Adam Riley (BlackRock): “El modelo guía las decisiones, pero la supervisión es humana”
El gigante estadounidense gestiona 350.000 millones de euros en inversión sistemática, un mecanismo híbrido que se basa en algoritmos y en el análisis masivo de datos
Durante años, la inversión sistemática vivió en los márgenes del negocio financiero, asociada a modelos cuantitativos opacos, difíciles de explicar y aún más de vender. Hoy, en plena fiebre por la inteligencia artificial, esa narrativa ha cambiado. Las mismas técnicas que ahora popularizan herramientas como ChatGPT —análisis masivo de datos, procesamiento del lenguaje o modelos predictivos— llevan más de una década integradas en el proceso inversor de las grandes gestoras.
BlackRock es uno de los ejemplos más claros. Su división sistemática, de la que Adam Riley (Sheffield, Reino Unido, 1981) es director de estrategia, cuenta con casi 400.000 millones de dólares bajo gestión (340.000 millones de euros), utiliza más de 300 fuentes de datos —desde transacciones hasta geolocalización— para anticipar tendencias y construir carteras. Frente a la idea de que un algoritmo toma todas las decisiones, la firma insiste en un enfoque híbrido: máquinas que procesan información a gran escala y gestores que supervisan y controlan el riesgo.
P. ¿Qué es exactamente la inversión sistemática y en qué se diferencia de la gestión tradicional?
R. Es una forma de invertir basada en datos que se sitúa entre la gestión indexada y la gestión activa fundamental. El enfoque cuantitativo clásico estaba más ligado a factores [dar más peso a empresas de perfil de crecimiento, o de calidad, o value], pero nosotros hemos evolucionado hacia un modelo más centrado en la selección de valores.
P. ¿Dónde encaja este modelo dentro del espectro de inversión?
R. Está cerca de la indexación, con un tracking error del 1% al 2%. Eso permite mantener una gran diversificación, pero con un control estricto del riesgo.
P. ¿Utilizan herramientas como ChatGPT?
R. Llevamos usando modelos de procesamiento del lenguaje natural y machine learning desde hace años. Ya en 2012 analizábamos informes de analistas mediante diccionarios de palabras.
P. ¿Qué ha cambiado ahora?
R. Hoy analizamos unos 6.500 informes diarios con modelos que entienden el contexto.
P. ¿Para qué utilizan las nuevas aplicaciones de inteligencia artificial?
R. Para la lectura de informes de analistas sobre empresas, transcripciones de conferencias sobre resultados, redes sociales, noticias, reseñas de productos, informes de gestión responsable e inversión temática. En inversión temática —utilizamos el procesamiento de lenguaje natural para analizar el impacto de tendencias como nuevos medicamentos— y también en el tratamiento de datos no estructurados. También nos ayudan a limpiar y mejorar la investigación y la calidad de los datos.
P. ¿Cuáles han sido las principales mejoras de estos años?
R. La profundidad del análisis. Antes los modelos sistemáticos tenían mucha amplitud, pero poco conocimiento detallado de las compañías. Hoy podemos analizar resultados, noticias, redes sociales o informes de analistas. Eso nos permite combinar amplitud y profundidad.
P. ¿Trabajan solo con estrategias largas o también incluyen cortos?
R. Depende del producto. En fondos cotizados y fondos tradicionales operamos con estrategias de solo posiciones largas. En cambio, en alternativas líquidas y hedge funds sí podemos tener también posiciones cortas sobre un valor.
P. ¿Qué tamaño tiene esta área dentro de BlackRock?
R. Tenemos unas 220 personas, repartidas entre perfiles financieros y técnicos. Gestionamos unos 394.000 millones de dólares, principalmente en renta variable, pero también renta fija y activos alternativos.
P. ¿Quién invierte en este tipo de estrategias?
R. Históricamente, eran clientes institucionales. Pero en los últimos años hemos visto una fuerte entrada en gestión patrimonial, entre los que se incluyen bancos minoristas, aseguradoras y banca privada.
P. ¿Qué explica ese cambio?
R. Tres factores. Primero, la consistencia de resultados en distintos entornos de mercado. Segundo, el auge de los fondos cotizados activos. En nuestro caso, ya tenemos 6.000 millones. Y tercero, la popularización de la inteligencia artificial en los procesos de inversión. También influye que usamos más de 300 fuentes de datos, para transacciones, movilidad, sentimiento del mercado, que hacen el proceso más comprensible. Antes se veía la inversión sistemática como una caja negra; ahora es más transparente.
P. ¿Ya no son una caja negra?
R. Hoy podemos explicar cómo las distintas señales contribuyen a la construcción de carteras. Antes hablábamos en términos menos intuitivos; ahora los clientes entienden que estamos evaluando empresas según múltiples métricas y combinándolas.
P. ¿Se pueden anticipar eventos geopolíticos con estos modelos?
R. No podemos prever eventos completamente nuevos, pero sí usar datos para ayudar a identificar posibles ganadores y perdedores cuando ocurren.
P. ¿Algún ejemplo concreto?
R. Durante el Covid analizamos qué empresas se beneficiarían del teletrabajo o del desarrollo de vacunas. Incluso usamos datos de contratación que obteníamos de páginas web públicas para ayudar a detectar qué compañías farmacéuticas estaban contratando y más y, por lo tanto, estaban más cerca de lanzar un producto.
P. Entonces, el valor está más en la reacción que en la predicción.
R. Exactamente. Lo clave es la gestión del riesgo. En eventos extremos, el modelo puede no funcionar como antes y el gestor ajusta pesos para adaptarse.
P. Se suele comparar este tipo de inversión con fondos como Medallion.
R. Hay muchos tipos de gestores cuantitativos. Nosotros estamos en un punto intermedio: combinamos fundamentos académicos con datos alternativos, ‘machine learning’ y procesamiento de lenguaje natural para adaptarnos a distintos entornos.
P. ¿Cuál es hoy el papel del gestor?
R. Es un arquitecto de modelos. Diseña cómo asignar riesgo entre distintas señales según el contexto de mercado. El elemento humano es esencial, uniendo el arte y la ciencia de invertir.
P. ¿Con qué frecuencia se revisan esos modelos?
R. Normalmente de forma trimestral o en grandes puntos de inflexión. Los modelos funcionan con un alto grado de automatización, pero nuestros gestores de carteras supervisan continuamente su rendimiento y pueden intervenir cuando sea necesario.
P. En la práctica, ¿los modelos compran y venden a diario?
R. Generan señales continuamente a partir de múltiples variables, como beneficios, valoración, sentimiento de mercado, que se combinan en una puntuación.
P. ¿Eso implica ‘trading’ automático?
R. No. Las decisiones se ejecutan en los rebalanceos, donde incorporamos costes, riesgos y restricciones. Después, el gestor revisa la lista de operaciones.
P. ¿Puede modificarla?
R. Puede limitar posiciones si considera que el modelo no refleja bien el entorno. Es una cuestión de control de riesgos.
P. Entonces, ¿quién decide realmente?
R. Es un sistema híbrido. El modelo guía, pero la supervisión es humana. No es correcto decir que un robot gestiona el dinero.