“Dicen los más visionarios que no hay de que preocuparse. La inteligencia artificial no es más que un pincel infinito, un torno mágico, la máquina de escribir más rápida de la historia, o el código de programación más eficaz. Los cautelosos imaginan un coloso similar a Matrix, que les robará el alma y el empleo”. Gohub Ventures, mayo 2023
Las herramientas de inteligencia artificial como ChatGPT tienen el potencial de revolucionar la eficiencia, efectividad y velocidad del trabajo humano en cualquier ámbito.
Tal y como alertaba en mayo el profesor de la Universidad de Virginia Pawan Jain en su articulo publicado en The Conversation, esto también es aplicable a los mercados financieros, y otros sectores como salud o manufacturero.
El profesor Jain ha estado investigando el trading algorítmico durante 14 años, y aunque la Inteligencia Artificial supone numerosos beneficios, el uso creciente de estas tecnologías en los mercados financieros no debe deslumbrarnos y eclipsar sus potenciales peligros.
Una rápida mirada a los esfuerzos históricos de Wall Street por aumentar la velocidad del trading con Inteligencia Artificial aporta importantes lecciones.
A primeros de los años 80, e impulsados por los avances tecnológicos y la innovación financiera (como por ejemplo en los derivados) los inversores institucionales comenzaron a usar ordenadores para ejecutar ordenes basadas en algoritmos y ecuaciones predefinidas, agilizando operaciones y ganando eficiencia.
Estos primeros algoritmos eran relativamente simples, y se usaron para establecer índices de arbitraje, para obtener beneficio a partir de las discrepancias entre el precio de los índices – como por ejemplo el S&P500 – y las cotizaciones de sus valores.
Conforme avanzó la tecnología, y se disponía de más datos, estos programas de trading fueron aumentando su nivel de sofisticación, con algoritmos capaces de analizar series complejas de datos y ejecutar órdenes en base a un amplio rango de factores. Estos programas siguieron creciendo y una de sus externalidades negativas fue el aumento de la volatilidad en los mercados financieros.
Eventualmente, esto supuso un crash del mercado en 1987, conocido como Black Monday. El índice DJIndustrial sufrió su peor caída de la historia, y el pánico se extendió por todo el planeta.
Como respuesta, las autoridades regulatorias han implementado medidas para restringir el uso de programas de trading, incluyendo bloqueos de órdenes ante caídas significativas en el mercado. A pesar de todas estas medidas cautelares, los programas de trading han seguido aumentando su popularidad en los años posteriores al crash. En 2002 el parque de la Bolsa de Nueva York introdujo la automatización de órdenes. Como resultado, los traders accedieron a sistemas de programación más sofisticados, el denominadoHigh-Frequency Trading (HFT).
El high frequency trading utiliza programas avanzados para analizar los datos de mercado y ejecutar órdenes a elevada velocidad. La ventaja temporal permite monetizar oportunidades de arbitraje, pudiendo materializar 64 millones de operaciones por segundo. Estas operaciones vertiginosas pueden suponer compras y ventas escalonadas de un mismo valor en nanosegundos.
Los algoritmos de Inteligencia Artificial (IA) analizan elevados volúmenes de datos, e identifican patrones y tendencias que pasarían desapercibidas a la mente humana, ayudando a tomar “mejores” decisiones a velocidad superior a la introducción manual de órdenes.
Otra importante aplicación de la IA en el HFT es el procesamiento del lenguaje natural, incorporando artículos de medios de comunicación y redes sociales. Analizando todos estos datos, los trader pueden obtener un diagnóstico sobre el sentimiento de mercado, y adaptar sus estrategias de trading.
Los traders de high frequency operan de forma diferente a los tradicionales. La mente humana es más lenta, subjetiva y olvidadiza. No somos capaces de estar analizando la información 24/7 para identificar señales de compraventa.
Como la mayoría de la tecnología, la IA beneficia a los mercados financieros. Los ordenadores son más rápidos, tienen memoria infalible, atención perfecta y capacidad ilimitada para analizar volúmenes elevados de datos, pero todavía no han podido replicar la mente humana.
Estos traders suelen comprar y vender valores a precios muy cercanos al mercado, sin aplicar comisiones muy altas. Esto ayuda a que siempre haya órdenes de compra y venta, estabilizando precios y reduciendo el potencial de grandes cambios en precios. El HFT también ayuda a reducir el impacto de las ineficiencias de mercado, mediante una identificación rápida de errores de precios.
Por ejemplo, los algoritmos pueden detectar cuando un valor esta infra o sobrevalorado, y ejecutar ordenes para beneficiarse de dicha discrepancia, ayudando a la correcta formación de precios; pero la velocidad y la eficiencia también pueden ser dañinas para el mercado
Los algoritmos reaccionan tan rápido ante los nuevos eventos y señales de mercado, que pueden ocasionar súbitas caídas y subidas de las cotizaciones, aumentando la volatilidad.
Adicionalmente, las firmas de HFT pueden usar la velocidad de su tecnología para obtener ventaja frente a otros traders, generando distorsiones en las señales del mercado. Por ejemplo, la volatilidad derivada generó el denominado flash crash en mayo de 2010, cuando los valores cayeron y se recuperaron en cuestión de minutos, suponiendo alteraciones en el valor de mercado de 1 trillón de $ americanos
Desde entonces, los mercados volátiles han supuesto la “nueva normalidad”. Investigaciones académicas realizadas en 2016 han mostrado una elevada correlación positiva entre la introducción del HFT y la volatilidad en los mercados financieros.
Otra investigación realizada en 2021 mostraba como la mayoría de los HFT usaban algoritmos similares, aumentando el riesgo de fallos de mercado, debido a la proliferación de traders, la similitud entre algoritmos, y la simultaneidad en las órdenes de compraventa.
Esto supone que todos los HFT podrían realizar operaciones de venta simultáneas, con algoritmos y señales miméticos; en ausencia de órdenes contrarias suficientes, el mercado se hundiría.
Supongamos hipotéticamente que un número elevado de traders utilizaran un mismo programa de IA (alimentado por los mismos algoritmos). Los efectos mimetizadores sobre el mercado podrían ser devastadores.
En general, el ser humano (en su toma de decisiones) ofrece diferentes resultados en función de su formación, contexto social y personalidad. Pero si todas las decisiones se toman desde un mismo programa informático, la diversificación de respuestas se reduce drásticamente.
Considerando el extremo, una situación no financiera, en la que todos dependamos de ChatGPT, Yelp o Amazon para comprar un ordenador, cada motor de búsqueda ofrecerá un rango reducido de productos, reduciendo la diversidad en los consumidores.
Como todas las decisiones de IA se basan en datos históricos, su diagnóstico genera sugerencias similares. Es como si ChatGPT sugiriera la misma marca o modelo a todo el mundo, esto supondría “conducta de manada” a un nivel que podría generar escasez en determinados productos, al tiempo que grandes alzas en sus precios.
Esto se vuelve más problemático porque los programas de IA trasladan los sesgos y las incorrecciones de sus mentes creadoras. Los algoritmos de IA pueden reforzar los sesgos de los sistemas en los que fueron entrenados, que a veces se derivan de las fuentes de datos limitadas, suponiendo errores factuales.
Además de ello, como los crashes de mercado son relativamente poco frecuentes, no se dispone de suficientes datos sobre ellos. Dado que las IA generativas dependen del entrenamiento de los datos, la falta de conocimiento sobre los crashes hace que probabilísticamente sean menos detectables a partir de series historicas.
De momento, al menos oficialmente, la mayoría de los bancos no permite incorporar ChatGPT y herramientas similares en su toma de decisiones: Citigroup, Bank of America, Goldman Sachs y otras entidades financieras han prohibido, por cautela, su uso en las salas de negociación.
Pero como las potenciales ganancias son tan elevadas que no se pueden dejar pasar, y el riesgo de que lo incorporen bancos competidores, una vez despejen sus preocupaciones, los intermediarios financieros incorporarán herramientas generativas de IA.
Sus riesgos para la economía global y los mercados financieros son elevados, así que deberemos manejarlos con cautela.
De momento, debido a sus potenciales desventajas: generación de volatilidad, efectos amplificadores, asimetrías, veracidad en la información suministrada, discrepancias entre diagnósticos generados por la misma herramienta de IA y falta de ética, hay un miedo creciente a su vertiginosa incorporación en los procesos de toma de decisión, y más de uno nos preguntamos si han llegado demasiado rápido, y como en la película del Aprendiz de Brujo, es demasiado tarde para poner puertas al campo.
Quizás por ello, a finales de marzo pasado más de 1.000 expertos firmaron un documento pidiendo una moratoria de seis meses en el desarrollo de inteligencias artificiales. El peligro de seguir avanzando sin una regulación clara, argumentaban, era demasiado grande. Ahora más de 350 ejecutivos, legisladores e investigadores han ido un paso más alá, y aseguran que la tecnología debe considerarse igual de arriesgada para la civilización que una guerra nuclear o una pandemia.
Isabel Giménez Zuriaga
Directora General
Fundación de Estudios Bursátiles y Financieros
