El analista técnico en Bolsa suele apoyarse en indicadores para establecer su predicción bursátil y en virtud de ello tomar decisiones de compra o venta de valores. Lo malo de los indicadores es que usualmente no son chivatos todo-terreno, capaces de facilitar una información valiosa en cualquier circunstancia del mercado y para cualquier título sino que, muy al contrario, para ser verdaderamente eficientes requieren amoldarse al caso concreto. En Bolsa es mejor el traje a medida que el prêt-à-porter y para que el traje se ajuste es necesario encontrar el valor óptimo de los parámetros del indicador técnico.

    Una estrategia del análisis técnico puede ser, por ejemplo, tan sencilla como comprar cuando el promedio de las cotizaciones de las últimos seis días supera al de los últimos sesenta días y vender cuando ocurre lo contrario. Ahora bien, que los promedios a usar sean sobre 6 y 60 días quizás resulte adecuado para las acciones de la Telefónica, pero no necesariamente para las de otra sociedad, a las que puede convenirles un número de días de promedio totalmente diferentes. Ahí es donde surgen los problemas de optimización, porque es necesario probar caso a caso cual es el promedio de días más adecuado a emplear y la dificultad se acrecienta enormemente si la estrategia contiene más detalles o si, como es normal, el analista toma decisiones en virtud de una estrategia que atiende a varios indicadores al tiempo, donde a cada uno de ellos se le asigna un determinado peso que también debe optimizarse y cada indicador depende a su vez de una considerable cantidad de parámetros que exigen ser optimizados. Por mucho que los ordenadores acaben echando humo, los problemas se vuelven virtualmente imposibles de resolver en un tiempo razonable.

    Una solución de compromiso para resolver la cuestión de la optimización es acordarse de Darwin y pensar que también se pudo interesar por las finanzas. Se trata de simular un proceso de evolución natural y suponer que cada solución que tengamos de nuestra estrategia es un individuo y que el conjunto de todas ellas es una población. Más que preocuparnos de cada individuo procuramos quedarnos con una versión codificada del mismo, tal como si lo identificásemos por su ADN. Después de eso se trata de permitir la reproducción de nuestra población, seleccionando para ello solo a individuos que muestren ser una buena solución al problema. No conviene elegir de forma muy estricta solo a los mejores individuos sino que suele ser preferible utilizar una cierta presión selectiva pero manteniendo la diversidad poblacional. Una vez efectuada la selección se utiliza el cruce, intercambiando parte del ADN de parejas de individuos de forma que los hijos tengan características cruzadas de sus progenitores. Un toque conveniente para ganar en diversidad es introducir perentoriamente alguna mutación, alterando ligeramente parte del ADN de un individuo. De la nueva generación se selecciona ahora a los individuos mejor clasificados para reproducirse otra vez por cruce, continuando con el proceso generacional hasta alcanzar el óptimo.

    Con tal técnica se consigue de forma más rápida y efectiva encontrar el traje a medida que debe usarse para tomar decisiones en torno al valor que cotiza en Bolsa. Los algoritmos genéticos, aunque parezcan exóticos, como en su día lo fueron las Islas Galápago, tienen una fundamentación matemática sólida y permiten acometer multitud de problemas complejos que se plantean en el terreno de la predicción bursátil. La técnica aún es demasiado novedosa como para estar plenamente implantada en el terreno bursátil, pero la fuerza atractiva de la idea en que se basan y su proximidad al mundo biológico y real le aseguran un futuro prometedor.

    Quizás Darwin, en realidad, no jugaba en Bolsa. Pero más de un inversor le financiaría con gusto ahora, si pudiese, otra vuelta del Beagle alrededor del mundo.

 

Enrique Ibañes, en fecha anterior a octubre de 2002, a título personal..