La inteligencia artificial no solo tiene el potencial de cambiar el día a día de millones de hogares y empresas, sino también de afectar de manera profunda la forma en la que se mueven los mercados financieros de todo el mundo.
Comprar y vender acciones es una práctica que ya tiene varios siglos. Durante mucho tiempo, su funcionamiento fue, a grandes rasgos, el mismo, dominado por lo analógico. La era digital y los avances en las telecomunicaciones fueron responsables de grandes cambios en esta industria, al aportar mayor rapidez y dinamismo a las transacciones.
Las computadoras, en ese sentido, llevan años como ejes fundamentales en los que se basan las operaciones diarias de todo el mundo. Las imágenes clásicas de los corredores de bolsa amontonados sobre decenas de grandes pantallas es hoy una postal cada vez menos recurrente y ganancias o pérdidas de millones de dólares se pueden decidir con la simple pulsación de un “Enter”.
Dotar a los sistemas de las capacidades necesarias para llevar adelante cientos o miles de operaciones bursátiles diarias, sin intermediación de humanos, parecía un escenario digno de historias distópicas, más afines al campo de la ciencia ficción. Sin embargo, se trata de una aplicación real con cada vez más adopción en las principales bolsas del mundo, donde llegar más rápido es fundamental para no perderse los mejores negocios.
En Argentina, este tipo de soluciones avanza a paso firme, de la mano de especialistas que buscan alternativas para aplicar machine learning en estos ámbitos. Eye Capital es una empresa conformada por un grupo de expertos argentinos cuya plataforma ya opera en la bolsas de Nueva York, Hong Kong, Madrid y Londres.
“En los mercados más importantes del mundo hace ya 7 u 8 años que los algoritmos son los que compran y venden instrumentos financieros. En ese sentido, está 100% automatizado y más del 80% del volumen lo manejan algoritmos”, destaca en diálogo con iProUP, Juan Pablo Braña, cofundador de la empresa y jefe del equipo que desarrolló los algoritmos del servicio de trading.
Al respecto, el especialista aclara que el eje de su propuesta es el análisis semántico de los noticias: “Si bien hay muchos sistemas basados en reglas lógicas matemáticas, otros son capaces de procesar el lenguaje natural. Un robot puede seguir una comunidad de diarios y social media, y, en el preciso momento en el que se produce una novedad, saber si es positiva o negativa y comprar o vender instrumentos financieros”.
Estas operaciones tienen la particularidad de realizarse en el orden de los milisegundos. Braña agrega que, en algunos mercados, ya alcanzan los microsegundos y existen casos en los que se ha llegado a nanosegundos. “Un humano no puede competir con eso. Cuando leyó una noticia, un algoritmo ya hizo miles de transacciones y obtiene un mayor rédito”.
El proyecto de Eye Capital nació en los pasillos de la Universidad Abierta Interamericana. Para sus creadores, la mayor contribución académica fue desarrollar la pata de la plataforma en español, ya que no abundan este tipo de opciones en el mercado. Alejandra Litterio, jefa de investigación de la startup, es especialista en lingüística y estuvo a cargo de llevar adelante la construcción del lexicón (listado de palabras) sobre el que se basan para el análisis semántico de las noticias.
“Incluye todo lo que es vocabulario de finanzas y economía, acotado a un área específica y con impronta argentina. El algoritmo, en base al lexicón de palabras muy puntuales, asigna a cada una un score de entre 5 y -5; siendo -5 lo más negativo y 5 lo más positivo, con toda la escala intermedia”, explica Litterio, y agrega: “Cada noticia o tuit que entra se ‘matchea’ con ese lexicón y se puntúa. No es lineal, no suma el puntaje de cada palabra, sino que asigna una probabilidad de que dada esta combinación de scores la noticia será positiva y negativa”.
Según Braña “la Inteligencia Artificial lo que hace es ahondar mucho más. No es solo saber si hay dos palabras positivas y una negativa; a veces esa palabra negativa pesa mucho más. La linealidad no nos servía, por lo que el algoritmo de machine learning calcula las probabilidades en base al resultado”.
Analizar frases, títulos o tuits con primicias no es sencillo. Si bien muchos algoritmos de IA ya lo hacen, existen desafíos a encarar. Tratar de que un software de este tipo razone como un humano es el objetivo máximo, por lo que en Eye Capital hoy por hoy trabajan para pasar del nivel semántico. Es decir, las palabras sueltas, a un nivel sintáctico, que permita analizar las frases en todo su conjunto.
“La complejidad es armar la estructura lógica a nivel sintaxis, ese ordenamiento donde si encontrás una oración contrastiva con “o” o un conector con un “pero”, puedas determinar cuál es el peso correcto entre las dos ideas”, subraya Alejandra.
Al respecto, añade: “Los titulares generalmente son enunciados simples, la complejidad está en el habla, cuando alguien tuitea. Ahí hay condimentos interesantes con el empleo del vocabulario”. Hoy, todas las plataformas de este tipo están trabajando en el paso de lo semántico a lo sintáctico, considerado el más complejo de todos.
“En el español, al tener inflecciones, otros tiempos verbales, es más complicado. Podría, cabría, cabe, el potencial... esos distintos condimentos de las terminaciones verbales tienen un peso que hace variar los resultados enormemente, lo que no pasa en ingles y otros idiomas que no tienen esas inflexiones verbales”, detalla la experta.
El análisis de noticias tiene su riesgo extra, caer en las fauces de las “fake news”. Esta problemática, transversal a todas las industrias de medios de Internet, puede ser crítica a la hora de decidir si una determinada información es beneficiosa o perjudicial en el mercado. La solución de Eye Capital fue conformar “comunidades de confianza” que puedan proveer datos certeros sobre el circuito financiero.
Eye Capital ya conectó robots en distintos mercados del mundo. Braña remarca que no se lo debe pensar como un software diseñado para un consumidor final ya que es “0% interfaz gráfica. Son robots que en este momento están tradeando sin intervención nuestra y donde el componente de noticias tiene entre un 20 y 25% de la toma de decisiones”.
Los creadores de la plataforma aseguran que la versión en español en la que han estado trabajando ya puede ser "enchufada" a la bolsa argentina, ya que Byma y Rofex poseen protocolos para conectar este tipo de algoritmos.
Sobre el ámbito local, Braña aclara que, si bien es contextualmente dependiente, “hay otros elementos que entran en juego en determinadas situaciones, como son los drivers de mercado. Estamos trabajando con los equipos de investigación, porque nos dimos cuenta de que existen elementos que inciden en momentos determinados a nivel micro y a nivel macro. Por ejemplo, un driver de mercado sería FMI: no lo podemos integrar como elemento genérico del lexicón, sino que se correspondería que se le cree uno nuevo, con otras palabras positivas y negativas”.
Los próximos pasos para la startup es seguir reforzando su costado universitario, donde el área de lingüística sigue trabajando en el diseño continuo del lexicón y la parte sintáctica; y en la expansión hacia nuevos mercados en los que sus clientes puedan operar de forma automática. En este sentido, sostienen que tener una pata académica y una en la industria es fundamental para validar en los dos ámbitos lo que se está desarrollando.
El futuro inteligente del trading ya está en marcha. ¿Estará el mercado financiero preparado para que los androides sueñen con acciones en lugar de ovejas eléctricas?
