- Tema
88k Popularidad
41k Popularidad
14k Popularidad
4k Popularidad
5k Popularidad
29k Popularidad
16k Popularidad
22k Popularidad
13k Popularidad
3k Popularidad
- Anclado
88k Popularidad
41k Popularidad
14k Popularidad
4k Popularidad
5k Popularidad
29k Popularidad
16k Popularidad
22k Popularidad
13k Popularidad
3k Popularidad
¿El fin del Quant? Cómo la IA está democratizando el análisis financiero
Getty ImagesUna nueva ola de startups de inteligencia artificial está fijando su mirada en uno de los roles más especializados de Wall Street: el analista cuantitativo. Desde fondos de cobertura hasta pisos de comercio de commodities, las plataformas de IA prometen democratizar los complejos modelos matemáticos y el análisis de datos que durante mucho tiempo han sido el dominio exclusivo de los quants muy bien pagados.
Hasta hace poco, los grandes modelos de lenguaje para el comercio han sido el dominio de gerentes de fondos multimillonarios como Igor Tulchinsky, cuyo fondo de cobertura WorldQuant gestiona más de $23 mil millones y emplea a más de 150 PhDs para construir sistemas de IA personalizados. Como Tulchinsky dijo recientemente a Forbes, su firma está utilizando LLMs para "convertir y descubrir alfas en diferentes dominios", creando herramientas propietarias que pueden responder "preguntas muy sofisticadas" al combinar modelos estándar con datos internos que "realmente nadie puede replicar."
Pero una nueva generación de startups está trabajando para cambiar esa exclusividad, ofreciendo análisis sofisticados impulsados por IA a empresas que anteriormente no podían permitirse tales capacidades. La tendencia representa un cambio fundamental en cómo las instituciones financieras abordan la toma de decisiones basada en datos. En lugar de contratar equipos de analistas con doctorado para analizar números e identificar patrones del mercado, las empresas están recurriendo cada vez más a sistemas de IA que pueden procesar grandes cantidades de información en segundos y ofrecer información en un inglés simple.
Tres empresas destacadas en estudios de caso recientes (FINTool, Metal AI y Findly) están enfocándose en diferentes rincones del mundo financiero con plataformas de investigación y análisis impulsadas por IA. Cada una promete transformar horas de análisis manual en información automatizada, potencialmente reconfigurando cómo se toman las decisiones de inversión.
La Ola de Reemplazo de AI Quant
La tendencia clave tiene que ver con la capacidad de la IA para tomar fuentes de datos dispares y analizarlas de acuerdo con los deseos de los tomadores de riesgos. La promesa es que los sistemas de IA pueden buscar, aggreGar y sintetizar fuentes de datos sin intervención humana.
MÁS PARA USTEDPor ejemplo, FINTool se centra en la investigación de acciones públicas para fondos de cobertura y bancos, analizando millones de documentos, desde informes de ganancias hasta presentaciones ante la SEC. La plataforma afirma reducir las cargas de trabajo de los analistas de horas a segundos, manteniendo "cero alucinaciones" a través de un sistema de evaluación por pares de tres niveles. Por otro lado, Metal AI se dirige a firmas de capital privado, donde los equipos de negociación luchan con datos fragmentados a través de múltiples sistemas, ya sean plataformas de investigación de mercado o salas de datos confidenciales. La plataforma de inteligencia de la empresa afirma unificar fuentes de datos internas y externas, permitiendo a los profesionales de inversión hacer preguntas complejas en lenguaje natural en lugar de pasar tiempo agregando información manualmente.
Pero quizás el intento más desarrollado de reemplazar el trabajo cuantitativo tradicional proviene de Findly, respaldado por YC, cuya plataforma Darling Analytics está causando revuelo en el notoriamente complejo mundo del comercio de mercancías.
De la sala de trading cuantitativo a la startup de IA
Ignacio Hidalgo conoce el comercio de productos básicos desde adentro. Como ex comerciante principal de libros en algunas de las mesas de negociación de GLP más destacadas, experimentó de primera mano la lucha diaria de sintetizar grandes cantidades de datos del mercado, patrones climáticos, información sobre envíos y flujos, además de desarrollos geopolíticos en decisiones comerciales rentables.
"El problema era el mismo, solo diferente," explica Hidalgo sobre su transición de comerciante a emprendedor tecnológico. "La mayoría de las herramientas avanzadas para análisis de datos estructurados y avanzados aún dejaban a los comerciantes sin el contexto que necesitaban. Un problema muy difícil de resolver"
Ahora, junto con el cofundador Pedro Nascimento, Hidalgo está construyendo lo que él llama una tecnología "totalmente nueva en el mundo" a través de su startup Findly respaldada por Y Combinator. Su plataforma Darling Analytics tiene como objetivo otorgar a las mesas de comercio de productos básicos promedio los "superpoderes analíticos" que tradicionalmente están restringidos a las mesas cuantitativas especializadas.
El comercio de commodities opera en un mundo de extremos. Modelos matemáticos sofisticados coexisten con herramientas sorprendentemente básicas. Mientras que algunas operaciones utilizan algoritmos complejos y análisis en tiempo real, otras dependen de grupos de chat de WhatsApp para realizar negocios. Los comerciantes a menudo llevan a cabo sus negocios a través de aplicaciones de mensajería con una sofisticación tecnológica mínima.
"Los gráficos no te dan el contexto," señala Hidalgo. "Es imposible para un humano absorber todos los parámetros: cambios de precio nocturnos, información de carga de barcos, datos meteorológicos y pronósticos, noticias. Con IA, puedes preguntar '¿Qué pasó con el precio del crudo esta semana? ¿Es un buen momento para comprar?' y obtener una imagen mucho más clara con el contexto del mercado.
AI Quants: Implementación en el Mundo Real
Darling Analytics ya se está pilotando en varias grandes empresas de materias primas. El sistema automatiza el tipo de informes matutinos y basados en eventos que los traders junior suelen compilar manualmente, liberando a los analistas humanos para que se concentren en trabajos estratégicos de mayor valor. Integra (cercano) datos estructurados en tiempo real con información no estructurada de informes de mercado, X, Web, correos electrónicos y fuentes de noticias para proporcionar inteligencia de mercado integral.
"La IA puede proporcionar el contexto completo sobre los datos de sus métricas. Esto no es lo mismo que simplemente trazar un gráfico, le dice qué representa el gráfico en el contexto actual del mercado," explica Hidalgo. La plataforma construye lo que él llama un "grafo de conocimiento", permitiendo a los usuarios hacer preguntas específicas para traders en lenguaje natural y recibir análisis que anteriormente requerirían horas de investigación manual.
Por ejemplo, un comerciante puede pedir a la herramienta que trace la relación entre el clima y los stocks de propano en la Costa Este de los Estados Unidos. Mientras que anteriormente esto habría tomado horas para que un analista junior lo preparara, ahora un comerciante puede delegar la tarea a la plataforma y ver resultados en minutos.
Consulta dentro de DarlingAnalytics
DarlingAnalytics## ¿Qué sigue para los quants de IA?
El éxito de estas plataformas de IA plantea preguntas importantes sobre el futuro del análisis cuantitativo en finanzas. Si la inteligencia artificial puede realmente replicar el reconocimiento de patrones y las capacidades analíticas que hacen que los quants sean valiosos, podría alterar significativamente la estructura de los equipos de trading e inversión.
Para los escritorios de trading que dependen de analistas o quants para proporcionar estudios para el despliegue de riesgos, la analítica impulsada por IA ofrece una ventaja competitiva al amplificar las capacidades humanas en lugar de simplemente reemplazarlas. La tecnología promete democratizar el acceso a análisis sofisticados en toda la organización.
Sin embargo, la transición no está exenta de desafíos. Los mercados de productos básicos son notoriamente impredecibles, influidos por todo, desde tensiones geopolíticas hasta patrones climáticos. Las empresas que construyen estos sistemas de IA deben asegurarse de que sus plataformas puedan manejar la complejidad y la volatilidad que hacen que la experiencia humana sea tan valiosa en primer lugar.
Como dice Hidalgo, el objetivo es "empoderar al usuario promedio en las empresas de comercio de materias primas" con capacidades analíticas que anteriormente eran dominio exclusivo de los especialistas.
Si la IA puede realmente reemplazar la intuición y el sentido del mercado que los traders experimentados aportan al trading sigue siendo una incógnita, pero lo que sí hace es proporcionar una ventaja en la inteligencia de datos en minutos. Sin embargo, con los principales traders de materias primas ya pilotando estos sistemas, la industria financiera parece lista para averiguarlo.