La inteligencia artificial puede ayudar a invertir, pero no debe decidir por el inversor
Puntos clave
- Vasant Dhar, pionero de la inversión cuantitativa, considera que la IA puede ayudar al inversor, pero no debe sustituir su criterio.
- Los modelos pueden ofrecer respuestas distintas según cómo se formule la pregunta y deben estar apoyados en datos contrastados.
- La adopción masiva de las mismas herramientas podría aumentar el comportamiento gregario y el riesgo sistémico.
El pionero que llevó la inteligencia artificial a Wall Street no confiaría su dinero a ChatGPT
Vasant Dhar lleva utilizando inteligencia artificial en los mercados financieros desde mucho antes de que esta tecnología se popularizara. En 1994 abandonó temporalmente el mundo académico para aplicar modelos de aprendizaje automático en Wall Street y posteriormente fundó SCT Capital, uno de los primeros fondos de inversión gestionados íntegramente mediante sistemas cuantitativos.
Más de tres décadas después, sus algoritmos continúan operando diariamente. Sin embargo, Dhar no entregaría sus decisiones de inversión a un chatbot sin haber probado previamente la fiabilidad y consistencia del sistema.
El profesor de la Stern School of Business y del Center for Data Science de la Universidad de Nueva York considera que los grandes modelos de lenguaje pueden convertirse en colaboradores útiles para analizar escenarios de largo plazo, pero advierte de que sus respuestas cambian según la forma de plantear la consulta.
La inteligencia artificial puede acelerar el análisis, pero no elimina la necesidad de verificar los datos, cuestionar las hipótesis e interpretar los resultados.
Un chatbot no es un sistema de inversión
Dhar distingue entre la inversión a corto y a largo plazo. En su opinión, los particulares deberían evitar la negociación frecuente si no cuentan con un método sistemático, ya que el exceso de operaciones suele deteriorar rápidamente los resultados.
En horizontes largos, la inteligencia artificial sí puede ayudar a comparar compañías, construir escenarios y evaluar incertidumbres. No obstante, confiar ciegamente en una recomendación generada por un chatbot supone un error.
El propio inversor comprobó que, al preguntar en distintos momentos por Nvidia, BYD o el S&P 500, podía recibir respuestas diferentes. Esa variabilidad demuestra que las conclusiones dependen de cómo se redacte la pregunta y de las hipótesis incluidas.
Dhar afirma que nunca compraría una acción únicamente porque una herramienta de IA se lo recomendara. Antes exigiría comprobar la credibilidad del modelo, probar sus resultados históricos y analizar cuánto varían sus conclusiones cuando se modifica la tesis de partida.
Un modelo capaz de valorar todo el S&P 500
Uno de sus proyectos más recientes es el denominado Damodaran Bot, o DBOT, inspirado en el método de valoración del profesor Aswath Damodaran.
El sistema calcula el valor de una compañía mediante un modelo de descuento de flujos de caja basado en cuatro variables: crecimiento de los ingresos, margen operativo, coste medio ponderado del capital y eficiencia de la reinversión.
Su principal ventaja es la velocidad. Mientras un analista humano puede elaborar unas pocas valoraciones mensuales, el modelo puede aplicar el mismo proceso a todas las compañías del S&P 500.
Esto no significa que el resultado deba aceptarse automáticamente. El valor de la herramienta consiste en hacer explícitas las hipótesis y permitir que el inversor decida si son razonables.
La IA fue más pesimista que el experto al valorar SpaceX
El caso de SpaceX ilustra las diferencias que pueden surgir entre un modelo y el inversor cuya metodología intenta replicar.
Tras la salida a bolsa de la compañía con una valoración de 1,77 billones de dólares, Damodaran estimó un valor aproximado de 1,2 billones. El DBOT fue considerablemente más conservador y situó la valoración cerca de 600.000 millones de dólares.
El modelo analizó por separado el negocio de lanzamientos espaciales, Starlink y la actividad de inteligencia artificial vinculada a xAI. Su conclusión fue que existía demasiada incertidumbre en este último segmento, que requiere fuertes inversiones sin una rentabilidad todavía clara.
La herramienta cuestionó algunas de las hipótesis proporcionadas por la propia empresa y penalizó con mayor intensidad los riesgos de ejecución y las necesidades de capital.
El peligro de que todos utilicen el mismo modelo
Dhar también advierte de un riesgo más amplio. Si la mayoría de los inversores empleara la misma inteligencia artificial y actuara siguiendo señales similares, podría aumentar el comportamiento gregario de los mercados.
Una recomendación equivocada o un cambio inesperado en las condiciones financieras provocaría movimientos simultáneos de compra o venta, amplificando la volatilidad y los posibles episodios de inestabilidad.
En ese escenario, la propia inteligencia artificial podría terminar convirtiéndose en una parte relevante del mercado. La ventaja competitiva ya no consistiría en seguir al modelo, sino en detectar cuándo sus conclusiones son erróneas.
Por el momento, Dhar considera que el sistema financiero todavía se encuentra lejos de esa situación. Sin embargo, el creciente uso de modelos automáticos en fondos, bancos y gestoras obliga a desarrollar controles, supervisión y mecanismos de gobernanza.
La conclusión del pionero de la IA financiera es clara: las máquinas permiten analizar más información y con mayor rapidez, pero el inversor sigue siendo responsable de formular las preguntas adecuadas, revisar las hipótesis y decidir cuándo confiar en los resultados.