creemos que las estrategias de aprendizaje automático están haciendo lo que hacen”, informa Greg Bond de Man Numeric, el brazo cuantitativo de Man Group.

Hubo un tiempo en el que todo el mundo pensaba que los cuantos lo habían descubierto. Esa no es la percepción actual. Cuando se trata del mercado de valores, al menos, la automatización no ha sido el evento en el que el ganador se lo lleva todo como muchos temen en otros lugares. Es más bien un tira y afloja entre humanos y máquinas. Y aunque las máquinas están ganando, los humanos todavía no se han dejado llevar.