¿Los algoritmos hacen inversiones mejores (y más justas) que los inversores ángeles?

Estudio Creativo/Stocksy

Muchos grandes fondos de capital riesgo utilizan la inteligencia artificial (IA) para apoyo sus decisiones de inversión. Bill Maris, exsocio gerente de Google Ventures, dijo una vez que cuando «tiene acceso a los conjuntos de datos más grandes del mundo… sería absurdo salir y hacer inversiones instintivas».

Sin embargo, la mayoría de los inversores emergentes no tienen acceso a recursos al estilo de Google y siguen haciendo las cosas a la antigua usanza. Los inversores ángeles, por ejemplo, se basan en gran medida en el instinto para hacer inversiones. Pero a medida que la tecnología avance y el coste de crear algoritmos potentes mediante el aprendizaje automático disminuya, estos inversores tendrán que decidir si incorporan la IA. ¿Puede superar el juicio humano a la hora de tomar decisiones de inversión en una fase inicial? ¿Y cómo deberían usarlo los inversores ángeles?

Para responder a estas preguntas, creamos un algoritmo de inversión y comparamos su rendimiento con la rentabilidad de 255 inversores ángeles. Utilizando técnicas de aprendizaje automático de última generación, hemos entrenado el algoritmo para seleccionar las oportunidades de inversión más prometedoras entre las 623 operaciones de una de las mayores redes de ángeles de Europa. Las decisiones del algoritmo se basaron en los mismos datos de los que disponían los inversores ángeles en ese momento, que incluían material de presentación, perfiles en redes sociales, sitios web, etc. Utilizamos estos datos para predecir las perspectivas de supervivencia de una empresa emergente, en lugar de medidas como la valoración, que los inversores suelen preferir, porque nos permitían entrenar el algoritmo con un conjunto de datos mucho más amplio y fiable.

Para nuestra prueba, utilizamos este modelo de predicción para simular inversiones y comparar la rentabilidad de las carteras de los inversores ángeles con las que creó el algoritmo. Investigamos más a fondo cómo les fue a los inversores ángeles con diferentes experiencias (novatos con menos de 10 inversiones frente a inversores expertos con al menos 10 inversiones) en relación con el rendimiento del algoritmo. Los inversores ángeles expertos de nuestra muestra, de media, hicieron aproximadamente el doble de inversiones que los novatos (12,2 frente a 5,2) e invirtieron el doble de la cantidad por empresa emergente (10 530 euros frente a 4 548 euros).

Centro de información

• La IA y la igualdad

  Patrocinado por SAS

  Diseñar sistemas que sean justos para todos.

Los resultados fueron sorprendentes y ofrecen una visión significativa de cómo (y cuándo) se pueden utilizar las herramientas de inversión algorítmica para obtener el máximo beneficio. Según nuestro investigación, el algoritmo supera fácilmente a los inversores novatos: con su limitada experiencia de inversión, mostraron signos mucho más altos de sesgos cognitivos en la toma de decisiones. Sin embargo, a los inversores con experiencia les fue mucho mejor. Por lo tanto, nuestra investigación muestra cómo los sesgos moldean las decisiones de los inversores humanos y cómo trabajar con algoritmos puede ayudar a obtener rentabilidades de inversión mejores y más justas.

El algoritmo contra los ángeles

Ha sido bien documentado que los sesgos cognitivos —es decir, las desviaciones sistemáticas del comportamiento racional— conducen a un rendimiento de inversión inferior. Medimos cinco sesgos: 1) el sesgo local, que describe la tendencia de los inversores ángeles a realizar inversiones que están muy cerca de ellos mismos; 2) la aversión a las pérdidas, es decir, la tendencia de los inversores ángeles a ser más sensibles a las posibles pérdidas que a las posibles ganancias; 3) el exceso de confianza, cuando los inversores se «comprometen de más» y gastan mucho más dinero en una empresa emergente de lo que harían normalmente; 4) el sesgo de género; y 5) el sesgo racial. Nuestros datos muestran que todos los sesgos estaban presentes entre los inversores ángeles, siendo el exceso de confianza (del que el 91% cayó víctima al menos una vez) el sesgo más frecuente y fuerte que afectó a la rentabilidad de las inversiones.

Como los sesgos cognitivos hacen que los inversores tomen decisiones de inversión irracionales, no es sorprendente que nuestro algoritmo de inversión supere a la media humana. Si bien el algoritmo alcanzó una tasa interna de rentabilidad (TIR) media del 7,26%, los 255 inversores ángeles, de media, obtuvieron una TIR del 2,56%. Dicho de otra manera, el algoritmo produjo un aumento de más del 184% con respecto a la media humana.

Sin embargo, no todos los inversores son igual de susceptibles a sus sesgos. Por ejemplo, los inversores ángeles con menos señales de comportamiento irracional en sus carteras obtuvieron un rendimiento significativamente mejor que sus homólogos más bien irracionales: el grupo de novatos menos sesgado tuvo una media del 3,51%, mientras que el grupo de novatos con sesgos más altos, de media, perdió dinero con un -20,52% de TIR.

Intrigados por estos resultados, investigamos si el algoritmo ganaría incluso cuando los inversores tuvieran mucha experiencia. Lo que descubrimos es que los inversores ángeles con experiencia mostraban muchos menos signos de sesgos cognitivos y, por lo tanto, obtenían una rentabilidad de inversión significativamente mejor. Este grupo de élite de inversores ángeles con experiencia alcanzó una TIR media del 22,75%. Sin embargo, la experiencia por sí sola no sirve: los inversores que tenían mucha experiencia pero que también mostraban niveles altos de sesgos cognitivos lograron, de media, solo un 2,87% de TIR. Por lo tanto, nuestros resultados muestran que solo los inversores experimentados que pueden suprimir sus sesgos cognitivos superan eficazmente a los algoritmos de aprendizaje automático a la hora de tomar decisiones de inversión en fase inicial.

Descubrimos otro factor que estaba en juego, que puede dar una ventaja a los algoritmos. Lograr una mayor rentabilidad de cartera en la inversión de riesgo tiene dos caras: proteger las a la baja y aumentar las alcistas. Una tesis central y el objetivo principal de la inversión de riesgo siempre ha sido encontrar valores atípicos estadísticos (es decir, «unicornios»); nuestro estudio, sin embargo, da motivos para replantearse esta hipótesis de inversión central en la inversión ángel. Al predecir las probabilidades de supervivencia, el algoritmo pudo elegir carteras mucho mejores que las de la gran mayoría de los 255 inversores ángeles. Por lo tanto, nuestros datos sugieren que, en el esquema general, podría ser más importante evitar una mala inversión que intentar hacer un jonrón. Dados sus fondos limitados, los ángeles solo invierten en una cantidad finita de empresas y, por lo tanto, deben tener mucho cuidado con cada inversión. Por lo tanto, preguntarse: «¿Es este un negocio viable con probabilidades de supervivencia muy altas?» podría ser más valioso para lograr una mayor rentabilidad de la cartera que buscar la aguja en el pajar.

¿Mejor también significa más justo?

Se ha debatido ampliamente sobre si los algoritmos están sesgados por sus creadores. En nuestro caso, los resultados de los datos de entrenamiento no los clasificaron directamente los humanos (en comparación, por ejemplo, con los algoritmos de contratación, en los que los humanos deciden quién ha sido un buen empleado en el pasado). El algoritmo se basó en datos reales de supervivencia y rendimiento de cientos de empresas. Dado este alto grado de objetividad, vemos que, en comparación con el inversor medio, la selección de carteras del algoritmo estuvo menos influenciada por los sesgos de inversión clásicos, como la aversión a las pérdidas o el exceso de confianza. Sin embargo, eso no significa que no mostrara sesgo. Nos sorprendió ver que el algoritmo tendía a elegir a emprendedores blancos en lugar de a emprendedores de color y prefería invertir en empresas emergentes con fundadores hombres.

Dados estos resultados específicos, podemos decir que el controvertido debate actual en torno a los algoritmos sesgados a los que se culpa de tomar decisiones injustas es demasiado simplista y pasa por alto el problema subyacente de las expectativas exageradas. Los modelos de aprendizaje automático se entrenan con frecuencia para discriminar entre las diferentes alternativas de decisión, por ejemplo, inversiones buenas o malas en una fase inicial. La IA en sí misma, por defecto, no es irracional ni sesgada; simplemente extrapola los patrones que existen en los datos del mundo real que le damos para aprender y explotar estos patrones a fin de distinguir entre las posibles alternativas de decisión.

Por lo tanto, la IA podría contrarrestar los procesos de toma de decisiones defectuosos de los inversores individuales con poca experiencia en inversiones, por ejemplo, puede ayudar a corregir a los inversores que sobreestiman su capacidad de evaluar el riesgo de una inversión determinada. Sin embargo, usar la IA como medio para luchar contra las desigualdades sociales es más difícil. Aunque todas las fuentes de datos eran objetivas y estaban libres del juicio humano en nuestro caso (y el algoritmo no se alimentaba de datos raciales y de género), tomó decisiones sesgadas. Pero el algoritmo en sí no tomaba decisiones sesgadas, sino que reproducía las desigualdades sociales inherentes a nuestros datos de entrenamiento. Por ejemplo, uno de los factores más importantes en los que el algoritmo basó sus predicciones fue la financiación previa que había recibido la startup. Reciente investigación demuestra que las mujeres están en desventaja en el proceso de financiación y, en última instancia, recaudan menos capital riesgo, lo que puede llevar a que sus empresas emergentes no tengan tanto éxito. En otras palabras, la IA acaba de proyectar los mecanismos sociales que hacen que las empresas de fundadoras y no blancas mueran en una fase más temprana en un círculo vicioso de discriminación futura.

Es importante destacar que nuestros resultados indican que sesgar conscientemente las decisiones por raza y género podría aumentar no solo la equidad, sino también el rendimiento de las decisiones de inversión en fase inicial. Por ejemplo, descubrimos que los inversores experimentados que invierten en empresas de fundadores no blancos superaron sistemáticamente a nuestro algoritmo. Por lo tanto, estos inversores experimentados tomaron decisiones de inversión exitosas sin los patrones implícitos de discriminación que socavaban los resultados de nuestro algoritmo. En general, siempre hay un equilibrio entre equidad y eficiencia en la asignación de los recursos. Esta compensación también es evidente en la toma de decisiones algorítmicas. No podemos esperar que la IA tenga una solución integrada para resolver automáticamente los problemas sociales que son inherentes a los datos que le suministramos.

Un enfoque híbrido

Nuestra investigación subraya las ventajas de utilizar la IA en las primeras fases de inversión. Puede procesar grandes cantidades de datos, corregir los sesgos de inversión individuales y, de media, superar a su homólogo humano. Al mismo tiempo, las personas más exitosas (inversores con experiencia capaces de corregir sus sesgos cognitivos) superan al algoritmo en términos de eficiencia y equidad.

Por supuesto, no tiene por qué ser una elección binaria entre instintos y decisiones algorítmicas. Los gestores y los inversores deben tener en cuenta que los algoritmos producen predicciones sobre los posibles resultados futuros en lugar de decisiones. Según cómo se pretenda utilizar las predicciones, se basan en el juicio humano que puede (o no) resultar en una mejora de la toma de decisiones y la acción. En entornos de toma de decisiones complejos e inciertos, la cuestión central no es, por lo tanto, si se debe reemplazar la toma de decisiones humana, sino cómo se debe aumentar mediante la combinación de los puntos fuertes de la inteligencia humana y artificial, una idea que se conoce como inteligencia híbrida.

La inteligencia artificial está al día. Nuestra investigación muestra que los algoritmos podrían ayudar a los inversores novatos a tomar decisiones de inversión en fase inicial. Empezar a invertir de ángeles con la ayuda de un algoritmo permite a los inversores novatos evitar las advertencias en la toma de decisiones y, por lo tanto, lograr una mayor rentabilidad al principio de su carrera como inversor, lo que les anima a seguir invirtiendo. Los ángeles que siguen invirtiendo proporcionan importantes recursos a un ecosistema que fomenta la creación de empleo y la innovación. Por lo tanto, vemos mucho potencial en inversión algoritmos para formar a inversores novatos en la toma de decisiones tipo experto que se traducen en una mejora de la rentabilidad financiera.

La inteligencia humana está al tanto. Para los inversores ángeles con más experiencia que han aprendido a gestionar sus sesgos cognitivos, nuestras conclusiones muestran que su intuición debe seguir considerándose el estándar de referencia de la inversión inicial. Por lo tanto, los algoritmos no solo deben entrenarse en datos «objetivos» de desempeño pasado que reproduzcan fácilmente los sesgos sociales, sino también en las decisiones y acciones de estos tomadores de decisiones seleccionados. Por lo tanto, al mismo tiempo, vemos potencial en inversores con experiencia para entrenar algoritmos de inversión t para tomar decisiones de inversión mejores y más justas.

Al final, a pesar de que la IA está entrando rápidamente en los mercados financieros, las mejores inversiones iniciales de su clase siguen dominadas por inversores ángeles con experiencia. La clave para crear un algoritmo de inversión que, en última instancia, pueda reemplazar incluso a los inversores ángeles más experimentados a la hora de tomar sus decisiones de inversión no solo reside en contrarrestar los sesgos humanos, sino también en imitar la intuición de los expertos para encontrar las oportunidades de inversión más prometedoras.