LONDRES (La tarde) – ¡Ejecutivos, cuidado! Puedes convertirte en tu peor enemigo.
Los directores ejecutivos y otros gerentes están cada vez más bajo el microscopio, ya que algunos inversores utilizan la inteligencia artificial (IA) para aprender y analizar su lenguaje y patrones de tono, abriendo una nueva frontera de oportunidades deslizantes.
A fines del año pasado, según el experto en software de estándares lingüísticos Evan Schnidman, algunos ejecutivos de la industria de tecnología de la información minimizaron 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 localizar pistas ocultas en palabras habladas, idealmente sin guión.
“Descubrimos que el tono de los ejecutivos de TI era inconsistente con el sentimiento textual positivo de sus comentarios”, dijo el Dr. Schnidman, quien asesora a dos empresas de tecnología financiera detrás del análisis.
Unos meses después de los comentarios, empresas como Volkswagen y Ford advirtieron de una grave escasez de chips que entraban en producción. Los precios de las acciones en las empresas automotrices e industriales han caído. Los ejecutivos de TI ahora dijeron que había escasez de suministro.
El Dr. Schnidman cree que los fondos cuantitativos (cuantitativos) orientados a la computadora que acceden a los 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.
Un ejemplo no puede dar fe de la precisión del análisis del discurso, ya que no sabemos si los ejecutivos estaban siendo demasiado optimistas al principio o si cambiaron sinceramente sus puntos de vista a medida que cambiaban las circunstancias.
Aún así, 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 estos sistemas.
Dicen que los datos financieros tradicionales y los estados de cuenta corporativos están tan debilitados en estos días que ofrecen poco valor.
La PNL es una rama de la IA en la que el aprendizaje automático se desbloquea en el lenguaje para darle sentido y luego convertirlo en señales cuantificables de que la cantidad de fondos influye en sus operaciones.
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 el discurso y las transcripciones de entrevistas de formas cada vez más sofisticadas.
Slavi Marinov, jefe de aprendizaje automático de Man AHL, que forma parte de la firma de gestión de inversiones de $ 135 mil millones (S $ 181 mil millones) Man Group, dijo a Reuters que la PNL es “una de las áreas clave de investigación de enfoque” en el área de Computación. fondo dirigido.
“Estos modelos convierten algo que es muy confuso en algo fácilmente comprensible para una cuantía”, dijo.
De hecho, los defensores dicen que la PNL puede desbloquear el potencial sin explotar de los conocimientos del mundo de los “datos no estructurados”: conexiones de analistas, preguntas y respuestas improvisadas, entrevistas con los medios.
Sin embargo, esto está abierto a debate.
Estos sistemas de IA pueden costar millones de dólares para desarrollar y operar, excluyendo a muchos inversores y desarrolladores que salvan a los ricos o al nicho. Algunos también se encuentran en una etapa muy experimental, sin datos disponibles públicamente que demuestren que ganan dinero.
Los fondos entrevistados se negaron a mostrar evidencia de que la PNL puede impulsar los rendimientos, citando sensibilidades comerciales.
Sin embargo, algunos estudios sugieren que las técnicas pueden mejorar el rendimiento si se enfocan en lugares inteligentes.
Un análisis realizado por los estrategas cuantitativos de Nomura el mes pasado mostró un vínculo entre la complejidad del lenguaje de los ejecutivos durante las declaraciones de ganancias y acciones. Los jefes de EE. UU. Que usaron un lenguaje sencillo han visto que las acciones de sus empresas superan en un 6 por ciento al año desde 2014, en comparación con las que usan palabras complejas.
Los analistas de Bank of America emplean un modelo que utiliza llamadas de ganancias para predecir las tasas de incumplimiento de los bonos corporativos. Examina miles de frases como “reducir costos” y “consumir dinero” para encontrar frases asociadas con patrones futuros. Las pruebas retrospectivas del modelo mostraron una alta correlación con las probabilidades de incumplimiento, según el banco.
Ambos sistemas analizan las transcripciones.
En años anteriores, el procesamiento de idiomas en las finanzas ha introducido 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 se han visto estimulados por los avances tecnológicos y la caída de los costos de la computación en la nube.
A descoberta veio em 2018, quando os desenvolvedores lançaram o código-fonte por trás do “aprendizado por transferência” da PNL, que permitia que um modelo fosse pré-treinado em um conjunto de dados de palavras e depois colocado para trabalhar em outro, economizando tiempo es dinero.
Desde entonces, el equipo de inteligencia artificial de Google ha lanzado el código detrás de varios modelos de gama alta previamente entrenados en conjuntos de datos cada vez más grandes.
Los desarrolladores de sistemas actuales dicen que procesan decenas de miles de palabras a la velocidad de la luz, extrayendo patrones y cuantificando qué tan estrechamente se relacionan con ciertas palabras, frases e ideas “generativas” significativas, según las define el usuario.
Marinov de Man AHL ve el mérito en el análisis tonal, pero aún no lo ha utilizado, concentrándose, por ahora, en pistas ocultas en el texto escrito.
Esto puede ser cualquier cosa, desde comparar informes anuales a lo largo del tiempo hasta 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, aunque es fundamental para el desempeño a largo plazo, especialmente en la esfera de inversión ESG de consideraciones ambientales, sociales y de gobernanza.
La plantilla Man AHL puede escanear los comentarios de los ejecutivos en busca de palabras o frases que transmitan una cultura “orientada a objetivos”, así como buscar opiniones de los empleados en el sitio de empleo de Glassdoor.
El Sr. Kai Wu, fundador del fondo de cobertura Sparkline Capital, creó “perfiles de personalidad” para que las empresas midieran su adhesión a ciertos valores culturales.
Selecciona palabras semilla que cree que reflejan esos valores. Su modelo de PNL luego reduce grandes volúmenes de palabras a una pequeña cantidad de palabras con significados similares, con resultados expresados numéricamente.
Utilizando su modelo de PNL en la retroalimentación 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 otro lado, las empresas estadounidenses que exhiben “toxicidad”, en las que los empleados usan expresiones específicas como “club de chicos buenos” y “perro viene perro”, obtuvieron un rendimiento 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 empresas de terceros como las que aconseja el Dr. 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 cree 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 (NNIP) 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 en NNIP. Inicialmente, esto requería que los administradores de carteras revisaran largas listas de frases para etiquetarlas manualmente como positivas o negativas.
La mayoría de los modelos están enfocados en el idioma inglés, y los desarrolladores pueden enfrentar una tarea difícil al adaptarlos para leer con precisión los sentimientos de personas de diferentes culturas que hablan otros idiomas.
Además, los ejecutivos están comenzando a utilizar el algodón.
Cuando George Mussalli, director de inversiones de Pan Agora Asset Management en los Estados Unidos, le dijo a un director de una empresa de biotecnología que la inteligencia artificial de su fondo estaba buscando palabras clave en los comentarios de los ejecutivos, la persona pidió una lista para ayudar a su empresa a escalar. las clasificaciones.
Mussalli rechazó la solicitud, pero dijo que documentos como las transcripciones de las llamadas de ganancias estaban cada vez más “bien redactados”, lo que socavaba su valor.
Aún así, Marinov de Man Group cree que los ejecutivos no serán rival para las máquinas que mejoran con más datos.
“No hay reglas, es como un automóvil que se conduce solo, que aprende a medida que avanza”, agregó. “Entonces, en muchos casos, es imposible darle al ejecutivo una lista de palabras clave”.
