Baja correlación con otras inversiones: cómo los fondos de IA pueden reducir las fluctuaciones de la cartera

El mercado de fondos impulsados por IA, es decir, estrategias que utilizan inteligencia artificial en el proceso de inversión, está en crecimiento. Casi el 60 % de los gestores que invierten en clases de activos alternativos están interesados en la IA, según un informe reciente de la firma de servicios del sector Hedgeweek.

Si bien los activos globales bajo gestión (AuM) en soluciones de inversión basadas en IA apenas superaron los tres mil millones de euros hasta el primer semestre de 2024 , estamos registrando una creciente demanda de inversores institucionales, así como de gestores de activos y patrimonio.

Áreas de aplicación de la IA en las estrategias de inversión

Es probable que pocos inversores se interesen en la IA por sí misma o por pura fascinación técnica. La pregunta, más bien, es qué puede hacer la IA, qué logra (mejor que los analistas o gestores humanos) y qué tareas específicas, con qué rentabilidad esperada, se le pueden asignar.

Para algunos inversores, la búsqueda de rentabilidades superiores es primordial. Otros motivos para utilizar la IA en estrategias de inversión incluyen el deseo de obtener mayores cantidades de datos relevantes o la capacidad de filtrar influencias emocionales (sesgos conductuales) y distorsiones cognitivas (como la adherencia a valores de referencia específicos, conocidos como «anclaje»).

Pero ¿en qué tarea es realmente eficaz la IA? Una ventaja clave que muchos analistas del mercado, incluidos los expertos independientes del NextGen Artificial Intelligence Multi-Manager Index, que abarca alrededor de 45 estrategias de inversión en IA a nivel mundial, consideran es su baja correlación con otras clases de activos. La IA suele trabajar con patrones no lineales. Cuando se utiliza en el proceso de inversión para calcular la probabilidad de movimientos del mercado y seleccionar valores, las señales de trading, las asignaciones y las ponderaciones de la cartera suelen ser diferentes a las de un gestor tradicional.

Carteras 50/50: límites de las mezclas

Resumamos brevemente: los modelos de IA se consideran un factor de decorrelación, basándose, entre otros factores, en pruebas retrospectivas y comparaciones con grupos de pares tradicionales (cuantitativos). Por lo tanto, los enfoques basados en IA pueden utilizarse como un componente potencialmente neutral al mercado en una cartera complementaria. Sin embargo, ¿para qué banqueros privados y gestores de activos podría ser especialmente relevante esta fortaleza de decorrelación?

Esto afecta a todos los inversores (solo a largo plazo) que revisan sus carteras para determinar su dependencia del alza de los mercados bursátiles y la deuda pública, y a menudo se sienten decepcionados por las opciones de diversificación existentes (como bienes raíces, capital privado y fondos de cobertura). Estas suelen tener una alta correlación con las clases de activos tradicionales (>0,7 y más) y reaccionan con la misma sensibilidad a los eventos geopolíticos del mercado, así como a los riesgos de inflación y tipos de interés.

Las estrategias de inversión que utilizan inteligencia artificial para el cálculo de señales y la gestión de fondos pueden considerarse elementos complementarios nuevos y disruptivos si aprovechan la fortaleza de la decorrelación descrita y cumplen los criterios de diversificación efectiva (coherencia con el mercado de valores de <0,3).

Como representantes del sector, podemos cuantificarlo utilizando nuestra propia estrategia de fondos de IA. La correlación, es decir, la interrelación con las principales clases de activos de renta variable y renta fija, es <0,1.

Sin oráculo: la IA en la práctica

¿Es posible medir con mayor precisión el valor añadido de un sistema de IA tan adecuadamente programado y entrenado? Si seguimos la línea de pensamiento de asignar a la IA una tarea específica de decorrelación (en lugar de considerarla una especie de "oráculo", que no lo es), resulta más fácil comprender su función como medio para un fin. La IA es un medio para lograr la decorrelación. La decorrelación es un medio para lograr un mejor rendimiento (más precisamente: el ratio de Sharpe), así como para reducir la volatilidad y estabilizar las caídas de precios en el contexto general de la cartera.

Desde nuestra práctica de inversión, en la que hemos ejecutado aproximadamente 55.000 transacciones bursátiles en los últimos años con tres familias de modelos de IA —centradas en la decorrelación y la diversificación—, podemos afirmar que la diversificación de carteras se discute con frecuencia, pero rara vez se mide de forma tangible. Quienes deseen evitar riesgos de concentración y lograr un rendimiento consistente examinarán diferentes fuentes de rentabilidad.

Con base en evaluaciones de terceros independientes, el componente de IA no correlacionado se puede utilizar para el período de 2019 al presente, incluidas las fases del mercado al comienzo de la guerra de agresión contra Ucrania y durante la pandemia de coronavirus: con una cartera inicial promedio 50/50 (basada en el MSCI World Net Index y el Bloomberg Global Aggregate Bond Index, que representan adecuadamente los mercados globales de acciones y bonos), una combinación del 10 al 25 por ciento podría reducir la volatilidad de la cartera hasta en una cuarta parte y las caídas máximas hasta en un tercio.

Por supuesto, también se podrían considerar otras inversiones alternativas que demuestren su independencia de las inversiones principales, como acciones y bonos. La IA se considera sui generis debido a su naturaleza única, ya que generalmente genera composiciones de cartera diferentes a las de los gestores humanos.

desafíos

Se requiere mucha investigación y conocimiento de los aspectos específicos de la aplicación de algoritmos de IA a los mercados financieros para que sean utilizables para la gestión de fondos.

A diferencia de la IA generativa, cada vez más popular en los programas de voz a texto (chatbots) y el procesamiento del lenguaje natural, la IA predictiva se utiliza aquí para identificar tendencias del mercado bursátil, rupturas de tendencia y oportunidades de trading. En comparación con las estrategias cuantitativas tradicionales, profundizamos más: se evalúa un volumen de siete dígitos de datos de precios mediante diversos algoritmos de IA y aprendizaje automático, incluyendo el aprendizaje profundo.

perspectiva

En el ámbito de la gestión de carteras, ahora es posible delegar diversas tareas a la IA. Una ventaja clave es su función como herramienta sin hipótesis, prácticamente independiente de las tendencias del mercado y de la influencia humana.

Cuando la IA se utiliza de forma centralizada para gestionar una estrategia de inversión, los inversores deben definir claramente los resultados que esperan del uso de la inteligencia artificial. Se debe solicitar información sobre la mensurabilidad de los efectos y el valor añadido en el proceso de inversión —por ejemplo, en el caso de productos complementarios a las carteras tradicionales—, idealmente en horizontes temporales más amplios y en diferentes fases del mercado. Sin embargo, medir simplemente esta aportación de valor basándose en eventos singulares seleccionados de forma oportunista resulta insuficiente.

Acerca de los autores invitados:

Pablo Hess y Michael Günther son desarrolladores de IA y gestores de cartera en Tungsten Capital, con sede en Fráncfort del Meno. Su estrategia ha sido una de las soluciones de inversión en IA más consolidadas en la región DACH durante más de diez años, con más de 200 millones de euros en activos bajo gestión.