¿Podría Chatgpt hacernos millonarios en bolsa? Vean este estudio.

¿Llegará la inteligencia artificial a ocupar el puesto de los operadores de Wall Street? Alejandro López-Lira, profesor adjunto de finanzas de la Universidad de Florida, ha dedicado los últimos años a intentar responder a esta pregunta.

Lopez-Lira ha estado experimentando con ChatGPT, DeepSeek y Grok para ver si la IA puede utilizarse para seleccionar acciones. Hasta el momento, está impresionado con lo que los chatbots de IA disponibles actualmente pueden hacer al operar con acciones.

En una entrevista, López-Lira reconoció que la IA es propensa a errores, pero no ha visto que las tres versiones que ha estado usando cometan errores. Su trabajo surge en un momento en que cada vez más participantes del mercado reflexionan sobre las implicaciones de la IA para la inversión y el trading.

“No sé qué tareas realizan los analistas con información que no se puedan realizar con grandes modelos de lenguaje”, dijo López-Lira. “Las únicas dos excepciones son las que implican interactuar en el mundo físico o mantener conversaciones en persona. Pero, aparte de eso, imagino que todas o la mayoría de las tareas ya se pueden automatizar”.

Poco después del lanzamiento de ChatGPT por parte de OpenAI Inc. en 2022, Lopez-Lira comenzó a probar las capacidades del chatbot. Quería saber si ChatGPT, y la IA en general, tendrían la capacidad de seleccionar acciones. Si bien existen numerosas maneras de abordar esta pregunta, Lopez-Lira comenzó con un ejercicio sencillo: ¿Podría la aplicación de IA interpretar con precisión si el titular de una noticia es positivo o negativo para una acción? Lo que descubrió lo sorprendió.

Mediante una prueba retrospectiva que simulaba la rentabilidad histórica del mercado bursátil, el estudio utilizó más de 134.000 titulares de comunicados de prensa y artículos de noticias de más de 4.000 empresas, extraídos de proveedores de datos externos. Los titulares se incorporaron a ChatGPT mediante el lenguaje de programación Python. ChatGPT determinó si un titular era positivo, negativo o desconocido para una empresa. Los resultados se guardaron en un archivo de datos y se cargaron en un software estadístico, donde los titulares percibidos como positivos inducían a la compra de acciones. Los titulares negativos desencadenaban ventas en corto, apostando contra una acción anticipando una caída de precio. Si ChatGPT tenía dudas, no se tomaba ninguna medida.

Dado que se trataba de una simulación académica, no se negociaron acciones reales. Sin embargo, el software comparó el rendimiento simulado con los resultados históricos. La selección de acciones se realizó diariamente, con una mediana de 70 acciones compradas y una mediana de 20 vendidas en corto.

Para Lopez-Lira, la dificultad de usar un enfoque de backtesting era que la IA podía saber qué había sucedido finalmente. OpenAI había entrenado a ChatGPT en 2022 con datos hasta septiembre de 2021. Por lo tanto, Lopez-Lira probó el chatbot con titulares posteriores a octubre de 2021. De esta manera, ChatGPT no sabría qué iba a pasar y tendría que basarse en la razón para llegar a conclusiones.

Sus hallazgos se publicaron en la plataforma de preimpresión SSRN en abril de 2023 en un artículo titulado "¿Puede ChatGPT predecir los movimientos del precio de las acciones? Predictibilidad de la rentabilidad y modelos lingüísticos de gran tamaño". El estudio, actualmente en revisión por pares, concluyó que ChatGPT tenía un poder predictivo significativo para los resultados económicos en los mercados de activos. La versión GPT-4 tuvo una rentabilidad diaria promedio del 0,38 % con una rentabilidad acumulada compuesta superior al 650 % entre octubre de 2021 y diciembre de 2023.

Ahora bien, obviamente, este estudio académico tuvo limitaciones. En el mundo real, existen fricciones que podrían afectar la rentabilidad, incluyendo los costos y comisiones de las transacciones de corretaje; la disponibilidad de acciones; los impuestos; y el impacto en el precio, que se produce cuando operaciones relativamente grandes modifican el precio de una acción. Además, alrededor del 76 % de las ganancias provinieron de posiciones cortas, una estrategia de trading que puede ser más problemática debido a las comisiones por intereses a corto plazo y a la necesidad de encontrar acciones para tomar prestadas y venderlas en corto.

“Por lo tanto, nuestros resultados en teoría son mucho más optimistas que el rendimiento real con una inversión de tamaño razonable”, afirmó López-Lira. Sin embargo, la tendencia hacia rendimientos positivos le bastó para concluir que ChatGPT había comprendido los mercados económicos y demostrado capacidad para pronosticar los resultados de las acciones.