Inteligencia Artificial en Finanzas

Capítulo 11. Gestión de riesgos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Un obstáculo importante para la implementación masiva de vehículos autónomos es la garantía de seguridad.

Majid Khonji et al. (2019)

Tener una mejor predicción aumenta el valor del juicio. Al fin y al cabo, no sirve de nada saber la probabilidad de lluvia si no sabes cuánto te gusta permanecer seco o cuánto odias llevar paraguas.

Ajay Agrawal et al. (2018)

El backtesting vectorizado en general permite juzgar el potencial económico de una estrategia de negociación algorítmica basada en la predicción tal cual (es decir, en su forma pura). La mayoría de los agentes de IA aplicados en la práctica tienen más componentes que el modelo depredicción. Por ejemplo, la IA de los vehículos autónomos (AV) no viene sola, sino con un gran número de reglas y heurísticas que restringen las acciones que la IA realiza o puede realizar. En el contexto de los AV, esto se refiere principalmente a la gestión de riesgos, como los derivados de colisiones o choques.

En un contexto financiero, los agentes de IA o los robots de negociación tampoco se implementan tal cual en general. En su lugar, se suelen utilizar una serie de medidas de riesgo estándar, como las órdenes de limitación de pérdidas (trailing) o de recogida de beneficios (take profit). El razonamiento es claro. Al hacer apuestas direccionales en los mercados financieros, hay que evitar pérdidas ...