Durante años, científicos de datos, ingenieros y traders particulares han perseguido la idea de crear algoritmos de aprendizaje automático (ML) para operar con acciones. La tecnología de la información ha sido el principal desafío para miles de equipos de desarrollo de todo el mundo que trabajan en el sector de la operación bursátil.
Si se considera el método de investigación empírica, existe la posibilidad de desarrollar algoritmos que lleven el trading automatizado a un nuevo nivel. No se trataría solo de ejecutar órdenes según parámetros preestablecidos, sino de crear un programa capaz de aprender y adaptarse a las condiciones cambiantes del mercado según la situación.
En este artículo, analizaremos la posible simbiosis entre el mercado bursátil y el enfoque de aprendizaje automático para operar con distintos activos.
La idea detrás de los algoritmos de ML para operar con acciones
Los científicos afirman que los algoritmos de ML para el mercado bursátil pueden basarse en datos históricos detallados de distintas empresas, plataformas de futuros sobre acciones y bolsas. Esta información puede utilizarse como un conjunto de datos preetiquetado que sirva de base para entrenar los modelos de ML.
La idea es que los nuevos algoritmos aprendan y detecten patrones nuevos a partir de datos históricos. Además, pueden analizar esos patrones y hacer predicciones precisas sobre cómo se moverá el precio de las acciones en distintas condiciones de mercado.
Las principales preguntas que aún están por debatirse son las siguientes:
- ¿Puede el aprendizaje automático ser eficaz para operar con acciones?
- ¿Con cuánta anticipación pueden los algoritmos de ML hacer predicciones precisas?
El origen de este argumento en particular está en los fundamentos axiomáticos del debate. Según esta postura, el mercado bursátil es muy impredecible. En otras palabras, es imposible predecir el mercado bursátil, incluso si se tienen en cuenta los datos históricos.
Además, no debemos olvidar la multiplicidad de variables. Estas también afectan de una u otra manera el precio de las acciones. Entre ellas se encuentran no solo las tendencias del mercado, sino también las noticias bursátiles (económicas y políticas), los factores sociales, los cambios climáticos, los desastres naturales, las guerras, etc. Además, si consideramos el comportamiento irracional de los agentes activos, podemos afirmar que tampoco es posible predecir el precio de las acciones.
Cuando decimos que algo es «difícil de predecir», generalmente nos referimos a las predicciones a largo plazo.
A favor y en contra de los algoritmos de aprendizaje automático para operar con acciones
Por razones obvias, a los traders les gustaría contar con estas tecnologías para operar en el mercado de valores. Les permitirían hacer predicciones más precisas y obtener grandes ganancias financieras en piloto automático. Además, según los científicos, es posible entrenar algoritmos de aprendizaje automático (ML) con datos históricos de empresas específicas para hacer predicciones aún más precisas sobre los precios de las acciones. Teniendo en cuenta la volatilidad extrema del mercado, este tipo de herramienta permitirá adoptar un enfoque más seguro al operar. Mientras que las personas no pueden considerar todas las dependencias mutuas al mismo tiempo, se espera que los algoritmos de ML resuelvan este problema.
Sí, las máquinas no necesitan dormir ni comer. No descansan y pueden analizar una enorme cantidad de datos. Por otro lado, nunca podrán tomar decisiones con una intervención humana específica. Por eso, el principal desafío para el mercado de valores actual es lograr que los algoritmos de ML aprendan y comprendan distintos tipos de patrones. El principal problema es que el resultado puede incluir demasiada aleatoriedad, lo que dificulta hacer predicciones precisas.
Riesgos del aprendizaje automático en el trading de acciones
A pesar de todos los beneficios que los algoritmos de ML podrían aportar a los traders de acciones en el futuro, esta idea puede ser bastante arriesgada tanto para los inversionistas individuales como para los brokers. Estos son los principales problemas del aprendizaje automático en el mercado de valores:
- Volatilidad extrema. Los mercados bursátiles son muy volátiles, lo que genera mucha incertidumbre. La teoría del paseo aleatorio ayudará a entenderlo un poco mejor. Por un lado, podemos predecir algunos factores y tenerlos en cuenta al hacer predicciones. Por otro lado, hay variables que nunca se pueden tener en cuenta, como los desastres naturales.
- Falta de precisión. Como se mencionó anteriormente, los algoritmos de aprendizaje automático solo pueden ser útiles a corto plazo. Sin embargo, si consideramos un horizonte de pronóstico más amplio, la precisión disminuirá inevitablemente.
- Aumento de la competencia. Siempre debemos tener presente que el mercado bursátil es un entorno de competencia extrema. Cada vez más traders entran al mercado para comprar y vender acciones. Cuantos más participantes desarrollen sus propios algoritmos de aprendizaje automático, más rápido podrán adaptarse a las nuevas condiciones del mercado. Al final, tendremos numerosos modelos del mismo tipo que simplemente se replican entre sí. Las noticias del mercado bursátil serán lo único competitivo que quede por explorar.
- Densidad de los datos de entrenamiento. Podemos usar grandes cantidades de datos históricos disponibles en distintos formatos. Esto facilita el entrenamiento de algoritmos de aprendizaje automático. Sin embargo, estos datos podrían resultar insuficientes debido a la disminución de la densidad de la información. Esto puede llevar a los traders a tomar decisiones sin fundamento, ya que los datos históricos del mercado bursátil son muy variables y cambiantes.
Conclusión
La automatización de la operación con acciones ya ha alcanzado un alto nivel. Los participantes del mercado pueden beneficiarse de bots de trading avanzados y otros programas diseñados para ayudarles a gestionar varias operaciones automáticamente. Se espera que los algoritmos de aprendizaje automático aplicados a la operación con acciones representen el siguiente nivel de desarrollo de la automatización.
El principal desafío es crear algoritmos que se adapten a la naturaleza cambiante del mercado bursátil. La pregunta es si la inteligencia artificial es lo suficientemente eficaz para hacer predicciones tan complejas ante la incertidumbre y la volatilidad del mercado. ¿Lo lograrán los científicos e ingenieros? Próximamente.
Este material no contiene asesoramiento ni recomendaciones de inversión, ni constituye una oferta o solicitud para realizar transacciones con instrumentos financieros. No debe interpretarse como tal. Antes de tomar cualquier decisión de inversión, busca asesoramiento de asesores financieros independientes para asegurarte de comprender los riesgos.
