Los sueños de reemplazar a los humanos en las finanzas pueden hacerse realidad

ChatGPT es la aplicación de más rápido crecimiento de todos los tiempos, con más de 100 millones de usuarios solo dos meses después de su lanzamiento en noviembre. Permite a los usuarios tener conversaciones similares a las humanas que incluyen respuestas razonables y, a menudo, correctas a todo tipo de preguntas. Al igual que los humanos, puede pedir más información y explicar el razonamiento.

Ahora estamos viendo la primera investigación académica sobre el uso de ChatGPT en finanzas. Dos estudios recientes hacen que GPT parezca una tecnología prometedora tanto para mejorar la toma de decisiones de inversión como para explicar sus decisiones. Quizás el viejo sueño de reemplazar a los humanos en las finanzas se esté haciendo realidad.

En diciembre escribí que "una máquina incansable capaz de digerir toda la información e inmune a los sesgos debería ser claramente superior a los humanos cuando se trata de invertir. Excepto que no lo es". La gestión financiera fue uno de los primeros objetivos de la investigación de inteligencia artificial, o IA, porque parecía una tarea fácil y muy gratificante. Pero hasta ahora, la IA solo ha tenido éxito en aplicaciones de nicho en finanzas.

GPT significa Transformador preentrenado generativo, una idea de cinco años que puede cambiar las reglas del juego en las aplicaciones de IA. En términos muy generales, existen tres enfoques para extraer información útil de los datos. Con datos estructurados, como números contables o historiales de precios, puede aplicar estadísticas y modelos formales. Con datos completamente desestructurados, series de bits que podrían ser fotografías, medidas físicas, texto o cualquier otra cosa, existen algoritmos que pueden extraer patrones y predecir entradas futuras.

El lenguaje está en algún punto intermedio. Hay una estructura, lo que significa que solo ciertas combinaciones de letras son palabras inteligibles, y hay reglas gramaticales para unir palabras. Pero hay excepciones a las reglas y matices más allá del texto literal. Necesita mucho conocimiento del dominio y contexto para comprender el texto. Hay una vieja historia, que se remonta a 1956, momento en el que ya era antigua, sobre un trabajador de inteligencia artificial que creó un programa para traducir entre inglés y ruso. Ella le dio la frase "fuera de la vista, fuera de la mente" para traducir al ruso, y luego tradujo el ruso de nuevo al inglés y obtuvo "idiota invisible". No hay reglas de lenguaje que nos digan que la frase es un aforismo sobre el olvido en lugar de una descripción de un individuo, pero ningún hablante nativo cometería el error.

Los modelos GPT son el enfoque actual más popular para trabajar con datos lingüísticos, pero el comercio y la inversión cuantitativos han utilizado modelos lingüísticos más toscos durante muchos años. Un investigador humano lee información relevante, como declaraciones de empresas, noticias, encuestas e informes de investigación, con cuidado y lentitud. Las computadoras pueden leer grandes cantidades de información en muchos idiomas y llegar a conclusiones instantáneas. Esto es esencial para el comercio de alta frecuencia cuando ser un milisegundo antes para determinar si un titular de noticias es bueno o malo para el precio de una acción es el nombre del juego.

La mayoría de los modelos de lenguaje que se utilizan hoy en día en las finanzas cuantitativas lo tratan como datos estructurados. Los algoritmos buscan ciertas palabras, o simplemente miden la cantidad de palabras en un titular o comunicado de prensa. Algunos algoritmos buscan ciertos patrones o estructuras. Pero ninguno de los principales trata de comprender el significado del texto, y ninguno de ellos puede explicar por qué llegan a sus conclusiones o mantienen una conversación adicional sobre el tema.

Ahora vienen dos artículos titulados "¿Puede ChatGPT descifrar Fedspeak?" y "¿Puede ChatGPT pronosticar los movimientos del precio de las acciones?" No estamos hablando de que SkyNet se apodere de Wall Street, sino de si ChatGPT supera a los modelos más antiguos, muchos de los cuales tratan el lenguaje como algo estructurado, al tomar decisiones rápidas sobre textos breves.

El primer artículo le pidió a ChatGPT que determinara si una oración individual de una declaración de la Reserva Federal era "moderada" (lo que sugiere que el banco central probablemente reducirá las tasas de interés en lugar de aumentarlas) o "de línea dura" (lo que sugiere lo contrario). Un algoritmo de negociación de alta frecuencia podría calificar cada oración en el comunicado de la Fed y usar el resultado junto con otros datos para negociar futuros de fondos federales u otros instrumentos antes de que los analistas humanos hayan terminado de leer la primera palabra del comunicado.

En este estudio, a ChatGPT claramente le fue mejor al hacer coincidir las conclusiones de los analistas humanos que a los modelos basados en diccionarios que buscaban solo ciertas palabras. Cuando los investigadores ajustaron ChatGPT brindándole capacitación adicional sobre las declaraciones de la Reserva Federal con comentarios sobre cómo los humanos calificaron las declaraciones, estuvo de acuerdo con los investigadores humanos con la misma frecuencia que dos investigadores humanos estuvieron de acuerdo entre sí. Y sus explicaciones de sus decisiones eran plausibles.

Esto no es inmediatamente útil para el comercio. El documento no reveló qué tan rápido funcionó el modelo, ni si las interpretaciones generales de los comunicados de la Fed coincidieron bien con las conclusiones generales humanas (no se trata de si coincidían con la realidad, ya que los operadores de alta frecuencia están tratando de ganarle al mercado al nuevo consenso, no al lugar teóricamente correcto). Pero sugiere que los modelos GPT podrían haber dado un giro hacia la comprensión real del lenguaje. Si eso es cierto, y un estudio no prueba nada, se pueden desencadenar en una gama mucho más amplia de texto para generar tesis, como que la inflación probablemente seguirá siendo un problema durante los próximos 12 meses, en lugar de señales intermitentes para negociación de alta frecuencia. Y en lugar de señales binarias de compra/venta, ChatGPT puede mantener una conversación con un analista humano para mejorar las decisiones de inversión. Finalmente, si esto parece estar funcionando, se puede entrenar una futura generación de modelos GPT en todo el historial de textos y movimientos de precios financieros.

El segundo documento es más directamente relevante para el comercio. Usó ChatGPT para calificar los titulares de noticias como buenos o malos para los precios de las acciones. Probó la estrategia de comprar una acción con buenas noticias en la apertura después de que se publicó el titular y venderla al cierre; o vender en la apertura y volver a comprar al cierre si el titular era malo.

Los resultados no son concluyentes. La señal de ChatGPT tenía una correlación de 0,01 con el rendimiento bruto de las acciones del día siguiente. Pero para evaluar una señal, debe compararla con el rendimiento residual después de ajustar el rendimiento del mercado y, quizás, los factores conocidos. Una correlación de 0,01 podría ser valiosa en combinación con otras señales, o podría no serlo. La estrategia probada tuvo rendimientos positivos desde octubre de 2021 hasta diciembre de 2022 sin costos de transacción, pero los autores no brindan datos sobre si superó una estrategia de mercado, ni si el rendimiento positivo fue estadísticamente significativo. Una ganancia bruta reportada del 0,13% por operación sugiere que podría no superar los costos de transacción.

Los autores también reportan una regresión que incluye información futura, por lo que no puede ser utilizada para evaluar la efectividad para tomar decisiones basadas en información conocida en ese momento. La señal de ChatGPT no proporciona información adicional a los tres decimales que muestran los autores, aunque parece tener algún pequeño valor positivo. Pero inconcluso no significa fracaso. El estudio sugirió que ChatGPT era mejor que los modelos alternativos populares, y continúa la investigación sobre GPT y otros modelos de lenguaje extenso.

GPT es una herramienta de IA que puede trabajar con humanos, aprender de ellos y enseñarles en lugar de una caja negra incomprensible. Como mínimo, parece estar preparado para reemplazar algoritmos más antiguos y aumentar el uso de IA en inversiones tanto cuantitativas como cualitativas. Está muy lejos de apoderarse de Wall Street, pero no hay razón para pensar que no podrá.

Más de la opinión de Bloomberg:

• Ni siquiera la IA es capaz de vencer al mercado en estos días: Aaron Brown

• Al pausar la IA, solo nos haríamos daño a nosotros mismos: Tyler Cowen

• No existe tal cosa como la inteligencia artificial: Parmy Olson

Esta columna no refleja necesariamente la opinión del consejo editorial o de Bloomberg LP y sus propietarios.

Aaron Brown es ex director gerente y jefe de investigación de mercados financieros en AQR Capital Management. Es autor de "La cara de póquer de Wall Street". Él puede tener un interés en las áreas sobre las que escribe.

Más historias como esta están disponibles en bloomberg.com/opinion

Blog