La inteligencia artificial (IA) ha emergido como una de las principales revoluciones de la industria financiera. Aunque su adopción en el sector de la gestión de activos aún es muy reciente, un creciente número de participantes está analizando su aplicación para mejorar sus estrategias de inversión y profundizar en el conocimiento de sus clientes. Si bien muchas gestoras de activos han reconocido el uso de la IA, su foco ha permanecido, de momento, en áreas como la automatización de procesos, ventas y distribución o marketing, sin que se cuente con experiencias sobre la aplicación en la toma de decisiones. Solo un limitado número de gestores, la mayoría hedge funds, han anunciado públicamente que están implantando la IA en sus estrategias de inversión. Y, desde luego, el número de fondos que solo usan la IA en su proceso de toma de decisión es, de momento, muy limitado.

Como firme convencido de que la evolución del ciclo económico es el mejor estimador del comportamiento de las cotizaciones de los activos financieros, al menos con una perspectiva a medio y largo plazo, considero que cualquier progreso en el diagnóstico de la posición cíclica y en la capacidad para predecir su evolución es muy positivo. En este sentido, la IA debe servir para contar con más indicadores fiables que ayuden a determinar mejor la posición cíclica. Pero puede ser que la principal mejoría no se produzca tanto en el "ajuste fino de los modelos", es decir, en la reducción de sus errores de estimación, sino en que permitan realizar predicciones más rápidas (en "tiempo real"). Este segundo aspecto (la actualización más frecuente de la predicción), junto con el primero (mejora de los modelos), será un avance muy significativo y tendrá un impacto claramente favorable en la gestión de carteras y en el asesoramiento a clientes.

Ahora bien, frente a este avance que implicará la IA en la predicción del ciclo económico, cabe hacer las matizaciones ya clásicas a las que se enfrenta todo económetra: dado que la estructura económica mundial, así como los factores que dinamizan o reducen el crecimiento, cambian de forma intensa y con alta frecuencia, podría suceder que ni siquiera con la IA seamos capaces de acertar con las previsiones económicas. ¿De verdad alguien cree que la IA habría sido capaz de anticipar, por ejemplo, el momento del inicio de la Gran Recesión de 2008? ¿Y de predecir tipos de interés negativos del euro? ¿Incluso la quiebra de Silicon Valley Bank? Hay que reconocer estas limitaciones en la capacidad predictiva de las variables económicas y financieras, pero no por ello hacer una valoración menos positiva de la mejora en el proceso que la IA va a implicar (lo está haciendo ya), sobre todo, en la frecuencia de la predicción y en el tiempo necesario para entender y modelizar los cambios "estructurales" de la economía. La IA se configura como una herramienta más que va a ayudar a los economistas en el diagnóstico de la posición cíclica y en su evolución. Y con ello, a los gestores de carteras con enfoque global o fundamental.

Soy un firme defensor de la gestión activa, que se basa en considerar que los precios de los activos financieros no reflejan la realidad de forma correcta durante determinados momentos del tiempo (que es cuando se genera la oportunidad de compra o de venta). Y estos "fallos" se pueden producir porque "el mercado" realiza una interpretación errónea de la realidad o porque no es capaz de anticipar correctamente el futuro. En ambos casos, la IA puede ser de utilidad, como ya he comentado, porque puede mejorar el diagnóstico de la posición cíclica de la economía, así como la previsión de su evolución futura. Pero no solo eso, ya que en el siguiente escalón del análisis top down sirve para conocer mucho mejor la realidad de las empresas cotizadas. Es decir, la IA debe servir para tener una mayor conocimiento y control del riesgo sistemático (medido a través de la beta de la cartera), pero también puede aplicarse al riesgo individual de cada título. Igual que he señalado la mayor capacidad de análisis económico gracias a la IA, considero que esta tesis se puede extrapolar a la renta variable y a la renta fija (el avance puede incluso ser proporcionalmente superior). Por ahora, la principal fuente de información sobre la salud de una compañía son los estados contables que publica, así como la que suministran en determinados momentos a través de diversos canales de comunicación ("relación con inversores", "hechos relevantes" o "notas de prensa"). Como sucede con el PIB, esta información es útil pero incompleta y, sobre todo, se conoce con retraso. Necesitamos contar con indicadores que permitan conocer de la forma más contemporánea posible el estado de solvencia y rentabilidad de una empresa, así como modelizar su evolución futura. Y, en mi opinión, la IA puede mejorar de forma más significativa el conocimiento de la solvencia de una compañía que la futura evolución de su cuenta de resultados. Es decir, las metodologías de credit scoring son las que más pueden evolucionar gracias al uso de la IA y de ahí que piense que su aplicación puede ser superior en el mercado de renta fija que en el de renta variable.

En este sentido, es conveniente recordar cómo de forma creciente más compañías emiten activos de renta fija como sustitución a la financiación bancaria. Y en este proceso de intensificación de la desintermediación financiera, cada vez es más necesario contar con información de los emisores. Pero atención, porque de forma paralela se está produciendo otro cambio en las carteras de activos financieros, en este caso, con la creciente presencia de activos no cotizados [1]. Esto es especialmente importante en la renta fija, a medida que se están desarrollando vehículos dedicados al préstamo directo (direct lending).

Por lo tanto, entendemos que la IA nos va a ayudar en el proceso de toma de decisiones en la gestión de carteras de activos financieros, tanto de renta variable como, especialmente, de renta fija. Y tanto en activos cotizados como, en mayor medida, en no cotizados. Los gestores de fondos de capital riesgo y de préstamos directos serán los principales usuarios de la inteligencia artificial.

[1] Y de vehículos de inversión en activos no cotizados.

David Cano es socio de Afi