2 de marzo de 2021
Directores
Orlando Cadavid Correa
Evelio Giraldo Ospina

Modelo algorítmico predeciría precios de las acciones

27 de noviembre de 2019
27 de noviembre de 2019
Jaime Humberto Niño Peña

Un predictor de precios, creado a partir de más de 5 millones de archivos con información de 21 acciones de los sectores energéticos, financieros, tecnológicos y de construcción, entre otros, les permitiría a los inversionistas mejorar sus intenciones de compra y venta de acciones con una precisión del 74 % para el mercado americano, y del 69 % para el colombiano.

Este predictor, por medio del cual se generó un modelo algorítmico para indicarles a los inversionistas cómo fluctúan los precios de los activos y facilitarles tomar la mejor decisión de inversión, fue creado por Jaime Humberto Niño Peña, doctor en Ingeniería de Sistemas de la Universidad Nacional de Colombia (UNAL) y negociante de activos financieros, utilizando técnicas de inteligencia artificial de última generación, denominadas aprendizaje profundo (deep learning).

El investigador creó este modelo para responder a la preocupación de los inversionistas del mercado financiero acerca de lo que va a pasar con los precios de los activos, es decir si van a subir, bajar o a continuar igual.

Al respecto, el investigador señala que “la realidad de los mercados financieros es que existe un gran volumen de información en alta frecuencia, es decir que las predicciones se dan en muy corto plazo y por eso los que negocian con activos deben tomar desiciones en poco tiempo: segundos o microsegundos, lo cual muchas veces lleva a cometer errores en la negociación”.

Para ofrecer una solución real, durante tres años y medio, el doctor Niño recolectó información suficiente por medio de robots computacionales previamente entrenados, que todos los días capturaban conjuntos de datos como transacciones e intenciones de compra y venta de diferentes actores, denominadas “libro de órdenes”. Dicha información permite que los inversionistas tomen sus decisiones en las mesas de dinero alrededor del mundo.

Una vez recolectados, estos datos se representan, es decir que las series de precios se convierten en imágenes para que las redes convolucionales –aquellas que tratan de identificar patrones en matrices de imágenes– puedan generar predicciones de la dirección de los precios y entregar la información obtenida de una manera más util a un algoritmo.

“Para el computador es más fácil entender los datos en forma de imagen, lo que permite que el algoritmo encuentre patrones de precios que se estén marcando en frecuencias cortas de tiempo. Mientras un humano puede procesar un cuadro de información o una imagen, el computador procesa 500.000 imágenes para el mercado colombiano y 4.500.000 para el americano”, explica el doctor Niño.

Así mismo, señala que el mercado colombiano de activos financieros es pequeño y que diariamente se negocian menos de 30 acciones, “lo que hice fue escoger las acciones de mayor liquidez, es decir en las que las personas están más interesadas en negociar, logrando con el modelo que el 69 % de las veces la predicción sea correcta”.

Para el mercado americano, en el que hay más de 8.000 activos con gran liquidez, el investigador eligió activos de empresas representativas de varios sectores tecnológicos como Facebook y Microsoft; bancas de inversión como City Bank; y aseguradoras como AIG, obteniendo una precisión en el modelo del 74 %.

“Estos resultados son importantes porque cuando se compara con trabajos similares la exactitud es mucho más alta, y al haberse probado con diferentes activos en diversos mercados refleja un buen índice de precisión”, puntualiza el ingeniero Niño, para quien otro de los grandes hallazgos de su modelo es que se puede utilizar en muchos activos a la vez y predecir el incremento, la disminución o la constancia de los precios en todos. Además, la representación del libro de órdenes es más completa, lo que impacta de manera positiva los resultados de la predicción.

“Es un modelo retador porque no se trata solo de interpretar todos los datos para que los inversionistas tengan bases a la hora de decidir qué activos comprar o vender, sino también de seguir integrando otras variables para que funcione con mayor precisión”.