Por Pawan Jain *
Las herramientas impulsadas por la inteligencia artificial, como ChatGPT, tienen el potencial de revolucionar la eficiencia, la eficacia y la velocidad del trabajo que realizan los humanos.
Y esto es cierto tanto en los mercados financieros como en sectores como la atención médica, la industria manufacturera y prácticamente todos los demás aspectos de nuestras vidas.
He estado investigando los mercados financieros y el comercio algorítmico durante 14 años. Si bien la IA ofrece muchos beneficios, el uso creciente de estas tecnologías en los mercados financieros también apunta a peligros potenciales.
Una mirada a los esfuerzos pasados de Wall Street para acelerar el comercio mediante la adopción de computadoras e IA ofrece lecciones importantes sobre las implicaciones de usarlas para la toma de decisiones.
LUNES NEGRO
A principios de la década de 1980, impulsados por los avances tecnológicos y las innovaciones financieras como los derivados, los inversores institucionales comenzaron a utilizar programas informáticos para ejecutar operaciones basadas en reglas y algoritmos predefinidos. Esto les ayudó a completar transacciones grandes de manera rápida y eficiente.
En ese entonces, estos algoritmos eran relativamente simples y se usaban principalmente para el llamado arbitraje de índices, que consiste en intentar sacar provecho de las discrepancias entre el precio de un índice bursátil, como el S&P 500, y el de las acciones que lo componen.
A medida que la tecnología avanzó y se dispuso de más datos, este tipo de programas de comercio se volvió cada vez más sofisticado, con algoritmos capaces de analizar datos de mercado complejos y ejecutar operaciones en función de una amplia gama de factores.
Estos traders de programas continuaron creciendo en número en las grandes autopistas financieras no reguladas, en las que más de un billón de dólares en activos cambian de manos todos los días, lo que provocó que la volatilidad del mercado aumentara drásticamente .
Finalmente, esto concluyó en la caída masiva del mercado de valores en 1987 conocida como Lunes Negro. El Dow Jones sufrió lo que en ese momento fue la mayor caída porcentual en su historia, y el dolor se extendió por todo el mundo.
En respuesta, las autoridades reguladoras implementaron una serie de medidas para restringir el uso del trading de programas, incluidos los interruptores automáticos que detienen el intercambio cuando hay cambios significativos en el mercado y otros límites. Pero a pesar de estas medidas, el trading de programas continuó creciendo en popularidad en los años posteriores al colapso.
ESTEROIDES
Avanzamos rápido quince años, hasta 2002, cuando la Bolsa de Valores de Nueva York introdujo un sistema de negociación totalmente automatizado. Como resultado, los traders de programas dieron paso a automatizaciones más sofisticadas con tecnología mucho más avanzada: Trading de Alta Frecuencia.
El HFT utiliza programas informáticos para analizar datos de mercado y ejecutar operaciones a velocidades extremadamente altas. A diferencia de los operadores de programas que compraban y vendían cestas de valores a lo largo del tiempo para aprovechar una oportunidad de arbitraje, los operadores de alta frecuencia utilizan computadoras potentes y redes de alta velocidad para analizar los datos del mercado. y ejecute operaciones a la velocidad de la luz. Pueden realizar transacciones en aproximadamente una 64 millonésima de segundo, en comparación con los varios segundos que les tomaba a los operadores en la década de 1980.
Estas operaciones suelen ser de muy corto plazo y pueden implicar comprar y vender el mismo valor varias veces en cuestión de nanosegundos. Los algoritmos de IA analizan grandes cantidades de datos en tiempo real e identifican patrones y tendencias que no son evidentes de inmediato para los comerciantes humanos. Esto ayuda a los operadores a tomar mejores decisiones y ejecutar operaciones a un ritmo más rápido de lo que sería posible manualmente.
Otra aplicación importante de la IA en HFT es el procesamiento del lenguaje natural, que implica analizar e interpretar datos del lenguaje humano, como artículos de noticias y publicaciones en redes sociales. Al analizar estos datos, los inversores pueden obtener información valiosa sobre el sentimiento del mercado y ajustar sus estrategias comerciales en consecuencia.
INTELIGENCIA ARTIFICIAL
El cerebro humano es lento, impreciso y olvidadizo. Es incapaz de la aritmética de coma flotante rápida y de alta precisión necesaria para analizar grandes volúmenes de datos para identificar tendencias de mercado. Las computadoras son millones de veces más rápidas, con una memoria esencialmente infalible, una atención perfecta y una capacidad ilimitada para analizar grandes volúmenes de datos en milésimas de segundo.
Estos traders suelen comprar y vender activos a precios muy cercanos al precio de mercado, lo que significa que no cobran tarifas altas a los inversores. Esto ayuda a garantizar que siempre haya compradores y vendedores, lo que a su vez ayuda a estabilizar los precios y reduce la posibilidad de cambios repentinos.
El Trading de Alta Frecuencia también puede ayudar a reducir el impacto de las ineficiencias del mercado al identificar y explotar rápidamente los errores de precios. Por ejemplo, los algoritmos HFT pueden detectar cuándo una acción en particular está infravalorada o sobrevalorada y ejecutar operaciones para aprovechar estas discrepancias.
DEFICIENCIAS
Pero la velocidad y la eficiencia también pueden causar daño. Los algoritmos HFT pueden reaccionar tan rápidamente a las noticias y otras señales del mercado que pueden provocar picos o caídas repentinos en los precios de los activos.
Además, las firmas financieras HFT pueden usar su velocidad y tecnología para obtener una ventaja injusta sobre otros traders, lo que distorsiona aún más las señales del mercado. La volatilidad creada por estas bestias comerciales extremadamente sofisticadas impulsadas por IA condujo al llamado colapso repentino en mayo de 2010, cuando las acciones se desplomaron y luego se recuperaron en cuestión de minutos, borrando y luego restaurando alrededor de un billón de dólares en valor de mercado.
Desde entonces, los mercados volátiles se han convertido en la nueva normalidad. En una investigación de 2016, dos coautores y yo descubrimos que la volatilidad, una medida de la rapidez y la imprevisibilidad con que suben y bajan los precios, aumentó significativamente después de la introducción de HFT .
La velocidad y la eficiencia con la que los operadores de alta frecuencia analizan los datos significa que incluso un pequeño cambio en las condiciones del mercado puede desencadenar una gran cantidad de operaciones, lo que provoca oscilaciones repentinas de precios y una mayor volatilidad.
Esto significa que todos los operadores de alta frecuencia pueden operar en el mismo lado del mercado si sus algoritmos emiten señales similares. Es decir, todos podrían intentar vender en caso de noticias negativas o comprar en caso de noticias positivas. Si no hay nadie que tome el otro lado del intercambio, los mercados pueden fallar.
NUEVO ACTOR
Eso nos lleva a un nuevo mundo de algoritmos comerciales impulsados por ChatGPT y programas similares. Podrían ahondar el problema de demasiados operadores en el mismo lado de un trato.
En general, los humanos, dejados a su suerte, tenderán a tomar una amplia gama de decisiones. Pero si todos derivan sus decisiones de una inteligencia artificial similar, esto puede limitar la diversidad de opiniones.
Considere una situación extrema, no financiera, en la que todos dependen de ChatGPT para decidir cuál es la mejor computadora para comprar. Los consumidores ya son muy propensos al comportamiento de manada. Por ejemplo, seguir las reseñas en Yelp o Amazon.
Es muy probable que ChatGPT sugiera la misma marca y modelo para todos. Esto podría llevar el comportamiento rebaño a un nivel completamente nuevo y podría conducir a la escasez de ciertos productos y servicios, así como a fuertes aumentos de precios.
Esto se vuelve más problemático cuando la IA que toma las decisiones está informada por información sesgada e incorrecta. Los algoritmos de IA pueden reforzar los sesgos existentes cuando los sistemas se entrenan con conjuntos de datos sesgados, antiguos o limitados. Y ChatGPT y herramientas similares han sido criticadas por cometer errores de esta naturaleza.
Por ahora, al menos, parece que la mayoría de los bancos no permitirán que sus empleados aprovechen ChatGPT y herramientas similares. Citigroup, Bank of America, Goldman Sachs y varios otros colosos financieros ya han prohibido su uso en los pisos de las salas de negociación.
Pero creo firmemente que los bancos tarde o temprano adoptarán la IA generativa, una vez que resuelvan las preocupaciones que tienen con ella. Las ganancias potenciales son demasiado importantes para dejarlas pasar.
* Universidad de Virginia Occidental