Inteligencia Artificial y aprendizaje automático por Hispatrading Magazine







 

Hoy en día estamos inmersos en una revolución tecnológica liderada por la Inteligencia Artificial (AI) que está cambiando muchos aspectos de nuestra vida cotidiana pero que también está alterando muchas profesiones. 

 

Si analizamos las características comunes en las revoluciones tecnológicas del pasado, podemos observar que en todas ellas hubo un punto de inflexión, y la sociedad que había antes era muy diferente de la que hubo después. Algunas profesiones desaparecieron o quedaron muy reducidas, y otras experimentaron un cambio importante ¿Hemos llegado ya a ese punto de inflexión? ¿Cambiará la forma de hacer trading?  

 

En este artículo responderemos a estas preguntas y veremos cómo se usa la Inteligencia Artificial para hacer trading. 

 

Andreas Kaplan y Michael Haenlein definen la inteligencia artificial como «la capacidad de un sistema para interpretar correctamente datos externos, para aprender de dichos datos y emplear esos conocimientos para lograr tareas y metas concretas a través de la adaptación flexible».


Entendiendo la IA

 

Una de las definiciones más usadas de IA afirma que cuando una máquina imita las funciones «cognitivas» que los humanos asocian con otras mentes humanas, como por ejemplo: «percibir», «razonar», «aprender» y «resolver problemas» se considera inteligente. Otra definición que es más cercana al trader y formulada por Andreas Kaplan y Michael Haenlein definen la inteligencia artificial como «la capacidad de un sistema para interpretar correctamente datos externos, para aprender de dichos datos y emplear esos conocimientos para lograr tareas y metas concretas a través de la adaptación flexible». Esto es precisamente lo que hacen todos los profesionales del trading.

 

Tipos de IA

 

Desde el punto de vista de lo que el humano puede observar, Stuart J. Russell y Peter Norvig clasificaron los sistemas que usan IA en:

 

  • Sistemas que actúan como los humanos. Realizar tareas de forma similar a como lo hacen los humanos. Por ejemplo, los robots.
  • Sistemas que piensan como los humanos. Son capaces de hacer tareas complejas como las tomas de decisiones, resolución de problemas y capacidad de aprendizaje. Por ejemplo, los sistemas de aprendizaje automático (machine learning).
  • Sistemas que actúan racionalmente. Son capaces de obtener información del entorno, pensar como un humano y actuar en consecuencia. Por ejemplo, los agentes inteligentes.
 

Para las técnicas de aprendizaje existen dos posibilidades: sistemas basados en reglas y aprendizaje automático.
 

Desde el punto de vista de cómo consiguen la destreza de pensar y desarrollar el aprendizaje, cómo funcionan por dentro, tenemos dos posibilidades: Los sistemas basados en reglas y los sistemas de aprendizaje automático.

 

Sistemas basados en reglas

 

Se programan las diferentes reglas que se pueden aplicar bajo ciertas circunstancias conocidas. El sistema tiene que decidir, cuándo se le presentan circunstancias similares, pero no iguales a las que fue programado, qué reglas aplicar. En base al resultado obtenido (acierto o error) el sistema va elaborando una estrategia (combinación de reglas) que lleve al éxito. Para programar un sistema de este tipo necesitamos un conjunto de reglas y un conjunto de hechos. Por ejemplo: Supongamos un sistema de IA para invertir en la materia prima oro. Un hecho es un dato objetivo y verificable, por ejemplo, puede ser que el precio del oro hoy está a 1225 dólares.  Las reglas son la forma de programar las tomas de decisiones al aplicar una estrategia. Una regla podría ser “Si el índice S&P500 en cierre semanal tiene una pérdida superior al 2,5%, entonces compramos oro”. Las reglas tienen que ser elaboradas por un grupo de expertos en la materia. 

 

Los sistemas basados en reglas se consideran la forma más simple de inteligencia artificial y se adaptan muy bien para desarrollar estrategias en juegos como el ajedrez o Go. Su principal inconveniente es que no pueden adaptarse a cambios en el entorno. Si el mundo real cambia entonces los programadores tienen que modificar o añadir nuevas reglas. Es conocido por todo trader que el comportamiento de los mercados cambia con frecuencia, y por tanto los sistemas basados en reglas no son los más adecuados para esta profesión. 

 

Sistemas de aprendizaje automático (machine learning)

 

Es una técnica de IA con otro enfoque, pero mejorado que ayuda a eliminar los problemas de los sistemas basados en reglas. En este caso tenemos algoritmos con capacidad de aprendizaje genérica aplicable a cualquier campo y que se entrena con los datos de un determinado problema. Es el sistema el que genera su propio mecanismo para la toma de decisiones y es capaz de aprender en base a los resultados obtenidos (acierto o error). Esta técnica se denomina “aprendizaje con refuerzo” y consiste en que el sistema aprende observando el entorno que lo rodea. Su información de entrada para aprender es la respuesta del mundo exterior como consecuencia de las acciones que ha llevado a cabo. Es decir que el sistema aprende a base de ensayo y error obteniendo recompensas o penalizaciones para poder determinar cual es la mejor estrategia. Supongamos que estamos entrenando un sistema para hacer trading sobre el futuro del DAX. El sistema puede detectar ciertos patrones de comportamiento en el precio que acaban siempre con una bajada del precio. Cuando el sistema detecta una nueva aparición de este patrón de comportamiento puede decidir que es buena oportunidad para apostar a la baja.  Si obtiene recompensa por un alto nivel de aciertos entonces mantendrá la estrategia y en caso contrario buscará y probará otra táctica. 

 

El punto fuerte del machine learning es que se puede adaptar al entorno sin tener que reprogramar. Si el mundo real cambia entonces el sistema se adapta automáticamente. Si el mercado cambia y una estrategia deja de funcionar el sistema se da cuenta rápidamente y la cambiará por otra. El sistema está constantemente analizando los datos y probando para aprender de forma continua. 

 

Podríamos pensar que realmente el trader hace esto mismo y es cierto. Pero la máquina tiene una capacidad de reacción mucho más rápida que el humano, y la capacidad de análisis de los datos para detectar patrones de comportamiento también es superior. 

 

Aplicaciones de la Inteligencia Artificial y aprendizaje automático al trading

 

Predicción de los precios de las acciones basadas en la serie histórica

 

Los sistemas de aprendizaje automático se nutren de la serie de datos histórica para predecir su precio en el futuro. Los precios de las acciones se denominan variables de destino y los algoritmos de aprendizaje aprenden a usar datos históricos mediante las variables predictoras para pronosticar las variables de destino. 

 

Big data en trading

 

Tradicionalmente el problema de la predicción de precios de las acciones se ha abordado a través del estudio exhaustivo de sus datos históricos y en ocasiones su correlación con algún mercado. Si consideramos todos los datos de todos los mercados financieros como un conjunto completo y lo analizamos conjuntamente, podemos obtener patrones de comportamiento antes nunca conocidos. Esto se denomina el “Big Data” del trading. El único inconveniente de esta aplicación es que se necesitan equipos muy potentes y personal muy cualificado para llevar a cabo este tipo de análisis.

 

Acelerar la búsqueda de estrategias de trading algorítmicas efectivas

 

Este enfoque de la aplicación de la Inteligencia Artificial al trading consiste en un planteamiento mixto donde la IA ayuda al trader a encontrar la estrategia más adecuada y eficiente según sus necesidades. En lugar de dejar al sistema total libertad para encontrar estrategias, solo explora el espacio de estrategias que le indica el trader. De esta forma existe un mayor control sobre el tipo de estrategias a diseñar y se tiene total transparencia sobre el desarrollo de la solución. Este es el enfoque que más está creciendo entre las empresas “starter” del mundo financiero.

 

Es el sistema el que genera su propio mecanismo para la toma de decisiones y es capaz de aprender en base a los resultados obtenidos.
 

Inversión en valor por fundamentales

 

La clásica estrategia de inversión que consiste en comprar y mantener acciones que tengan un precio menor a su valor intrínseco también tiene su lugar dentro de la Inteligencia Artificial. Analizando todos los datos fundamentales publicados por todas las empresas que cotizan en bolsa, los sistemas de aprendizaje automático son capaces de detectar las acciones que tienen mayor potencial de rentabilidad. El atractivo de las empresas para lo inversores en valor puede ser tanto por incremento de precio en el medio plazo como por la vía de dividendos que reparten las empresas. Este tipo de análisis es muy tedioso hacerlo manualmente y poder analizar todas las empresas que cotizan en bolsa es una tarea casi imposible sin usar la IA.

 

Si el mercado cambia y una estrategia deja de funcionar el sistema se da cuenta rápidamente y la cambiará por otra
 

Simulación de escenarios de riesgo

 

Es bien conocida por los traders la existencia de los “cisnes negros”. La teoría de los sucesos del cisne negro es una metáfora que describe un suceso totalmente inesperado para la mayoría de la población y de gran impacto socioeconómico. Una vez pasado el hecho se racionaliza por retrospección. Es decir, se piensa que realmente era de esperar que pudiese ocurrir y que fue un descuido no tenerlo en cuenta. Esta teoría fue desarrollada por el filósofo e investigador libanés Nassim Taleb. Ejemplos de “cisnes negros” son el inicio de la Primera Guerra Mundial, la gripe de 1918 o los atentados del 11 de septiembre de 2001. También se ha intentado identificar la pandemia de coronavirus de 2020 como un “cisne negro”, pero el propio Nassim Taleb lo ha rechazado al considerar que no cumple con los requisitos de su teoría.

 

La nueva aplicación de la Inteligencia Artificial que permite simular escenarios de alto riesgo permite conocer y prepararse para estas situaciones. La velocidad a la que ocurren las consecuencias de este tipo de sucesos es tan rápida que ni los sistemas computacionales más potentes son capaces de reaccionar con seguridad. Mediante la simulación de escenarios de riesgo con IA es posible diseñar estrategias y estar preparados para estas situaciones tan desfavorables en los mercados financieros.

 

Panorama actual de la IA en la industrial del trading

 

El uso de la Inteligencia Artificial no es algo nuevo ya que lleva usándose más de una década por empresas especializadas sobre todo en Estados Unidos que lidera este campo. Existe ya una cantidad de ellas bien posicionadas como por ejemplo: Trading Technologies, GreenKey Technologies, Kavout, Auquan, Epoque, Sigmoidal, EquBot, AITrading, Trade Ideas o Imperative Execution, Inc. Pero me gustaría destacar dos que fueron pioneras y tuvieron una visión clara hace décadas. La primera de ellas es “Renaissance Technologies”. Jim Simons convenció a un reducido equipo de matemáticos e ingenieros informáticos para que formaran parte de su equipo. El objetivo era diseñar la mejor estrategia para invertir en los mercados. Su gestora, Renaissance Technologies, creó el hedge fund Medallion que tenía un sistema casi infalible para ganar dinero, el sueño de cualquier inversor. La rentabilidad obtenida entre 1988 y 2019 ha sido estratosférica: un 66% de media anual. La segunda empresa es “Citadel” que con tres décadas de experiencia también ha cosechado una amplia lista de premios y atractivas rentabilidades. En los próximos años veremos como se crean más empresas especializadas en este ámbito.

 

En los próximos años veremos como se crean más empresas especializadas en el uso de la Inteligencia Artificial para diseñar estrategias de inversión.
 

En cuanto al estado del arte de este tipo de empresas en Europa es destacable “Aquantum” cuyo nombre proviene de “Aqua” como símbolo de liquidez y transparencia, y “Quantum” en referencia a su metodología cuantitativa y científica. En el apartado de “filosofía” de la compañía que publica en su web afirma: “Aquantum rechaza la hipótesis del mercado eficiente. No creemos que los retornos sigan estrictos recorridos aleatorios y que los activos tengan un precio perfecto en todo momento” Ubicada en Múnich, tiene como asesor a Perry J. Kaufman. Esta compañía centra su negocio de gestión de activos en el desarrollo de estrategias comerciales sistemáticas, especialmente sistemas de detección de patrones a corto plazo, y emplea métodos científicos para generar rendimientos positivos con una correlación insignificante con otras clases de activos. 

 

Conclusiones

 

Hemos visto en este artículo como las aplicaciones de la Inteligencia Artificial han irrumpido en el trading de forma extensa y en muchos ámbitos. Gracias a la filosofía “open source” que se está imponiendo en muchos aspectos de las tecnologías informáticas, la Inteligencia Artificial ya está disponible para la comunidad de usuarios de forma gratuita. Sin lugar a duda hemos llegado ya a ese punto de inflexión al que hacíamos referencia al principio y por tanto la transformación de la profesión del trading ya es imparable. En los próximos diez años veremos como la IA se incorpora de lleno al trading y ya no concebiremos la vida del trader sin poder usar esta tecnología, al igual que ya ha ocurrido en otros aspectos de nuestra vida cotidiana.


Accede a Rankia
¡Sé el primero en comentar!

Cookies en rankia.com

Utilizamos cookies propias y de terceros con finalidades analíticas y para mostrarte publicidad relacionada con tus preferencias a partir de tus hábitos de navegación y tu perfil. Puedes configurar o rechazar las cookies haciendo click en “Configuración de cookies”. También puedes aceptar todas las cookies pulsando el botón “Aceptar”. Para más información puedes visitar nuestra política de cookies.

Aceptar