De la caja negra a la caja de cristal: comprender los modelos de aprendizaje automático

Las técnicas de aprendizaje automático, incluidos algoritmos como las redes neuronales y los árboles de regresión con aumento de gradiente, pueden ayudar a los inversores cuantitativos a comprender y explotar la compleja dinámica de los datos financieros. Dichos algoritmos captan las relaciones e interacciones no lineales de forma flexible y pueden mejorar las estimaciones de rentabilidad y riesgo, pero también pueden aumentar la sensación de complejidad y opacidad.

En nuestro nuevo informe, pretendemos ofrecer información sobre las herramientas que utilizamos para comprender e interpretar los modelos de aprendizaje automático. Por un lado, es fundamental comprender la relación entre las características de entrada y las predicciones de aprendizaje automático resultantes. Por otro, resulta fundamental entender la rentabilidad basada en el aprendizaje automático de las estrategias de inversión asociadas. La mayor transparencia e interpretación de estas herramientas contribuyen al uso satisfactorio de las técnicas de aprendizaje automático, y en los últimos años se ha añadido una amplia variedad de indicadores de aprendizaje automático a las estrategias de inversión cuantitativa de Robeco. Si se aplican correctamente, los enfoques de aprendizaje automático a la inversión no tienen por qué constituir una caja negra opaca, sino una «caja de cristal» claramente comprensible.