Un 'trader' que ganó un 440% en 2022 explica cómo diseñó el programa informático que compraba y vendía sus acciones automáticamente para conseguir beneficios

Gemy Zhou ha quedado segundo en la categoría de bolsa del Concurso de Inversión de Estados Unidos de 2022. Era uno de los 326 participantes de todo el mundo que ponían a prueba sus habilidades bursátiles en el peor año para el mercado desde 2008. 

Zhou tenía una gran ventaja: su conocimiento data science (ciencia de datos) y programación. Participó en el concurso para poner a prueba un programa informático de compraventa de acciones que había pasado un par de años desarrollando y ajustándolo al mercado. 

El programa hizo operaciones en su nombre de forma automática y le reportó una monstruosa ganancia del 440,4% en el año, según los extractos mensuales de cuentas de bolsa consultados por Business Insider. Superó con creces al S&P 500, que cayó un 19,4%.

Pero no te creas que es tan fácil repetir este rendimiento, ni que puedas hacerlo en casa. 

Norman Zadeh, el fundador de la competición, se quedó en shock cuando se enteró de que Zhou había construido su propio programa y lo había utilizado en la competición. Pero como antiguo profesor de estudios de operaciones —una rama de las matemáticas aplicadas— en universidades como Stanford y Columbia, cree que hay pocas probabilidades de que Zhou pueda volver a conseguir esas cifras. 

"Su rendimiento es probablemente una combinación de habilidad y suerte", dice Zadeh a Business Insider tras conocer el planteamiento de Zhou. "Lo más probable es que vuelva al 30% el año que viene. Y desde luego no le recomendaría a nadie que intente ganar fácilmente un 440% en bolsa. Creo que cualquiera que opere en bolsa debería estar contento si gana un 5% o un 10%".

Zadeh cree que cualquiera que pueda obtener rendimientos significativos en el mercado debería estar especialmente orgulloso de sí mismo, porque el mercado de valores no es un terreno de juego realmente nivelado.

El anterior intento de Zhou no tuvo éxito. En 2004, intentó negociar acciones chinas en la Bolsa de Shanghai. Por aquel entonces, examinaba los datos de las empresas y los informes de beneficios en busca de fundamentos sólidos. Fue un proceso laborioso y lento. Y apenas le salía rentable, cuenta a Business Insider. 2 años después, llegó a la conclusión de que el trading no era lo suyo. 

Poco después, Zhou se mudó a Canadá y dejó atrás su negocio de equipos informáticos. Cuando se instaló, no tenía perspectivas de trabajo y vivía de sus ahorros. Sólo tenía tiempo libre. Así que se propuso mejorar sus conocimientos, sobre todo estudiando ciencia de datos y aprendizaje automático. Uno de sus principales recursos fue Coursera, una plataforma online que ofrece cursos de tipo de temas.

A Zhou siempre le había interesado todo lo que tuviera potencial para ganar dinero. Y como la ciencia de datos estudia las relaciones entre datos, el mercado bursátil parecía un escenario ideal para poner a prueba sus habilidades. Al fin y al cabo, los operadores utilizan indicadores para predecir los precios. En 2020, ya estaba experimentando codificando programas que podían operar con éxito.

"Se me ocurrió que la ciencia de datos podría ser una forma de operar", dice Zhou. "Así que hice muchas pruebas y experimentos. Aunque no operaba en ese momento, investigué la cuestión a fondo".

Cómo construyó un programa para operar en el mercado

Zhou ha contado a Business Insider que, al principio, recopiló datos bursátiles utilizando Python, un lenguaje de programación informática de uso general, para extraer información histórica de 20 años de lugares como Yahoo Finanzas. 

Así consiguió entre 20 y 30 puntos de datos que incluían, por ejemplo, medias de días hábiles para distintos periodos. Los datos se utilizan para inferir la relación entre sus características y los resultados. Zhou explica que este proceso se denomina entrenamiento de modelos y permite al programa reconocer qué combinaciones pueden determinar resultados, en este caso, el precio de una acción. 

En la actualidad, utiliza el servicio de datos de Interactive Brokers para alimentar su programa con información bursátil en tiempo real para que no se quedase desactualizado en ningún momento.

Zadeh se ha dado cuenta que averiguar qué variables —ya sean los tipos de interés o las noticias— influyen más en el mercado es la gran pregunta que persigue a todo operador. Y a juzgar por los resultados de la competición de Zhou, parece que ha tenido más éxito que la mayoría, dice Zadeh. 

Pero incluso después de construir el programa, Zhou dice que todavía no sabe qué variables tienen más peso o impacto en la decisión de la máquina a la hora de realizar una operación. Ahora bien, como había sido operador en el pasado, podía hacer suposiciones fundamentadas sobre qué variables podían ser más o menos importantes en función de las condiciones del mercado. 

Cuando Zhou empezó a probar el modelo en 2020 y 2021, estaba en equilibrio hasta que hizo algunos ajustes. El principal fue reducir el peso que el movimiento de los precios a corto plazo tenía en la decisión del programa de ejecutar una operación. 

Para ello, aumentó el umbral de tiempo que el precio debe moverse antes de que el programa reaccione para evitar desencadenar una operación antes de tiempo. Este ajuste fue especialmente importante en el mercado altamente volátil de 2021. Pero cuando el mercado se ralentizó el año pasado, redujo el umbral. 

He preguntado a ChatGPT cómo invertir durante una recesión y la IA me ha dado una estrategia en 5 claves para equilibrar mi cartera: este es el plan

El programa de Zhou ejecuta posiciones largas y cortas. Cuando se emite la primera orden para entrar en una posición, la segunda orden (orden de cierre) también se emite al mismo tiempo a un precio calculado. Las posiciones pueden mantenerse durante una hora o hasta el cierre del mercado si no se dan las condiciones adecuadas. 

En ese momento, Zhou decide si está dispuesto a mantener la acción durante la noche o si la venderá manualmente.

El programa negocia acciones que van desde los centavos a menos de un dólar por acción hasta las de gran capitalización y realiza entre 20 y 50 operaciones al día. El número de acciones viene determinado por una cantidad preestablecida, normalmente en torno al 1-2% de la cartera de Zhou y la disponibilidad de la oferta del mercado, o la cantidad ofrecida al precio de oferta en el mercado. 

Cómo el programa de Zhou encuentra oportunidades en el mercado

Por ejemplo, a las 11:32 del 22 de mayo, el programa recibió un cambio de precio de Armstrong Flooring Inc (AFI), que desde entonces ha dejado de cotizar en bolsa. El programa evaluó el valor de la operación, lo que activó una señal de compra de 7.500 acciones. 

El sistema colocó inmediatamente una orden de compra al precio de demanda de mercado de 0,3004 dólares y, al mismo tiempo, colocó una orden de venta de cierre de 0,3449 dólares, que se calculó mediante varios factores, como la volatilidad del mercado y las históricas del valor. Unos 20 minutos más tarde, el precio de mercado subió y alcanzó el precio de la orden de venta y la posición se cerró.

El 17 de febrero de 2022, a las 9:31, el sistema detectó un cambio de precio para Knowbe4 Inc. (KNBE). El programa colocó inmediatamente una orden de venta de 49 acciones a un precio de oferta en el mercado de 24,57 dólares. Al mismo tiempo, colocó una orden de compra de cierre a 21,79 dólares, que se calculó en función de varios factores, como la volatilidad del mercado y las del valor. 

Unos 17 minutos después, el precio de mercado bajó y alcanzó el precio de la orden de compra, y la posición se cerró. 

Olvídate de ChatGPT: un fondo de inversión basado en IA y el superordenador de IBM está batiendo silenciosamente al mercado en casi un 100%

En resumen, Zadeh explica que Zhou básicamente diseñó un programa informático que generaba operaciones automáticamente. Esto es similar a lo que hacen los fondos de cobertura cuantitativos como Renaissance Capital a una escala mucho mayor. El problema es que, al estar en un entorno en constante cambio, hay que modificar el programa, y eso es lo complicado.

Matt Monaco, un operador de bolsa de 24 años que ganó más de 1,4 millones de dólares en 2 años, dice que ha visto vídeos en YouTube de gente que intenta hacer programas básicos de trading utilizando inteligencia artificial. 

Monaco pasó a formar parte de la oleada de nuevos inversores particulares que han inundado cada vez más el mercado en los 2 últimos años. Cree que la combinación de inversores particulares y su uso de máquinas para operar probablemente aumentará a medida que programas como ChatGPT hagan más accesible la inteligencia artificial. 

Monaco, licenciado en ingeniería de software, intentó un enfoque similar cuando empezó a operar. Pero uno de los mayores problemas que tuvo fue construir un algoritmo que pudiera funcionar bien en todas las condiciones del mercado. 

Actualmente, el programa está configurado para funcionar en mercados menos volátiles, y Zhou dice que no está seguro de que pueda seguir obteniendo este tipo de rendimientos. Depende de cómo evolucione el mercado de valores y de si él puede hacer los ajustes necesarios en su programa, reconoce. 

Zhou dice que lo que ha aprendido de su experiencia es que, independientemente de que se utilice un programa o se opere manualmente, hay que poner a prueba la teoría. Lo segundo que aprendió es que las condiciones del mercado son muy importantes. A medida que esas condiciones cambian, su estrategia también debería hacerlo.