Acceder

Inteligencia artificial

20 respuestas
Inteligencia artificial
1 suscriptores
Inteligencia artificial
Página
2 / 2
#16

Re: Inteligencia artificial

Observo dos errores:
11)- En la inversión NUNCA se debe concentrar (ni en Inteligencia Artificial, ni en nada).
22)- Los fondos NO son recomendables, la fiscalidad y gravamen (gastos + comisiones), los hacen inviables.- Saludos.

El problema fundamental de la Bolsa es la corrupción y manipulación.

#17

Re: Inteligencia artificial

Se nota que al tal Sam Altman le gusta la competencia sana, el libre mercado y en general respetar el funcionamiento de una economía abierta y democrática:

 OpenAI pide a los inversores que no respalden a 'start up' rivales como xAI, de Elon Musk | Financial Times (expansion.com) 


Si es que Sam es un tío sencillo, que puede vivir "solamente" con un par de ranchos enormes, un helicóptero o avión privados, 10 millones de dólares en el banco y un par de pisazos en la mejor zona de la ciudad.

Cuando se es así de "sencillo" se puede pretender pisotear las leyes antimonopolio y la democracia en general con total impunidad.   
#18

Re: Inteligencia artificial

 
La Inteligencia Artificial (IA) puede hacer que los mercados financieros sean más eficientes, pero también más volátiles, advirtió el Fondo Monetario Internacional (FMI).

Admitió que, si bien las operaciones impulsadas por la IA podrían generar mercados más rápidos y eficientes, de igual forma podría generar mayores volúmenes de comercio y más inestabilidad en tiempos de estrés.

El un avance del nuevo Reporte de Estabilidad Financiera Mundial, el organismo analiza nuevos datos de mercado para entender a dónde podría llevarnos esta tecnología.

Según el Capítulo 3 de dicho reporte que publicará completo la próxima semana en las reuniones de otoño que celebra cada octubre junto con el Banco Mundial, que lleva por nombre "Avances en inteligencia artificial: Implicaciones para las actividades del mercado de capitales", demuestra que se pueden reducir los riesgos de estabilidad financiera.


Permite una mejor gestión de riesgos, profundizar la liquidez del mercado y mejorar el monitoreo tanto por parte de los participantes como de los reguladores, enfatizó.

Sin embargo, admitió, al mismo tiempo, pueden surgir nuevos riesgos como una mayor velocidad y volatilidad del mercado bajo estrés, especialmente si todas las estrategias comerciales de los modelos de IA.

Pueden responder a un shock de manera similar o se detienen en respuesta a un evento imprevisto, podría haber más opacidad con desafíos de monitoreo.

Lo anterior, expuso, dado que la IA estimula una mayor migración de las actividades de creación de mercado e inversión a fondos de cobertura, de firmas comerciales por cuenta propia y otros intermediarios financieros no bancarios.

Crea incertidumbre sobre cómo podrían interactuar los modelos de IA utilizados por diferentes inversionistas y comerciantes.

Fraude y desinformación en redes sociales, principales peligros de la inteligencia artificial

Entre otros peligros, mencionó cuestiones operativas como resultado de la dependencia de unos pocos proveedores de servicios de inteligencia artificial de terceros que dominan la potencia computacional y los servicios de modelos de lenguaje de gran tamaño.

También pueden crecer los riesgos de manipulación cibernética y del mercado, en particular en la generación de fraude y desinformación en las redes sociales. Muchos de estos riesgos están contemplados en los marcos regulatorios existentes, se señala, pero pueden surgir nuevos e imprevistos importantes.

Plantea políticas adicionales para la IA

Para garantizar que las autoridades pertinentes estén preparadas, en el reporte se pone de relieve que, ante estos cambios potencialmente transformadores, se deben considerar respuestas políticas adicionales.

En ese sentido plantea como ejemplo: emprender la calibración de los disyuntores y una revisión de las prácticas de márgenes a la luz de los movimientos de precios potencialmente rápidos impulsados por la IA.

Mejorar el monitoreo y la recopilación de datos de la actividad de los grandes operadores, incluidos los intermediarios financieros no bancarios.

Abordar la dependencia de datos, modelos e infraestructura tecnológica solicitando un mapeo de riesgos a las entidades reguladas, sobre todo de datos de las interconexiones e interdependencias internas y externas que son necesarias para brindar los servicios críticos de las instituciones. 

#20

Re: Inteligencia artificial


¿Cómo usar ChatGPT para analizar una acción?


No paramos de oír hablar sobre inteligencia artificial (IA), especialmente sobre ChatGPT. Desde hace unos meses hay todo tipo de argumentos a favor y en contra de su uso. Pero cuando juntamos inteligencia artificial con inversión, hay dos ideas que priman:

1. ¿Cómo puede alguien invertir en las empresas que más se van a beneficiar del boom de la inteligencia artificial?

2. ¿Cómo se pude usar la inteligencia artificial para invertir mejor?

La primera es más difícil de averiguar, y el mercado en gran parte ya ha tomado posiciones con la información que tenemos actualmente, reflejándolo en el precio de las acciones de esas empresas. Pero aún estamos descubriendo el potencial de la IA a la hora de ayudarnos a invertir.

Si se utiliza como bola de cristal (por ejemplo, preguntando si "¿Debería invertir en Tesla?"), la respuesta es muy genérica. Sin embargo, si se utiliza como ayuda al analizar una empresa, haciéndole las preguntas adecuadas, se le puede sacar partido.
6 maneras inteligentes de utilizar ChaptGPT para analizar una acción.1. Conocer a fondo una empresaAl comprar acciones de una empresa estamos invirtiendo en ella. Y antes de hacerlo, es clave entenderla a fondo. Para esto se suelen utilizar los informes anuales, las presentaciones a inversores, etc. Pero también se puede utilizar ChatGPT para obtener un conocimiento inicial. Por ejemplo, le podemos pedir que nos explique “el modelo de negocio exacto de Tesla", y esto es lo que obtenemos:
Explícame el modelo de negocio exacto de Tesla de forma resumida“El modelo de negocio de Tesla se basa en la fabricación y venta de vehículos eléctricos, respaldado por una infraestructura de carga rápida y servicios relacionados. También se ha diversificado en el sector de la energía renovable y el almacenamiento de energía. Además, genera ingresos adicionales a través de la venta de créditos de emisiones a otros fabricantes de automóviles.”
Yendo un paso más allá, se puede utilizar ChatGPT para averiguar las ventajas competitivas de una empresa. Es decir, aquellas fortalezas que le permiten proteger su cuota de mercado y beneficios a largo plazo, lo que constituye su foso defensivo. El inversor Warren Buffett siempre comprueba el "moat" de una empresa antes de invertir. Así que le preguntamos "cuáles son las ventajas competitivas de Tesla", y esto es lo que responde:
¿Cuáles son las ventajas competitivas de Tesla?“-Liderazgo tecnológico en vehículos eléctricos: Tesla destaca por su avanzada tecnología en vehículos eléctricos, que ha establecido nuevos estándares en la industria.-Marga global reconocida: La fuerte imagen de marca de Tesla ha impulsado su popularidad y le ha dado una ventaja competitiva en el mercado.-Amplia red de carga rápida (Supercharger): Tesla ha desarrollado una extensa red de estaciones de carga rápida, lo que permite a sus clientes realizar viajes de larga distancia con mayor comodidad.-Innovación continua. La compañía está constantemente innovando en diseño, rendimiento y características de sus vehículos, lo que la mantiene a la vanguardia del mercado de vehículos eléctricos.-Foco en la sostenibilidad y el medio ambiente: La visión de Tesla de promover la movilidad sostenible ha atraído a un segmento de clientes comprometidos con el medio ambiente, brindando una ventaja competitiva en este nicho de mercado.”
A medida que profundicemos en el análisis, nos irán surgiendo nuevas preguntas que ayudarán a que conozcamos mejor los detalles de la empresa (como por ejemplo "¿cuánto le cuesta a Tesla ganar escala?”).
2. Realizar un análisis DAFOOtra forma de usar esta plataforma es para realizar un análisis DAFO, es decir, un estudio sobre las debilidades, amenazas, fortalezas y oportunidades de una empresa, en función de los datos publicados. Esto nos puede ahorrar mucho tiempo, y darnos pistas útiles sobre las que profundizar aún más. Le pedimos que nos escriba un análisis DAFO sobre Tesla y, aunque la respuesta es bastante sencilla, no es un mal comienzo:
Escríbeme un análisis DAFO de Tesla“Fortalezas de Tesla:
- Liderazgo en tecnología de vehículos eléctricos.
- Marca fuerte y reconocida a nivel mundial.
- Red de carga rápida y extensa (Supercharger).
- Innovación constante en diseño y funcionalidad de sus vehículos.Debilidades de Tesla:
- Altos precios de sus vehículos.
- Dependencia de baterías de litio y recursos limitados.
- Capacidad de producción limitada en comparación con fabricantes tradicionales.
- Vulnerabilidad a la competencia en el mercado de vehículos eléctricos.Oportunidades para Tesla:
- Crecimiento potencial en la demanda mundial de vehículos eléctricos.
- Expansión en mercados internacionales en crecimiento.
- Desarrollo de nuevas líneas de productos (por ejemplo, vehículos autónomos).
- Aumento de la conciencia y preocupación por el medio ambiente.Amenazas para Tesla:
- Competencia creciente de fabricantes automotrices establecidos.
- Cambios en las políticas gubernamentales sobre subsidios y regulaciones.
- Posibles fluctuaciones en los precios de los recursos necesarios para fabricar baterías.
- Riesgos relacionados con la ciberseguridad y la privacidad de los datos en vehículos conectados.”
3. Resumir las presentaciones de resultadosLas llamadas con analistas e inversores que acompañan las presentaciones de resultados son una fuente de información valiosa para los inversores. Durante estas llamadas, los altos cargos de una empresa repasan sus resultados recientes, comentan las perspectivas del negocio y del sector, responden a las preguntas de los analistas y mucho más. Pero escuchar las llamadas de todas las empresas que te interesan puede llevarte siglos. ¿Por qué no pedir que nos las resuma?
¿Cuales son las claves de las últimas presentaciones de resultados de Tesla?“Hasta septiembre de 2021, algunas de las claves de las últimas presentaciones de resultados de Tesla fueron las siguientes:

- Entregas récord. Tesla había estado registrando entregas de vehículos récord en varios trimestres consecutivos, lo que demostraba una creciente demanda de sus vehículos eléctricos en diversos mercados

- Beneficios sostenidos: La compañía había alcanzado ganancias sostenidas en algunos trimestres, superando las expectativas de los analistas y demostrando su capacidad para ser rentable en la producción y venta de vehículos eléctricos.

- Producción Model 3 y Model Y: La producción y entrega continua de los modelos habían sido fundamentales para el éxito de Tesla, ya que estos modelos eran los más populares y asequibles en su línea de productos.

- Expansión de Gigafábricas: Tesla había estado trabajando en la construcción y desarrollo de nuevas gigafábricas en diferentes partes del mundo, como en Texas y Alemania, con el objetivo de aumentar la producción y atender a una mayor cantidad de clientes.

- Desarrollo de tecnologías de baterías: La compañía había estado invirtiendo en investigación y desarrollo de tecnologías de baterías, buscando mejorar la eficiencia, autonomía y costos de sus vehículos eléctricos.

- Progreso en conducción autónoma: Tesla había estado avanzando en su tecnología de conducción autónoma y ofreciendo funciones avanzadas de asistencia al conductor, lo que generó un gran interés en el desarrollo de vehículos autónomos.

- Diversificación en energía y servicios: Además de los vehículos eléctricos, Tesla había estado diversificando sus ingresos a través de servicios relacionados con sus vehículos, como actualizaciones de software y planes de suscripción, y su negocio de energía solar y almacenamiento.

Es importante tener en cuenta que las presentaciones de resultados de una empresa están sujetas a cambios trimestre tras trimestre, y los datos específicos y detalles pueden variar en cada informe financiero.”
Podríamos por otro lado buscar la transcripción de la llamada concreta que queremos que nos resuma, por ejemplo, "Tesla Q4 2022 earnings call transcript" y pedir puntos clave sobre ella. Lo malo es que no siempre está disponible la transcripción de las llamadas con analistas. Y que perdemos información, porque no puede reflejar los tonos de voz, pausas, etc. que pueden ser pistas valiosas: si parecen confiados, nerviosos, evasivos…
4. Evaluar las credenciales ESG de una empresaInvertir puede ser algo más que obtener beneficios: se pueden elegir oportunidades en función de los efectos que tengan en el mundo que nos rodea. Hay varias formas de hacerlo, pero una de las más populares es la inversión medioambiental, social y de gobernanza (ESG) . La intuición del mercado es que las empresas con buenas credenciales ESG serán capaces de superar a aquellas que no cuiden sus riesgos ESG en el largo plazo. Teniendo esto en cuenta, podemos usar la IA para ver lo buena (o mala) que es la política ESG de una empresa.
Evalúa las credencias ESG de Tesla“Tesla ha sido reconocida por su compromiso con la sostenibilidad ambiental a través de su enfoque en la fabricación y venta de vehículos eléctricos, que contribuyen a la reducción de las emisiones de gases de efecto invernadero. La compañía ha sido un líder en la industria de la movilidad eléctrica y ha ayudado a impulsar la adopción de vehículos eléctricos en todo el mundo. Además, Tesla ha estado activamente involucrada en la energía renovable, ofreciendo soluciones de energía solar y almacenamiento a través de su subsidiaria, SolarCity

En cuanto a las credenciales sociales, Tesla ha generado empleo en la industria de la movilidad eléctrica, tanto en la fabricación de vehículos como en la instalación y mantenimiento de sistemas de energía solar. Sin embargo, la compañía también ha enfrentado críticas y demandas relacionadas con las condiciones laborales en sus fábricas y la sindicalización de sus trabajadores. Estos aspectos plantean interrogantes sobre las prácticas laborales y la protección de los derechos de los trabajadores.

En términos de gobierno corporativo, Tesla ha recibido cierta atención debido a su estructura de gobierno y la concentración de poder en manos de su CEO y presidente, Elon Musk. La combinación de estos roles ha generado preocupaciones sobre la separación de poderes y la supervisión independiente en la toma de decisiones clave. Esto ha llevado a discusiones sobre la necesidad de una gobernanza sólida y transparente en la empresa.”
5. Generar un código para ‘backtestear’ señales de compra y venta
Esta es una forma más sofisticada de utilizar ChatGPT y que gustará a los programadores. Pongamos, por ejemplo, que quieres ver si es un buen momento para comprar una acción basándote en algún indicador de análisis técnico, por ejemplo, el índice de fuerza relativa (RSI). El RSI asigna un número entre cero y 100 a un activo: por debajo de 30 significa que está "sobrevendido", lo que ofrece potencialmente un punto de entrada atractivo.

Imagina que quieres saber si históricamente ha sido rentable, por término medio, comprar un valor concreto cada vez que su RSI caía por debajo de 30. Una pregunta sencilla, pero difícil de responder. La mejor manera de hacerlo es a través de la codificación, pero eso es un proceso largo y complicado que requiere algunos conocimientos técnicos. ChatGPT puede escribir el código por ti. Le pedimos que "escribiera un código para ver cómo se comportan las acciones de Tesla un mes después de que su RSI caiga por debajo de 30", y lo hizo (aquí tienes parte de ese código):
¿Me escribes un código para ver cómo se comportan las acciones de Tesla un mes después de que si RSI caiga por debajo de 30?“Por supuesto, aquí tienes un ejemplo de código en Python que utiliza la biblioteca de Yfinance para obtener datos históricos de las acciones de Tesla y analiza el comportamiento de las acciones un mes después de que si índice RSI caiga por debajo de 30:

import yfinance as yf
import pandas as pd
# Obtener datos históricos de las acciones de Tesla
tesla_data = yf.download('TSLA', start='2023-01-01', end='2023-06-30')
# Calcular el índice de fuerza relativa (RSI)
def calculate_rsi(data, window=14):
diff = data['Adj Close'].diff(1)
gain = diff.where(diff > 0, 0)
loss = -diff.where(diff < 0, 0)
avg_gain = gain.rolling(window=window).mean()
avg_loss = loss.rolling(window=window).mean()
rs = avg_gain / avg_loss
rsi = 100 - (100 / (1 + rs))
return rsi
tesla_data['RSI'] = calculate_rsi(tesla_data)
# Identificar señales de compra (cuando RSI cae por debajo de 30)
tesla_data['Signal'] = (tesla_data['RSI'] < 30).astype(int)
# Obtener los rendimientos un mes después de la señal de compra
tesla_data['Returns'] = tesla_data['Adj Close'].pct_change(periods=30)
# Filtrar solo las filas con señales de compra
buy_signals = tesla_data[tesla_data['Signal'] == 1]
print(buy_signals[['Adj Close', 'RSI', 'Returns']])

Tenga en cuenta que se trata de un ejemplo y no debe considerarse asesoramiento financiero.”
Incluso dio un buen comentario final: "Este código descarga los datos históricos de las acciones de Tesla de yahoo finance, calcula el RSI, identifica los casos en los que cae por debajo de 30, y calcula los rendimientos de 1 mes después de una señal de compra. Por último, traza los rendimientos acumulados de esta estrategia. Tenga en cuenta que se trata de un ejemplo y no debe considerarse asesoramiento financiero." No está nada mal...

Éste es sólo uno de los cientos de ejemplos de análisis técnico que puedes probar.
6. Identificar los principales riesgosPor último, ningún análisis de inversión está completo si no se tienen debidamente en cuenta los riesgos. Los mejores inversores son los que no sólo identifican valores prometedores, sino que también prestan atención a lo que podría salir mal y actúan en consecuencia. Si no estás seguro de cuáles son los principales riesgos de una empresa en particular, pídele algunas ideas iniciales:
¿Cuáles son los principales riesgos asociados con invertir en Tesla?“- Volatilidad del precio de las acciones
- Dependencia de subsidios y políticas gubernamentales
- Competencia en el mercado de vehículos eléctricos
- Riesgos operativos y de fabricación
- Cambios en la demanda y preferencias del consumidor
- Posibles restricciones en el suministro de materias primas
- Riesgos regulatorios y legales
- Cambios en las políticas energéticas y medioambientales
- Riesgos relacionados con la ciberseguridad
- Incertidumbre en la rentabilidad futura”
Pero ¿cuáles son las limitaciones de ChatGPT?
A partir de esta información se puede profundizar más. Por ejemplo, si creo que la tercera (competencia en el mercado) podría ser la más perjudicial, empezaría a investigar más a fondo sobre el tema.Es evidente que tanto esta herramienta como la IA en general son imperfectas, no pueden analizar una acción de forma completa, ni predecir los precios de las acciones en el futuro, ni suponen (de momento) una amenaza para los asesores financieros. Y hay algunas limitaciones importantes que se deben tener en cuenta cuando se utiliza para analizar una acción.

En primer lugar, no es capaz de responder a las preguntas para todas las empresas, sino que tiene dificultades con las más pequeñas y menos conocidas. Tesla ha sido usada para todos los ejemplos porque es grande y muy conocida.

Además, los datos que utiliza ChatGPT sólo llegan hasta septiembre de 2021. Eso significa que a todas sus respuestas les falta más de un año de información reciente, y eso puede ser una gran limitación si algo importante le ha ocurrido a la empresa o al sector recientemente. Y también es una limitación para la pregunta “¿qué acciones recomienda comprar?”, porque no conoce el estado del mercado en el momento presente.

A pesar de estos inconvenientes, ChatGPT puede ayudarnos a analizar más fácil y eficientemente una acción. Así que, aunque nunca debe utilizarse de forma aislada para tomar decisiones, puede ser una herramienta excepcionalmente útil que se puede aprovechar para facilitarnos la vida a la hora de invertir
#21

Re: Inteligencia artificial


La inteligencia artificial ha revolucionado la exploración y descubrimiento de virus en el que ya es el mayor logro científico de su corta historia, especialmente de los virus de ARN. Gracias a herramientas avanzadas de aprendizaje profundo, como el modelo LucaProt, se han identificado más de 160,000 especies potenciales de virus de ARN en diversos ecosistemas, lo que mejora de forma impresionante nuestro conocimiento sobre la diversidad viral en el planeta.

Este descubrimiento no hace otra cosa que demostrar la capacidad de la IA para encontrar patrones en datos complejos y detectar especies virales que hasta ahora permanecían ocultas, muchas de las cuales no se identificaban con métodos tradicionales debido a su alta divergencia genética. 

Un avance fundamental

Los virus de ARN, entidades que contienen ácido ribonucleico en lugar de ADN como material genético, destacan por su gran variabilidad genética y capacidad de adaptación, lo que los hace demasiado pertinaces a la hora de encontrar una forma de pararlos. Sin embargo, esta misma naturaleza dinámica hace que sean difíciles de detectar, ya que muchos presentan secuencias altamente divergentes, es decir, con características genéticas que se desvían considerablemente de los virus conocidos.

Los métodos tradicionales de identificación, que se basan en comparaciones de similitud de secuencias, han resultado insuficientes para captar la diversidad completa de estos virus. La inteligencia artificial ha surgido como una herramienta capaz de superar estas limitaciones, facilitando descubrimientos antes inalcanzables en la investigación virológica. 

El modelo LucaProt, utiliza una red neuronal que ha demostrado ser muy eficaz en la identificación de patrones complejos en datos secuenciales como las secuencias de proteínas y genes. Este modelo fue diseñado específicamente para reconocer la polimerasa dependiente de ARN (RdRP), una enzima clave en la replicación de los virus de ARN. Mediante LucaProt, los investigadores han podido explorar un conjunto de datos extenso, compuesto por más de 10.000 metatranscriptomas (fragmentos de secuencias genéticas obtenidas de distintos ecosistemas), lo que ha permitido analizar la diversidad genética de los virus en un nivel sin precedentes.

El uso de IA no solo permite la identificación de secuencias de RdRP en estos virus, sino que también incorpora información estructural de las proteínas virales, lo que mejora la precisión del modelo. Este enfoque ha facilitado la detección de virus que presentan una gran diversidad estructural y genética. Se han encontrado virus en entornos extremos, como aguas termales y respiraderos hidrotermales, lo que demuestra que la diversidad de virus de ARN es incluso mayor de lo que se pensaba, con la presencia de estos microorganismos en ambientes de gran diversidad geológica y climática.

A través de LucaProt, la IA ha revelado cientos de miles de contigs (fragmentos de ADN o ARN ensamblados) que, mediante su análisis, fueron agrupados en más de 180 supergrupos de virus de ARN, algunos de los cuales representan linajes previamente desconocidos. Esto sugiere que hay una "materia oscura" viral, es decir, virus que hasta ahora no habían sido reconocidos por las herramientas convencionales, y que habitan en una variedad de entornos naturales. Los supergrupos identificados fueron comparados con los grupos virales definidos previamente, y se determinó que solo una pequeña parte coincidía con los virus ya clasificados, lo que indica una ampliación de la virosfera a niveles que no se habían anticipado. Sin LucaProt, este proceso habría sido realmente difícil, ya que estaríamos ante un trabajo mucho más manual y humano, haciendo que tardasemos muchísimo más tiempo en efectuarlo