La saga “Back to the future” retrata las vivencias de un adolescente y un científico poco ortodoxo acontecidas durante los años 80’s que a través de una máquina del tiempo se transportan a diferentes épocas, particularmente, del futuro.
Más allá de su gran éxito cinematográfico, al pasar de los años, hay quienes se han dedicado a analizar y validar varias de las predicciones señaladas en la trilogía, encontrándose, casi siempre, con amargas desilusiones, como, por ejemplo, la tan esperada e imprevisible llegada de los automóviles voladores, las chamarras con sistema de autosecado integrado o propiamente, los viajes en el tiempo.
No obstante lo anterior, hay algunas de esas predicciones que, al 2023, ya son una realidad, formando parte de nuestro día a día, como lo son los lectores de huellas digitales, las videollamadas o la tercera dimensión.
Del mismo que lo hace la vida, las finanzas, naturalmente, van evolucionado, ¿quiere ejemplos? La Tecnología Financiera (Fintech), los activos criptográficos o la Inteligencia Artificial (AI, por sus siglas en inglés) aplicada a las finanzas.
Enfocándonos en la AI, cada vez se ensalza la idea sobre el pronto reemplazo que ésta le hará a la fuerza laboral, dada su eficiencia y destreza a la hora de plantear soluciones.
En torno a este precepto, una de las herramientas que más ha dado de qué hablar en las últimas semanas son los sistemas de chatbot, como lo es ChatGPT, el cual consiste en un modelo de lenguaje entrenado para fungir como una especie de asistente virtual para los usuarios, permitiéndoles entablar conversaciones y responder sus dudas y preguntas sobre (casi) cualquier tópico (Figura 1).
La gran pregunta: ¿hoy, podría un sistema de chatbot reemplazar al profesionista financiero?
Probemos las capacidades del modelo GPT-3 de OpenAI, a partir de una serie de preguntas desde la perspectiva de un financiero mas no un experto en inteligencia artificial.
El ejercicio comienza explorando la base de datos del modelo de lenguaje, preguntándole la temporalidad y disponibilidad de los datos históricos para el SPY que posee (Figura 2).
Posteriormente, se le solicitó el dato del precio de cierre del SPY de diciembre de 2020. El dato proporcionado es incorrecto (US$ 373.88, fue el precio de cierre ajustado), pero en la respuesta se puntualiza que podría existir alguna variación en los precios históricos, lo cual nos deja entrever que se trató de una cifra aproximada y no exacta (Figura 3).
Se prosiguió pidiéndole los precios de cierre por mes del SPY comenzando en diciembre de 2017 y finalizando en diciembre de 2020. Al revisar los datos, en línea con el punto anterior, se confirmó que se trataban de aproximaciones (Figura 4).
Ahora, se solicitó la misma información para el BTCUSD, que, de igual manera, fueron datos aproximados (Figura 5).
Teniendo ambas series, se pidió que se calculara el retorno diario para cada una y que los resultados obtenidos se mostraran en una tabla (Figura 6).
Buscando explotar el potencial de análisis del entorno, se le hizo la solicitud de construir un portafolio de inversión por el método de asignación por porcentajes iguales que incluyera el SPY y el BTCUSD, al tiempo que nos proporcionara el retorno promedio mensual del portafolio, de diciembre de 2017 a diciembre de 2020 (Figura 7).
Tomando como base el portafolio, se le instruyó para que calculara una serie de datos estadísticos que nos permitieran analizar las propiedades de la cartera. Cabe mencionar que, además de la presentación de los datos, explicó cómo fueron determinados los cálculos, aunado a un pequeño análisis de los resultados obtenidos (Figura 8).
Al pedirle información sobre otras metodologías de asignación de carteras para el portafolio en cuestión, brindó 4 opciones, explicando, de forma general, cada una. Asimismo, advirtió sobre la importancia de definir un perfil de inversionista antes de elegir alguna de ellas (Figura 9).}
Como penúltimo paso, se le requirió que construyera un portafolio de inversión, bajo las mismas características, pero ahora por el método de asignación basada en volatilidad (Figura 10).
Finalmente, se le pidió una opinión acerca de cuáles podrían ser los mejores indicadores económicos y financieros para el método de inversión basado en el ciclo de mercado, brindando una respuesta amplia y condensada (Figura 11).
En conclusión, el modelo GPT-3 ejerció un extraordinario papel como profesionista financiero virtual, dando resolución a cada una de las preguntas y solicitudes planteadas, sobre todo de información teórica y cualitativa de gran valor. No obstante, dos limitantes muy claras que se dejaron al descubierto radicaron en la calidad de la información, y, por consiguiente, la veracidad de los resultados, pues hasta ahora, no tiene acceso en tiempo real a información de precios de activos financieros. Por otro lado, tuve que rescribir más de una ocasión mis interrogantes para obtener respuestas cercanas a las que esperaba, convirtiéndolo en una experiencia un tanto compleja.
Indudablemente, los sistemas de chatbot tienen el potencial de convertirse en una gran herramienta y no necesariamente un reemplazo del profesionista financiero, pues al final del día recordemos que la AI fue creada por el hombre, significando que ésta como su creador es perfectible.
