Los directores ejecutivos y otros gerentes están cada vez más bajo el microscopio, ya que algunos inversores utilizan la inteligencia artificial para aprender y analizar sus patrones y tono de lenguaje, lo que abre una nueva frontera de oportunidades en las que deslizarse.
A fines de 2020, según el especialista en software de patrones de lenguaje Evan Schnidman, algunos ejecutivos de la industria de TI estaban minimizando la posibilidad de escasez de chips de semiconductores mientras discutían las interrupciones de la cadena de suministro.
Todo estaba bien, dijeron.
Sin embargo, el tono de su discurso mostró altos niveles de incertidumbre, según un análisis algorítmico diseñado para detectar pistas ocultas en palabras habladas, idealmente sin guión.
«Descubrimos que el tono de los ejecutivos del sector de TI era inconsistente con el sentimiento textual positivo de sus comentarios», dijo Schnidman, quien asesora a dos empresas de tecnología financiera detrás del análisis.
INICIO DE ROCKSTARS EN 2021
Regístrese para ver nuestra lista de las startups más prometedoras de 2021
A los pocos meses de los comentarios, empresas como Volkswagen y Ford advirtieron sobre una grave escasez de chips que afectaría a la producción. Los precios de las acciones en las empresas automotrices e industriales cayeron. Los ejecutivos de TI ahora dijeron que había una reducción de la oferta.
Schnidman sostiene que los fondos cuantitativos controlados por computadora que acceden a puntajes asignados al tono de las palabras de los gerentes, en comparación con los puntajes asignados a las palabras escritas, habrían estado mejor posicionados antes de la agitación de la industria.
Sin embargo, un ejemplo no puede atestiguar la precisión del análisis del habla, ya que no sabemos si los ejecutivos estaban siendo excesivamente optimistas al principio o si alteraron sinceramente sus puntos de vista a medida que cambiaban las circunstancias.
No obstante, algunos inversores ven la tecnología, conocida como procesamiento del lenguaje natural (NLP), como una nueva herramienta para obtener una ventaja sobre sus rivales, según entrevistas de Reuters con 11 administradores de fondos que están usando o probando dichos sistemas.
Dicen que los datos financieros tradicionales y los estados de cuenta corporativos están tan minado hoy en día que ofrecen poco valor.
‘Algo muy desordenado’
La PNL es una rama de la inteligencia artificial en la que el aprendizaje automático se suelta en el lenguaje para darle sentido y luego convertirlo en señales cuantificables que los fondos cuantitativos tienen en cuenta en el comercio.
El software más ambicioso en esta área tiene como objetivo analizar los tonos audibles, la cadencia y el énfasis de las palabras habladas junto con la fraseología, mientras que otros buscan analizar las transcripciones de discursos y entrevistas de formas cada vez más sofisticadas.
Slavi Marinov, jefe de aprendizaje automático de Man AHL, parte de la firma de gestión de inversiones Man Group, de 135.000 millones de dólares, dijo a Reuters que la PNL era «una de las principales áreas de investigación de enfoque» en el fondo impulsado por computadoras.
«Estos modelos transforman algo que es muy complicado en algo que es fácilmente comprensible por un quant», dijo.
De hecho, los defensores dicen que la PNL puede desbloquear el potencial sin explotar de información del mundo de los «datos no estructurados»: las llamadas con analistas, las preguntas y respuestas sin guión, las entrevistas con los medios.
Sin embargo, esto está abierto a debate.
Estos sistemas de inteligencia artificial pueden costar millones de dólares para desarrollar y ejecutar, descartando que muchos inversores y desarrolladores guarden el nicho o los bolsillos profundos. Algunos también se encuentran en una etapa comparativamente experimental, sin datos disponibles públicamente que demuestren que ganan dinero. Los fondos entrevistados se negaron a mostrar pruebas de que la PNL puede aumentar los rendimientos, citando sensibilidades comerciales.
Sin embargo, algunos estudios sugieren que las técnicas podrían mejorar el rendimiento si se enfocan en lugares inteligentes.
El análisis realizado en septiembre por los estrategas cuantitativos de Nomura mostró un vínculo entre la complejidad del lenguaje de los ejecutivos durante las llamadas de ganancias y las acciones. Los jefes de EE. UU. Que usaron un lenguaje simple vieron que las acciones de sus empresas superaron en un 6% anual desde 2014, en comparación con las que usan palabras complejas.
Los analistas de BofA emplean un modelo que utiliza frases en las llamadas de ganancias para pronosticar las tasas de incumplimiento de los bonos corporativos. Examina miles de frases como «reducción de costos» y «quema de efectivo» para encontrar frases asociadas con futuros incumplimientos. Las pruebas retrospectivas del modelo mostraron una alta correlación con las probabilidades de incumplimiento, dijo BofA.
Ambos sistemas analizan las transcripciones.
Cultura de medición de máquinas
En años pasados, el procesamiento de idiomas en las finanzas ha presentado un software básico y ampliamente vendido que clasifica las noticias o las publicaciones en las redes sociales por sentimiento. Esto está perdiendo valor frente a los modelos de PNL cada vez más sofisticados, que han sido impulsados por los avances tecnológicos y la caída de los costos de la computación en la nube.
El avance se produjo en 2018 cuando los desarrolladores lanzaron el código fuente detrás del «aprendizaje por transferencia» de PNL, lo que permitió que un modelo se entrenara previamente en un conjunto de datos de palabras y luego se pusiera a trabajar en otro, ahorrando tiempo y dinero.
Desde entonces, el equipo de inteligencia artificial de Google ha lanzado el código detrás de varios modelos de vanguardia entrenados previamente en conjuntos de datos cada vez más grandes.
Los desarrolladores de los sistemas actuales dicen que procesan decenas de miles de palabras a la velocidad del rayo, extrayendo patrones y cuantificando su grado de relación con ciertas palabras, frases e ideas «semilla» significativas, según lo establecido por el usuario.
Marinov de MAN AHL ve el mérito en el análisis tonal, pero aún no lo ha utilizado, centrándose por ahora en las pistas ocultas en el texto escrito.
Esto puede ser cualquier cosa, desde comparar informes anuales a lo largo del tiempo para buscar cambios sutiles que no son obvios para el lector, hasta cuantificar algo tan intangible como la cultura corporativa.
Pocos inversores han intentado medir formalmente la cultura corporativa en el pasado, a pesar de que es fundamental para el desempeño a largo plazo, especialmente en la candente esfera de inversión ESG de consideraciones ambientales, sociales y de gobernanza.
El modelo de Man AHL puede escanear los comentarios de los ejecutivos para buscar palabras o frases que demuestren una cultura «impulsada por objetivos», así como buscar reseñas de empleados en el sitio web de carreras Glassdoor.
Kai Wu, fundador del fondo de cobertura Sparkline Capital, ha creado «perfiles de personalidad» para que las empresas midan su adhesión a ciertos valores culturales.
Selecciona palabras semilla que cree que reflejan tales valores. Su modelo de PNL luego reduce grandes volúmenes de palabras a pequeñas cantidades de palabras con significados similares, con hallazgos expresados numéricamente.
Utilizando su modelo de PNL en los comentarios de la gerencia y las revisiones de los empleados, descubrió que las empresas con culturas «idiosincrásicas» como Apple, Southwest Airlines y Costco obtuvieron mejores resultados.
Por el contrario, las empresas estadounidenses que exhiben «toxicidad», donde los empleados usan modismos tan específicos como «buen club de chicos» y «perro come perro», han tenido un desempeño muy inferior, dijo Wu.
‘No hay reglas’
Los fondos sin los recursos para contratar científicos de datos para construir sus propias herramientas de PNL pueden comprar análisis de firmas de terceros, como las que aconseja Schnidman, fintech Aiera y el proveedor de análisis tonal Helios Life Enterprises, que venden sus servicios a clientes como fondos de cobertura.
Sin embargo, Wu de Sparkline opina que los fondos deberían obtener datos derivados de la PNL «lo más cerca posible del crudo», siendo preferibles los modelos internos.
La tecnología enfrenta otros desafíos y hacerlo bien puede llevar mucho tiempo.
El gestor holandés NN Investment Partners emplea una combinación de datos de terceros y sus propios modelos, algunos aún en fase de investigación.
Un proyecto está entrenando un modelo para encontrar palabras que predigan las tasas de incumplimiento de los bonos, dijo Sebastiaan Reinders, jefe de ciencia de inversiones de NNIP. Sin embargo, inicialmente eso requirió que los administradores de carteras examinaran largas listas de frases para etiquetarlas manualmente como positivas o negativas.
La mayoría de los modelos se centran en el inglés, y los desarrolladores podrían enfrentarse a una tarea difícil al adaptarlos para leer con precisión el sentimiento de personas de diferentes culturas que hablan otros idiomas.
Además, los ejecutivos están entusiasmados.
Cuando George Mussalli, director de inversiones de PanAgora Asset Management, con sede en EE. UU., Le dijo al jefe de una empresa de biotecnología que la inteligencia artificial de su fondo escaneaba los comentarios de los ejecutivos en busca de consignas, la persona pidió una lista para ayudar a que su negocio ocupara un lugar más alto.
Mussalli rechazó la solicitud, pero dijo que documentos como las transcripciones de llamadas de ganancias estaban cada vez más «bien redactados», lo que socavaba su valor.
Sin embargo, Marinov de Man Group reconoce que los ejecutivos finalmente no serán rival para las máquinas que mejoran con más datos.
«No hay reglas, es como un automóvil autónomo que aprende sobre la marcha», agregó. «Así que en muchos casos es imposible darle al ejecutivo una lista de consignas».
