De opiniones a indicadores: LABORAL Kutxa e IKERLAN analizan los mercados financieros con IA

Cuando una empresa presenta resultados, las redes sociales se llenan de comentarios. Unos esperan que sus acciones suban, otros que bajen y otros solo comparten la noticia. En el episodio 7 de la primera temporada de Shaking Talks by MONDRAGON, LABORAL Kutxa e IKERLAN cuentan cómo exploran convertir miles de esos mensajes en indicadores, con ayuda de la inteligencia artificial, para analizar los mercados financieros.

Cuando las emociones entran en la ecuación

Al pensar en la bolsa, lo primero que viene a la cabeza son números, gráficos y porcentajes. Pero el optimismo o el miedo de quienes invierten también influyen en sus decisiones de compra y venta, y son mucho más difíciles de medir. El precio de una acción refleja lo que se espera del futuro, así que conocer ese estado de ánimo aporta una variable más a la hora de decidir.

El episodio lo conduce Nerea junto a Shaiki, el compañero robótico del programa. Participan Óscar Serradilla, de LABORAL Kutxa, y Josu Ircio, de IKERLAN, que trabajan juntos en el proyecto. La intención es entender mejor lo que ocurre en los mercados, no adivinar qué pasará en la bolsa.

De una opinión a un dato

El sistema se apoya en modelos de IA especializados en procesar lenguaje, que clasifican cada mensaje como positivo, negativo, neutro o no relevante. Un post sobre buenos beneficios suma al sentimiento positivo. Los bots y los anuncios se descartan. Con esa clasificación se construyen indicadores del sentimiento global del mercado, que complementan a los tradicionales.

La novedad está en el tipo de dato. Los análisis financieros trabajan sobre todo con cifras, y aquí se incorpora el texto. Revisar a mano todo lo que se publica en redes exigiría una persona a tiempo completo. El sistema automatiza la descarga, el procesamiento y la generación de indicadores, y el equipo financiero consulta el resultado en paneles de control.

Del problema financiero al proyecto tecnológico

El punto de partida fue entender qué necesitaba LABORAL Kutxa: modelar el sentimiento global del mercado. A partir de ahí se eligieron las fuentes según su coste, su accesibilidad y su interés. Los temas y hashtags que se iban a analizar se acotaron con el equipo de gestión de inversiones, que será quien use la herramienta. El proceso ha sido iterativo, con ciclos de limpieza de datos, revisión de resultados y nuevos ajustes. También ha exigido construir un lenguaje común entre la parte técnica y la financiera.

Enseñar a una IA a interpretar el contexto

Un mismo comentario puede parecer positivo o negativo según quién lo lea. Por eso, el criterio de clasificación lo fijan las personas expertas en finanzas. El modelo aprende a partir de muchos ejemplos etiquetados con ese criterio. Para conseguirlos, IKERLAN ha utilizado modelos de lenguaje de gran tamaño (LLM) desplegados en local. Con esas etiquetas se entrenan modelos más pequeños y ligeros, que pueden funcionar a diario.

Por el camino han surgido otras dificultades: el acceso cada vez más restringido a los datos de las plataformas, la ironía y los emoticonos de las redes y una jerga financiera muy técnica.

Comprobar que el indicador sirve para algo

Que el modelo funcione no garantiza que sus resultados sean útiles. Para comprobarlo, se busca su correlación con el S&P 500, ya que el análisis se centra en el mercado de Estados Unidos, y se compara con indicadores de otras entidades. La meta es que ayude a anticiparse. Esto todavía se está estudiando, porque la bolsa depende de muchos factores.

También cuenta la interpretación. El indicador refleja el ánimo de las últimas 24 horas y gana valor al compararlo con semanas o meses anteriores. Además, un exceso de optimismo no significa que la bolsa vaya a seguir subiendo. Hay estrategias de inversión que recomiendan justo lo contrario: prudencia en la euforia y comprar cuando domina el miedo.

Un piloto en fase avanzada

El proceso ya está definido y en funcionamiento. Ahora toca mantenerlo activo durante más tiempo, evaluar la utilidad de los indicadores y mejorar los modelos. Queda además un reto propio del sector: llevar una solución desarrollada en un centro tecnológico a la red de un banco, que tiene requisitos de ciberseguridad muy exigentes.

Dos conocimientos que se complementan

LABORAL Kutxa aporta el conocimiento del mercado y de cómo se toman las decisiones de inversión. IKERLAN aporta la experiencia en modelos de IA y la infraestructura para desarrollarlos con agilidad. Más allá de este caso de uso, lo aprendido sobre la tecnología podrá aplicarse en otros departamentos de la entidad.

Perfiles que trabajan entre disciplinas

En el equipo han coincidido perfiles de matemáticas, física, ingeniería informática y telecomunicaciones. La frontera entre disciplinas es cada vez más difusa: quienes trabajan en finanzas necesitan manejar la IA, y los perfiles STEM tienen que entender el negocio.

El proyecto reúne a dos cooperativas de MONDRAGON, una del ámbito financiero y otra del tecnológico, en torno a un problema concreto. A quien está decidiendo qué estudiar le deja una pista: en estos equipos hace falta gente que entienda a la vez los datos y el negocio.

🎙️ Ya puedes escuchar el episodio completo, «IA y mercados: cómo analizar las emociones detrás de las inversiones», y descubrir cómo la IA puede ayudar a convertir miles de opiniones en indicadores para entender mejor los mercados.

Empresas relacionadas

Comunidad:

  • Inteligencia Artificial y Analítica de Datos

Inscríbete

¡Estás a un paso de formar parte de Shaking HUB! Queremos conocerte para poder compartir contigo las oportunidades y contenidos que mejor encajan con tu perfil.

"*" señala los campos obligatorios

Este campo es un campo de validación y debe quedar sin cambios.
A qué campaña pertenece este campo?
Nombre completo*
¿Qué comunidad te interesa? Puedes marcar más de 1.*
Debes elegir entre 1 y 4 opciones.

Resumen de privacidad
Shaking HUB

Este sitio web utiliza cookies para poder ofrecer la mejor experiencia de usuario posible. La información sobre las cookies se almacena en tu navegador y cumple las funciones de conocerte cuando vuelves a nuestro sitio web o ayudar a nuestro equipo a comprender qué partes de la web encuentras más interesantes y útiles.

Cookies estrictamente necesarias

Las cookies estrictamente necesarias tiene que activarse siempre para que podamos guardar tus preferencias de ajustes de cookies.
Esta web utiliza cookies de YouTube para poder mostrarte correctamente contenido multimedia.

Cookies publicitarias

Esta web cookies de Meta para poder ofrecerte una experiencia más personalizada en redes sociales. La tipología de estas cookies son análisis y publicidad.
Esta web utiliza cookies de LinkedIn para ofrecerte una mejor experiencia y más personalizada en dicha red social. La tipología de estas cookies son análisis y publicidad.
Esta web utiliza cookies de Google para poder ofrecerte una experiencia de búsqueda más personalizada. La tipología de estas cookies son análisis y publicidad.
Esta web utiliza cookies de Tik Tok para poder ofrecerte una mejor experiencia más personalizada en dicha red social. La tipología de estas cookies son análisis y publicidad.

Cookies de analítica

Esta web utiliza cookies de analítica para poder obtener datos estadísticos de cara a mejorar el espacio digital

Esta web utiliza Google Analytics para recopilar información anónima tal como el número de visitantes del sitio, o las páginas más populares. La tipología de estas cookies son preferencia y análisis.

Esta página utiliza Clientify para recopilar la información necesario para el registro dentro del CRM