En esta noticia
Durante décadas, la cartera 60/40 fue considerada el punto de partida para millones de inversores. La combinación de un 60% en acciones y un 40% en bonos permitió atravesar distintos ciclos económicos pues ofrece un equilibrio entre riesgo y rendimiento.
Sin embargo, JP Morgan cree que la inteligencia artificial puede mejorar esa fórmula.
En un nuevo trabajo de investigación, el banco de inversión desarrolló un agente de IA capaz de interpretar datos macroeconómicos y financieros para identificar en qué fase del ciclo económico se encuentra el mercado y, a partir de ese diagnóstico, definir una asignación de activos con mayor potencial de retorno que la cartera tradicional 60/40.
La premisa es que una misma cartera no funciona igual en todos los contextos. Si la IA puede reconocer correctamente el régimen macroeconómico, también puede adaptar la exposición a acciones, bonos o crédito antes que el mercado.
Cómo funciona el agente
En lugar de pedirle al modelo que pronostique directamente el comportamiento de la Bolsa, JP Morgan diseñó un proceso más estructurado.
El agente recibe indicadores económicos y financieros disponibles en cada momento como crecimiento, inflación, tasas de interés, spreads de crédito, volatilidad y comportamiento de distintos activos, y debe determinar cuál de los cuatro grandes regímenes macroeconómicos describe mejor la economía.
Los cuatro escenarios son:
- Goldilocks: crecimiento sólido, inflación descendiendo y una política monetaria neutral o favorable para los mercados.
- Reflación: crecimiento acelerándose junto con una inflación en aumento, mientras la política monetaria reacciona con retraso.
- Estanflación: crecimiento débil combinado con inflación persistente.
- Risk-Off: desaceleración económica marcada o episodios de estrés financiero que impulsan la búsqueda de activos defensivos.
Una vez identificado el régimen, la estrategia asigna automáticamente una cartera predeterminada para ese escenario.
La prueba contra la cartera 60/40
Los estrategas del banco sometieron el modelo a un backtest histórico procurando que la IA utilizara únicamente la información que realmente estaba disponible en cada fecha, evitando que el modelo “conociera” de antemano eventos posteriores como la crisis financiera de 2008 o la pandemia.
El resultado fue que la estrategia administrada por el agente de IA logró, en promedio, superar el rendimiento de una cartera 60/40, al mismo tiempo que redujo el riesgo asumido.
Para el banco, esto demuestra que los grandes modelos de lenguaje ya pueden utilizarse como herramientas para apoyar decisiones de inversión bajo incertidumbre y no solo para resumir información o responder consultas.
Qué detectó la IA sobre los mercados
El análisis histórico también mostró un elevado grado de coincidencia entre modelos de OpenAI y Anthropic al clasificar los distintos ciclos económicos.
La IA identificó los años posteriores al estallido de la burbuja puntocom como un período dominado por la aversión al riesgo y la estanflación; entre 2004 y 2007 predominó un entorno de Goldilocks y reflación; durante la crisis financiera global volvió el régimen de Risk-Off; mientras que buena parte de la década de 2010 estuvo caracterizada por un escenario Goldilocks.
Para 2026, todos los modelos evaluados por JP Morgan convergieron en una misma conclusión: la economía habría comenzado el año en un entorno Goldilocks y estaría transitando hacia un régimen de reflación.
La conclusión práctica del estudio no es que la inteligencia artificial reemplazará al gestor de cartera, sino que puede convertirse en una herramienta adicional para interpretar el ciclo económico y adaptar la asignación de activos.
El escenario de reflación suele favorecer una mayor exposición a acciones, especialmente de sectores cíclicos, mientras reduce el atractivo relativo de los bonos soberanos de largo plazo. En cambio, los bonos corporativos y los activos vinculados al crecimiento económico tienden a mejorar su desempeño.
Importante: JP Morgan aclara que la IA no debe utilizarse como un sistema automático para invertir.
Los modelos pueden equivocarse, interpretar de manera distinta un mismo conjunto de datos e incluso incorporar sesgos derivados de la información con la que fueron entrenados.
Aun así, el banco considera que los agentes de inteligencia artificial representan una nueva generación de herramientas para la administración de portafolios, capaces de complementar el análisis tradicional y ayudar a construir estrategias de inversión más dinámicas que el clásico esquema 60/40.
La mirada del experto
Para Alan Mac Carthy, CEO de Front Inversiones, en charla con El Cronista, la inteligencia artificial no reemplazará a los gestores de fondos ni a los comités de inversión, “pero sí modificará profundamente la forma en que se toman las decisiones”.
“Por mi experiencia, incluso habiendo trabajado en JP Morgan, no creo que la inteligencia artificial vaya a reemplazar a los comités de inversiones. Sí creo que va a potenciar enormemente su capacidad de análisis y a transformar la manera en que se toman las decisiones”, afirma.
Según explica el estratega, hoy gran parte del trabajo previo que realiza un equipo de research puede acelerarse mediante estas herramientas.
“La inteligencia artificial puede analizar enormes volúmenes de información, detectar cambios en el régimen macroeconómico, identificar correlaciones y evaluar múltiples escenarios en mucho menos tiempo”, aseguró Mac Carthy .
Sin embargo, la decisión final, aseguró el experto, sigue necesitando criterio humano. Y es que un modelo puede ofrecer una recomendación basada en datos, pero quien toma la decisión debe incorporar el contexto, medir los riesgos, “entender las características del cliente o del fondo y asumir la responsabilidad por el resultado”, dijo.
Mac Carthy señaló que este proceso ya comenzó. “En Front ya trabajamos con inteligencia artificial aplicada al análisis de inversiones. Desarrollamos una herramienta que funciona como una especie de comité de inversiones virtual, personificando la filosofía y la forma de pensar de grandes inversores”.
Como ejemplo, mencionó el desarrollo de “Warren Buffett AI”, un modelo que analiza una cartera siguiendo los criterios del histórico inversor estadounidense.
“A partir de la composición actual de una cartera, puede realizar observaciones y sugerencias alineadas con esa filosofía de inversión. Esto no significa que el modelo reemplace al gestor ni que sus recomendaciones deban seguirse automáticamente. Su valor está en permitirle al profesional analizar una cartera desde otra perspectiva, contrastar su propia visión y enriquecer el proceso de decisión”.
En su visión, el mayor impacto de la inteligencia artificial se verá inicialmente en las tareas más operativas.
“La recopilación de información, el procesamiento de balances, la construcción de reportes y los análisis preliminares van a automatizarse o cambiar profundamente. Muchos de esos trabajos que tradicionalmente representaban el ingreso a la banca privada o al análisis financiero dejarán de hacerse de la misma manera”.
¿Qué pasa con el trading?
También anticipa una transformación en el trading. “Hoy gran parte del trading algorítmico funciona con reglas predefinidas. El siguiente paso será la aparición de sistemas capaces de adaptar sus estrategias en tiempo real, detectar oportunidades de arbitraje y ejecutar operaciones de manera autónoma”.
En ese sentido, destacó que “la infraestructura del mercado ya se está preparando para ese escenario”, y pone como ejemplo los servicios de colocation de BYMA, que permiten reducir la latencia para operadores automatizados.
El experto concluye que “la inteligencia artificial no va a reemplazar a los gestores de fondos ni a quienes tienen la responsabilidad final de decidir. Pero sí va a reemplazar muchas tareas intermedias y se convertirá en una herramienta indispensable. El gestor que sepa utilizarla tendrá una ventaja significativa frente al que decida ignorarla”.
