4 min lectura
Un estudiante de secundaria de la zona rural de Oklahoma acaba de lograr lo que los algoritmos de Wall Street no han conseguido: dejó que ChatGPT manejara libremente $100 y observó cómo superaba al mercado por un margen masivo.
El experimento de Nathan Smith comenzó hace cuatro semanas con una premisa simple: dar a ChatGPT control completo sobre un pequeño portafolio de acciones de micro capitalización y ver qué pasaba.
¿Los resultados? Un retorno del 23,8% mientras que el Russell 2000 y el ETF biotecnológico XBI apenas subieron un 3,9% y 3,5% respectivamente.
Imagen: Nathan Smith
"Cuando estaba viendo YouTube, constantemente me aparecía este anuncio sobre algún selector de acciones con inteligencia artificial: '(el anuncio decía) Alimentamos nuestro algoritmo de trading con todas las acciones del NYSE bla bla bla...'", le dijo Smith a Decrypt. "Entonces comencé a investigar y me sorprendió que nadie hubiera intentado antes un portafolio completamente liderado por un Large Language Model (LLM)".
La configuración suena engañosamente simple. Smith le dio a ChatGPT un mandato claro: construir el portafolio de acciones más sólido posible utilizando solo posiciones de acciones completas en acciones estadounidenses de micro capitalización con capitalizaciones de mercado menores a $300 millones. El objetivo era directo: generar el máximo retorno desde el 27 de junio hasta el 27 de diciembre de 2025.
Lo que distingue esto de otros algoritmos de trading es la completa autonomía.
"La inteligencia artificial se encarga de absolutamente todo. El dimensionamiento de posiciones, stop loss, etc., no son decisiones mías", le dijo Smith a Decrypt en un correo electrónico. La única intervención humana ocurre cuando ChatGPT se contradice a sí mismo, una peculiaridad que reconoce como una de las desventajas del sistema.
Smith recientemente calculó las métricas de riesgo por las que los traders profesionales se obsesionan.
Su ratio de Sharpe se sitúa en 0,9413, indicando alto riesgo, mientras que el ratio de Sortino de 2,0021 sugiere fuertes ganancias al alza con limitadas pérdidas a la baja. Para contexto, un ratio de Sharpe por encima de 1,0 generalmente se considera bueno, mientras que cualquier cosa por debajo sugiere que los retornos podrían no justificar el riesgo.
El chatbot, que es completamente de código abierto y está disponible en el repositorio de GitHub de Smith, no tiene manos de diamante y parece ser bastante objetivo, la mayoría del tiempo.
Uno de los movimientos de ChatGPT involucró CADL, una acción que generó aproximadamente el 50% de las ganancias del portafolio.
"Vendió CADL sin pensarlo dos veces", dijo Smith. "Creo que sabiamente sabía que en territorio de micro capitalización, todas las ganancias pueden ser eliminadas en un instante. No muchos fondos de cobertura podrían hacer un movimiento tan decisivo".
El sistema de Smith ha estado operando por solo un mes, lo cual no es suficiente para hacer backtesting o evaluar con un alto nivel de confianza, pero los resultados positivos hasta ahora son prometedores.
La infraestructura técnica detrás de este experimento es un poco más compleja que simplemente usar tu chatbot típico, pero aún es sencilla de implementar con un poco de dedicación.
Smith construyó cinco funciones principales: compra y venta manual para nuevas selecciones, procesamiento de portafolio para rastrear operaciones, generación de resultados diarios usando datos de Yahoo Finance, y generación de gráficos para visualizar el rendimiento contra el S&P 500.
"Honestamente, la configuración es bastante simple", dijo, describiendo un sistema que extrae precios de referencia de la API de Yahoo Finance hacia marcos de datos de Pandas para análisis.
ChatGPT elige acciones una vez por semana, y siempre se mantiene bajo el límite de capitalización de mercado de $300 millones, mientras Smith ejecuta las operaciones y registra los resultados.
El adolescente de un pequeño pueblo de Oklahoma descubrió su pasión casi por accidente. "He programado un poco en el pasado (trabajando en el curso online CS50 de Harvard), pero usar C no se sentía estimulante (estúpidos errores de falla de segmentación)", le dijo a Decrypt. "Durante el verano, descubrí las Finanzas Cuantitativas y la belleza de Python, y me enamoré".
Oh, las cosas que hacen los estudiantes de secundaria hoy en día.
Con casi 1.000 commits en GitHub este año pasado y una buena cantidad de seguidores en su newsletter, Smith se ha sumergido en el mundo de las finanzas cuantitativas. Planea extender el experimento a un año completo una vez que termine en diciembre, aunque admite que equilibrarlo con estudiar para el ACT y auto-estudiar para AP Psychology será desafiante.
"Realmente creo que he encontrado mi pasión en la vida y espero continuar esto como un trabajo real algún día", dijo Smith.
Decrypt-a-cookie
This website or its third-party tools use cookies. Cookie policy By clicking the accept button, you agree to the use of cookies.