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

Depende del inversor.
¿Los algoritmos hacen inversiones mejores y más justas que los inversores ángeles?
Resumen.

¿Puede un algoritmo superar al inversor ángel promedio? Y si es posible, ¿significa eso que también hará inversiones menos sesgadas? Los investigadores ponen a prueba estas preguntas: construyeron un algoritmo de inversión y lo pusieron cara a cara con 255 inversores ángeles en una simulación, pidiéndole que seleccionara las oportunidades de inversión más prometedoras entre 623 transacciones de una de las redes de ángeles más grandes de Europa. ¿Los resultados? El algoritmo superó significativamente al inversor novato promedio e incluso a los inversores experimentados que cayeron presa de sesgos cognitivos, pero fue superado por el nivel superior de inversores experimentados, que podían controlar sus propios sesgos. Si bien el algoritmo puede haber tomado decisiones menos sesgadas en lo que respecta a la raza y el género de los fundadores que eligió, también reflejó desigualdades sistémicas e ilustró los límites de cómo se puede utilizar la inversión algorítmica para abordar las profundas desigualdades sociales. Aun así, el experimento ofrece una visión de cómo —y cuándo— los inversores podrían desplegar ayudas algorítmicas similares en sus inversiones y cómo podría llevar a decisiones mejores y más justas.


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

Sin embargo, la mayoría de los inversores en startups no tienen acceso a recursos al estilo de Google y siguen haciendo las cosas a la antigua usanza. Los inversores ángeles, por ejemplo, dependen en gran medida de la intuición para hacer inversiones. Sin embargo, a medida que avanza la tecnología y disminuye el coste de crear algoritmos potentes mediante el aprendizaje automático, estos inversores tendrán que decidir si incorporan la IA. ¿Puede superar el juicio humano al tomar decisiones de inversión en las primeras etapas? ¿Y cómo deberían usarlo los inversores ángeles?

Para responder a estas preguntas, creamos un algoritmo de inversión y comparamos su rendimiento con los rendimientos de 255 inversores ángeles. Utilizando técnicas de aprendizaje automático de última generación, entrenamos el algoritmo para seleccionar las oportunidades de inversión más prometedoras entre 623 transacciones de una de las redes de ángeles más grandes de Europa. Las decisiones del algoritmo se basaron en los mismos datos que estaban disponibles para los inversores ángeles en ese momento, que incluían material de presentación, perfiles de redes sociales, sitios web,. Utilizamos estos datos para predecir las perspectivas de supervivencia de una startup, en lugar de medidas como la valoración, que los inversores suelen favorecer, porque nos permitió entrenar el algoritmo con un conjunto de datos mucho más grande y fiable.

Para nuestra prueba, utilizamos este modelo de predicción para simular inversiones y comparar los rendimientos de las carteras de los inversores ángeles con las creadas por el algoritmo. Además, investigamos cómo los inversores ángeles de diversa experiencia (novatos con menos de 10 inversiones frente a inversores expertos con al menos 10 inversiones) se mostraron en relación con el rendimiento del algoritmo. Los inversores ángeles expertos de nuestra muestra, en promedio, realizaron aproximadamente el doble de inversiones que los novatos (12,2 frente a 5,2) e invirtieron el doble de la cantidad por startup (10.530€ frente a 4.548€).

Los resultados fueron sorprendentes y ofrecen una visión significativa de cómo y cuándo podrían utilizarse 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 experimentados les ha ido mucho mejor. Como tal, nuestra investigación muestra cómo los sesgos dan forma a las decisiones de los inversores humanos y cómo trabajar con algoritmos podría ayudar a producir una rentabilidad de inversión mejor y más justa.

El algoritmo frente a los ángeles

Ha sido bien documentado que los sesgos cognitivos, es decir, desviaciones sistemáticas del comportamiento racional, conducen a un rendimiento de inversión inferior. Medimos cinco sesgos: 1) sesgo local, que describe la tendencia de los inversores ángeles a realizar inversiones que están muy cerca de sí mismos; 2) aversión a las pérdidas, es decir, la tendencia de los inversores ángeles a ser más sensibles a las pérdidas potenciales que a las ganancias potenciales; 3) exceso de confianza, cuando los inversores» sobrecomprometidos» y gastaron mucho más dinero en una startup de lo que normalmente harían; 4) sesgo de género; y 5) sesgo racial. Nuestros datos muestran que todos los sesgos estaban presentes entre los inversores ángeles con exceso de confianza —al que el 91% cayó presa al menos una vez—, siendo el sesgo más frecuente y fuerte para afectar los rendimientos de las inversiones.

Debido a que los sesgos cognitivos hacen que los inversores tomen decisiones de inversión irracionales, no es sorprendente que nuestro algoritmo de inversión supere el promedio humano. Si bien el algoritmo logró una tasa interna de rendimiento (TIR) media del 7,26%, los 255 inversores ángeles —en promedio— obtuvieron una TIR del 2,56%. Dicho de otra manera, el algoritmo produjo un aumento de más del 184% sobre la media humana.

Sin embargo, no todos los inversores son igualmente susceptibles a sus sesgos. Por ejemplo, los inversores ángeles con signos más bajos de comportamiento irracional en sus carteras tuvieron un rendimiento significativamente mejor que sus contrapartes bastante irracionales: el grupo novato menos sesgado promedió el 3,51%, mientras que el grupo novato con sesgos más altos, en promedio, perdió dinero a una TIR del -20,52%.

Intrigados por estos resultados, investigamos si el algoritmo ganaría incluso cuando los inversores tenían mucha experiencia. Lo que descubrimos es que los inversores ángeles experimentados mostraron muchos menos signos de sesgos cognitivos y, por lo tanto, lograron una rentabilidad de inversión significativamente mejor. Este grupo de élite de inversores ángeles experimentados logró una TIR media del 22,75%. Sin embargo, la experiencia por sí sola no funciona: los inversores que tenían mucha experiencia pero también mostraron altos niveles de sesgos cognitivos lograron, en promedio, 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 en la toma de decisiones de inversión en las primeras etapas.

Hay otro factor que encontramos en juego, que puede dar una ventaja a los algoritmos. Lograr una mayor rentabilidad de la cartera en la inversión de riesgo tiene dos aspectos: proteger la desventaja y aumentar las alzas. Una tesis central y el enfoque principal de la inversión de riesgo siempre ha sido encontrar valores atípicos estadísticos (es decir, «unicornios»); nuestro estudio, sin embargo, da motivos para repensar esta hipótesis central de inversión en inversión ángel. Al predecir las probabilidades de supervivencia, el algoritmo pudo elegir carteras mucho mejores que la gran mayoría de los 255 inversores ángeles. Como tal, nuestros datos sugieren que, en el esquema más amplio de las cosas, podría ser más importante evitar una mala inversión que intentar hacer un jonrón. Dados sus fondos limitados, los ángeles solo invierten en una cantidad limitada de emprendimientos y, por lo tanto, deben tener mucho cuidado con cada inversión. Por lo tanto, se pregunta «¿es este un negocio viable con muy altas posibilidades de supervivencia?» podría ser más valioso para lograr mayores rendimientos de cartera que buscar la aguja en el pajar.

¿Mejor también significa más justo?

Ha habido un amplio debate sobre si los algoritmos están sesgados por sus creadores. En nuestro caso, los resultados de los datos de entrenamiento no fueron clasificados por humanos directamente (comparados, por ejemplo, con algoritmos de contratación, donde los humanos deciden quién ha sido un buen empleado en el pasado). El algoritmo se entrenó con 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 cartera del algoritmo se vio menos influenciada por los sesgos clásicos de inversión, como la aversión a las pérdidas o el exceso de confianza. Sin embargo, eso no significa que no haya mostrado sesgo. Nos sorprendió ver que el algoritmo tendía a elegir emprendedores blancos en lugar de empresarios de color y prefería invertir en startups con fundadores masculinos.

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

Por lo tanto, la IA puede ser capaz de contrarrestar los procesos de toma de decisiones erróneos de inversores individuales con poca experiencia en inversiones, por ejemplo, puede ayudar a corregir a los inversores que sobrestiman su capacidad de evaluar el riesgo de una inversión determinada. Sin embargo, utilizar la IA como medio para luchar contra las desigualdades sociales es más difícil. Aunque todas las fuentes de datos eran objetivas y estaban libres de juicio humano en nuestro caso, y el algoritmo no se alimentaba de datos de raza y género, todavía se tomaban decisiones sesgadas. Pero el algoritmo en sí no tomaba decisiones sesgadas; reproducía las desigualdades sociales inherentes a nuestros datos de formación. 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. Recientes investigación muestra que las mujeres están en desventaja en el proceso de financiación y, en última instancia, consiguen menos capital de riesgo, lo que puede hacer que sus nuevas empresas no tengan tanto éxito. En otras palabras, los mecanismos sociales que hacen que las empresas de fundadoras femeninas y no blancas mueran en una etapa anterior solo son proyectados por la IA en un círculo vicioso de discriminación futura.

Es importante destacar que nuestros resultados indican que la eliminación consciente de las decisiones de raza y género podría aumentar no solo la equidad, sino también el rendimiento de las decisiones de inversión en las primeras etapas. 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 que estaban libres de 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 recursos. Esta compensación también es evidente en la toma de decisiones algorítmicas. Nunca podemos esperar que la IA tenga una solución integrada para resolver automáticamente los problemas sociales inherentes a los datos que le proporcionamos.

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, en promedio, superar a su contraparte humana. Al mismo tiempo, las personas más exitosas —inversores experimentados capaces de corregir sus sesgos cognitivos— superan al algoritmo en términos de eficiencia y equidad.

Por supuesto, esto 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 posibles resultados futuros en lugar de decisiones. Dependiendo de cómo se vayan a utilizar las predicciones, se basan en el juicio humano que puede (o no) dar lugar a una mejor toma de decisiones y acciones. En entornos de decisión complejos e inciertos, la cuestión central no es si se debe sustituir la toma de decisiones humana, sino cómo debe aumentarse combinando las fortalezas de la inteligencia humana y la inteligencia artificial, una idea que se ha denominado inteligencia híbrida.

Inteligencia artificial en el bucle. Nuestra investigación muestra que los algoritmos podrían ayudar a los inversores novatos a tomar decisiones de inversión en sus primeras etapas. Iniciar la inversión ángel con la ayuda de un algoritmo permite a los inversores novatos evitar las advertencias de decisión y, por lo tanto, lograr mayores rendimientos al principio de su carrera de inversión, lo que les anima a seguir invirtiendo. Los ángeles que siguen invirtiendo proporcionan recursos importantes a un ecosistema que fomenta la creación de empleo y la innovación. Por lo tanto, vemos mucho potencial en inversión algoritmos para formar inversores novatos en la toma de decisiones de tipo experto que se traducen en una mejora de los rendimientos financieros.

Inteligencia humana al corriente. Para los inversores ángeles más experimentados que han aprendido a gestionar sus sesgos cognitivos, nuestros hallazgos muestran que su intuición debe considerarse el estándar de oro de la inversión en las primeras etapas. Por lo tanto, los algoritmos no solo deben capacitarse en datos «objetivos» de rendimiento del pasado que reproducen 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 experimentados 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 en sus primeras etapas siguen estando dominadas por inversores ángeles experimentados. La clave para crear un algoritmo de inversión que, en última instancia, pueda reemplazar incluso a los inversores ángeles más experimentados en la toma de decisiones de inversión no solo radica en contrarrestar los sesgos humanos, sino también en imitar la intuición de los expertos para encontrar las oportunidades de inversión más prometedoras.

Related Posts

4 maneras de obtener comentarios honestos y críticos de sus empleados

Es importante como líder entender cómo es percibido por aquellos que administra, pero desafortunadamente demasiados gerentes no son conscientes de sí mismos. Es posible que sientas que estás recibiendo los comentarios que necesitas de un 360 formal, pero eso rara vez no es suficiente. En su lugar, asegúrese de pedir directamente información sobre su liderazgo y animar a las personas de su equipo a plantear preocupaciones, incluso si contradicen sus posiciones. Aprende a leer señales no verbales. Pueden proporcionar un flujo constante de comentarios útiles sobre cómo se reciben tus palabras y acciones, incluso si las personas no están dispuestas a decirte lo que piensan. Esté atento a las narrativas autojustificantes o autotranquilizantes que podría contarse a sí mismo, como «Ellos entienden que a veces te impacientes, pero saben que es porque realmente te importa». Por último, asegúrese de conocer sus desencadenantes. Tal vez reaccionas defensivamente cuando te enfrentas a errores o te conviertes en sarcástico o pasivo-agresivo cuando no te sale a tu manera. Hazle saber a la gente que eres consciente de estas debilidades y pídele que te llamen cuando te involuccas en un mal comportamiento.

Leer más
Las finanzas globales y la retirada hacia el comercio administrado

Las finanzas globales y la retirada hacia el comercio administrado

El debate sobre la competitividad que hoy se centra en el desempeño industrial de Estados Unidos pronto confrontará a algo aún más que fundamental: dinero. El aumento del poder financiero japonés y las contradicciones de la política económica de los Estados Unidos están debilitando la posición competitiva de la industria de los servicios financieros de los Estados Unidos, uno de los pocos sectores donde los Estados Unidos siguen siendo [...]
Leer más
Dos investigadores destacados debaten el valor de los datos extraños

Dos investigadores destacados debaten el valor de los datos extraños

Las empresas a menudo enfrentan problemas grandes y desordenados, desafíos que desafían la definición precisa, cambian constantemente y tienen numerosas causas. Para encontrar soluciones, dice Roger Martin, Decano de la Escuela de Gestión y Autor de Rotman de la Universidad de Toronto y autor del diseño de Negocios (Harvard Business Press), los gerentes deben moverse a través de un "embudo de conocimiento" que comprende tres etapas: Mirando a [...]
Leer más

Newsletter

Avanza tu carrera profesional, con el resumen semanal de las publicaciones, un libro de negocio resumido en 10 minutos y entrevistas con líderes de negocio