Bots de IA: ¿Aprenden a coordinarse en mercados para mayores ganancias?
Un nuevo estudio ha revelado que los bots de trading de inteligencia artificial (IA) pueden aprender de forma independiente a coordinar sus acciones dentro de los mercados financieros, lo que les reporta mayores ganancias a expensas de otros participantes. Esta coordinación ocurre sin ninguna comunicación directa entre los bots ni una programación explícita diseñada para la colusión, lo que presenta un desafío significativo para los reguladores del mercado.
La investigación, publicada por la Oficina Nacional de Investigación Económica (National Bureau of Economic Research), detalla cómo los algoritmos de trading impulsados por IA pueden desarrollar de forma autónoma comportamientos similares a los de un cártel. Un equipo liderado por Winston Wei Dou e Itay Goldstein de la Wharton School de la Universidad de Pensilvania, y Yan Ji de la Universidad de Ciencia y Tecnología de Hong Kong, llevó a cabo simulaciones utilizando especuladores impulsados por IA. Estos bots tomaron decisiones basándose en el aprendizaje por refuerzo dentro de un modelo de mercado financiero estándar, aumentado con características como múltiples traders informados, ciclos de trading a corto plazo, participantes pasivos del mercado y un creador de mercado que fija los precios, un rol típicamente desempeñado por bolsas o bancos en escenarios del mundo real.
Las simulaciones identificaron dos tipos distintos de comportamiento colusivo desarrollados por los programas de IA, dependiendo de las condiciones imperantes del mercado.
En mercados tranquilos, caracterizados por fluctuaciones mínimas de precios y un gran número de inversores pasivos, los algoritmos aprendieron a señalar sutilmente precaución a través de sus acciones de precios. Si un programa se involucraba repentinamente en un trading más agresivo, los demás detectarían esta desviación observando la reacción de precios resultante. En respuesta, actuarían agresivamente en la siguiente ronda de trading, penalizando eficazmente al atípico. Esta estrategia refleja de cerca cómo los cárteles humanos pueden lograr niveles de precios o producción compartidos sin comunicación verbal directa, confiando en su lugar en la observación y el comportamiento receptivo.
Por el contrario, en mercados volátiles marcados por importantes oscilaciones de precios, las señales directas de precios se volvieron demasiado ruidosas e poco fiables para este tipo de coordinación. Aquí, surgió un patrón diferente: los algoritmos aprendieron a evitar el trading agresivo después de experimentar resultados negativos. Con el tiempo, todos los bots adoptaron gradualmente estrategias más cautelosas. Este cambio colectivo condujo a comportamientos similares entre los bots, permitiéndoles obtener mayores ganancias juntos. Los investigadores denominaron a este fenómeno "estupidez artificial", un sesgo de aprendizaje sistemático que, si bien individualmente parece subóptimo, conduce a un comportamiento colectivamente rentable.
En ambos escenarios, los investigadores encontraron que los traders de IA consistentemente ganaban más de lo que sería posible en un mercado totalmente competitivo. Sin embargo, este aumento de la rentabilidad para los bots se produjo a costa de la eficiencia general del mercado. Los precios se convirtieron en reflejos menos precisos del verdadero valor subyacente, los volúmenes de trading disminuyeron y los errores de precios se hicieron más frecuentes.
Las implicaciones para los reguladores son particularmente complejas. Las leyes antimonopolio actuales, como las de Estados Unidos, suelen prohibir solo acuerdos explícitos o comunicación directa entre empresas para coludirse. Cuando los sistemas de IA se coordinan a través de procesos de aprendizaje autónomo, sin ninguna comunicación o colusión expresa, estos marcos legales existentes pueden no aplicarse.
El equipo de investigación advierte que a medida que los programas impulsados por IA se vuelvan cada vez más prevalentes e influyentes en los mercados financieros, serán esenciales nuevos enfoques regulatorios. Sin reglas actualizadas, existe un riesgo significativo de que los mercados puedan evolucionar de maneras que beneficien desproporcionadamente a unos pocos operadores de IA seleccionados, potencialmente en detrimento de la equidad del mercado en general y los intereses de muchos otros participantes.