Negociación bursátil basada en IA: ¿Qué herramienta de IA generativa es mejor?

Las herramientas de LLM se han utilizado en la negociación bursátil basada en IA desde su aparición.¹

Probé 14 models de IA generativa para la negociación bursátil basada en IA con el fin de evaluar su capacidad para prever los cambios de precio de 132 acciones utilizando la información proporcionada. Los resultados muestran que

• ChatGPT 5 Thinking model y el Gemini 2.5 Pro model ofrecieron el mejor rendimiento.
• Los models actuales de ChatGPT y Gemini tienen un rendimiento peor que los models anteriores.
• La tasa de éxito disminuye cuando se proporcionan datos adicionales.

Rendimiento de las herramientas impulsadas por IA

Para más detalles sobre el benchmark, lea la sección metodología del benchmark de negociación bursátil.

Versiones actuales

GPT 5.5 Instant

Las etiquetas se asignaron utilizando factores comúnmente asociados con las reacciones del mercado en estudios de eventos de empresas familiares:

• Importancia del ejecutivo saliente (CEO > Chairman > roles honorarios).
• Concentración de la propiedad familiar.
• Rentabilidad (ROE, ROA).
• Apalancamiento financiero.
• Implicaciones generales de la transición de gobierno corporativo.

Claude Opus 4.8 Medium

Lógica central: dos fuerzas opuestas impulsan la reacción:

(+) Alivio del atrincheramiento: la muerte de una persona interna atrincherada o con bajo rendimiento puede activar el mercado de control y aumentar las esperanzas de reestructuración.

(-) Pérdida de capital humano: la muerte de un propietario-gerente que aporta valor destruye habilidades difíciles de reemplazar y crea riesgo de sucesión.

(0) Sin sorpresa: los títulos honorarios o de jubilados, los roles puramente de consejo o los casos atenuados o compensados no producen una reacción significativa.

Reglas de decisión:

• Emérito/honorario -> 0 (retirado).
• Miembro del consejo/director, rentable -> 0; con pérdidas -> +1 (reestructuración).
• Ejecutivo activo + pérdidas/ROA<1 -> +1 (alivio/opcionalidad).
• Ejecutivo activo + sólido (ROA>=mediana & ROE>=10 & NI>0) & propiedad>=60 % -> -1 (pérdida del gestor).
• Ejecutivo activo + sólido pero propiedad<60 % -> 0 (colchón de supervisión).
• Señal media / faltante / rol desconocido -> 0.

DeepSeek V3.2 (Instant & Deep Think)

DeepSeek V3.2 con y sin Deep Think muestra una tasa de éxito del 58 %. Se basa en el rol de la persona fallecida y en el rendimiento de la empresa.

Reacción negativa (-1): El mercado espera disrupción.

• Alta dependencia: Si la persona fallecida era el fundador o un CEO/Presidente activo (en activo) con una larga trayectoria, su pérdida crea una brecha de liderazgo significativa.
• Baja propiedad familiar: Una menor propiedad puede significar menos “piel en el juego” por parte de la familia para estabilizar la empresa tras la crisis.

Reacción positiva (+1): El mercado espera una mejora.

• Alivio: La muerte resuelve una situación negativa. Esto suele ocurrir si la empresa tenía un mal rendimiento (ingresos netos o ROE negativos) bajo un líder de larga duración. El mercado apuesta por un nuevo comienzo.
• Sucesión establecida: Si la persona fallecida no estaba en activo (workD=0) o era un presidente jubilado, es probable que el sucesor ya esté designado.
• Alta propiedad familiar: Una alta propiedad familiar a menudo indica un compromiso con el mantenimiento del valor y con garantizar una transición fluida.

Reacción neutral (0): El evento ya está descontado o es irrelevante.

• Rol no crítico: Si la persona fallecida era un miembro del consejo no ejecutivo o una figura jubilada que no participaba en las operaciones diarias.
• Transición gradual: Si la muerte no fue repentina y la empresa es grande (alto número de empleados/activos), es probable que existan sistemas para gestionar la transición sin disrupción.

Gemini 3.1 Pro

Este es el marco financiero utilizado para clasificar las 132 empresas en 1, -1 o 0:

1. Significativamente negativa (-1) (Resumen: “Pérdida de talento clave”)
   • Condición: La persona fallecida ocupaba un cargo ejecutivo crítico (CEO, Chairman, Presidente) Y la empresa era muy rentable (por ejemplo, ROE > 10 % o ROA > 5 %).
   • Razón: La muerte repentina de un líder familiar muy eficaz elimina a un visionario central y generador de valor. Esto introduce una grave incertidumbre operativa y de sucesión, lo que provoca pánico y reacciones negativas del mercado.
2. Significativamente positiva (1) (Resumen: “Alivio del atrincheramiento”)
   • Condición: La empresa tenía un rendimiento inferior al esperado antes del evento (ingresos netos negativos, ROA < 0 o ROE < 0).
   • Razón: En las empresas familiares, los fundadores o gerentes con mal rendimiento a menudo están protegidos del despido debido a sus lazos familiares (atrincheramiento). Su fallecimiento suele ser visto favorablemente por el mercado como un catalizador para la profesionalización, la reestructuración y una nueva gestión.
3. No significativa (0) (Resumen: “Sucesión rutinaria”)
   • Condición: La empresa tenía un rendimiento financiero medio o moderado, O la persona fallecida ocupaba un rol no ejecutivo/honorario/asesor (por ejemplo, miembro del consejo, presidente honorario).
   • Razón: Sin un rendimiento extremadamente superior o inferior, o si el rol no era crítico para las operaciones diarias, el mercado considera la muerte como un evento de sucesión rutinaria que no altera materialmente los flujos de caja futuros de la empresa.

Models anteriores

GPT 5.4 Instant

GPT 5.4 Instant alcanza una tasa de éxito del 69 %. El model se centra principalmente en la rentabilidad de la empresa, utilizándola como señal principal.

• Lógica de etiqueta negativa: Es más probable cuando la persona fallecida ocupaba un rol activo central (especialmente CEO/presidente), la empresa parecía rentable/saludable, el control familiar era alto y el evento implicaba una continuidad o riesgo de sucesión significativos.
• Lógica de etiqueta positiva: Es más probable cuando la rentabilidad parecía más débil y/o el apalancamiento era mayor, por lo que el evento podía interpretarse como un reinicio del gobierno corporativo o un catalizador de reestructuración, especialmente cuando parecía haber profundidad en la sucesión familiar.
• Lógica de etiqueta neutral: Se utiliza cuando el rol parecía menos operativo/ceremonial, cuando predominaban fuerzas compensatorias o cuando la información no respaldaba con fuerza una reacción significativa en una ventana corta.

GPT 5.4 Thinking model

GPT 5.4 Thinking logra una tasa de éxito del 64 % con entradas limitadas. Combina rentabilidad y propiedad familiar.

• Lógica de etiqueta negativa: Es más probable cuando el familiar fallecido tenía un rol operativo central, la rentabilidad parecía sólida y la influencia familiar era significativa.
• Lógica de etiqueta positiva: Es más probable cuando el familiar fallecido tenía un rol central, pero la empresa parecía más débil o más apalancada, por lo que el mercado puede recibir bien el cambio.
• Lógica de etiqueta neutral: Es más probable cuando el rol era honorario/menos operativo, la empresa era lo suficientemente grande para absorber el cambio o las señales de la empresa eran mixtas.

Gemini 3 Thinking

La tasa de precisión de Gemini 3 Thinking es del 53 %. El mecanismo de decisión subyacente es el siguiente:

• Significativamente positiva (1): Estas empresas tuvieron un rendimiento inferior bajo el liderazgo familiar ($ROA < 2.5\%$). Es probable que el mercado considere la salida de un gerente familiar central (CEO o Chairman) como una señal de profesionalización o de una necesaria reestructuración estratégica.
• Significativamente negativa: Estas empresas tuvieron un rendimiento excepcionalmente alto ($ROA > 12\%$) bajo su líder principal. Su salida representa una pérdida significativa de capital humano estratégico y liderazgo visionario.
• No significativa: Esta categoría se aplica a empresas con un rendimiento medio o en las que la persona saliente ocupaba un rol honorario, emérito o secundario (por ejemplo, vicepresidente, miembro del consejo), lo que sugiere que la salida tiene un impacto mínimo en las operaciones diarias o ya estaba “descontada”.

Gemini 3 Flash

GPT 5.4 Instant alcanza una tasa de éxito del 54 %. Las predicciones se basan en dos teorías de mercado contrapuestas sobre la sucesión en empresas familiares:

• Teoría de la persona clave (-1): En empresas con una rentabilidad excepcionalmente alta ($ROA > 10\%$), el mercado suele considerar al líder como una “estrella” o visionario. Su salida crea un vacío de talento estratégico, lo que genera rendimientos anormales negativos.
• Teoría de la profesionalización/atrincheramiento (+1): En empresas con bajo rendimiento ($ROA < 3\%$) o con alta propiedad familiar, la salida de un gerente familiar suele verse como una oportunidad para que entre “sangre nueva” o gestión profesional, lo que genera rendimientos anormales positivos.
• Estabilidad/neutralidad (0): En empresas con un rendimiento moderado o en las que el líder ocupaba un rol no activo/honorario (por ejemplo, emérito, presidente honorario), el evento suele considerarse “descontado” u operativamente insignificante.

Claude Sonnet 4.2

La tasa de precisión de Claude Sonnet 4.2 en el benchmark es del 48 %. El model puntúa a cada empresa en 6 dimensiones derivadas de la teoría de estudios de eventos sobre transiciones de liderazgo en empresas familiares:

1. Prominencia del rol (lo más importante)

La posición de la persona fallecida determina cuánta información transmite su salida al mercado:

• Roles honorarios/eméritos (+0.4): Estas personas se han retirado operativamente. El anuncio es poco sorprendente, a menudo comunicado previamente → la reacción del mercado es ligeramente positiva o neutral.
• CEO/Chairman activo (−0.6): El riesgo de persona clave es máximo. Los mercados descuentan la incertidumbre sobre quién asumirá el mando y si la estrategia cambiará.
• VP/Presidente (−0.25): Preocupación moderada, pero la empresa depende menos de un solo directivo.
• Miembro del consejo/Director (+0.1): No ejecutivo; disrupción operativa mínima.

2. Señal de ROA

• ROA negativo (+1.2): Un gerente saliente bajo cuya gestión los activos generaron rendimientos negativos → el mercado interpreta la salida como alivio. Este es el impulsor positivo más fuerte.
• Por debajo del p25 (ROA < 1.8 %) (+0.5): Empresa con bajo rendimiento; la salida sigue siendo bien recibida.
• Por encima del p75 (ROA > 9.6 %) (−0.6): Una empresa con alto ROA que pierde a un ejecutivo clave indica que el mercado podría perder al artífice de esos rendimientos.

3. Ingresos netos / EBITDA

• La pérdida neta (+0.6) y el EBITDA negativo (+0.5) refuerzan la señal de alivio por dificultades independientemente del ROA.

4. ROE (cuartil superior, −0.3)

Incluso cuando el ROA es moderado, las empresas en el cuartil superior de ROE (>19.3 %) se consideran con un asignador de capital muy eficaz, cuya pérdida el mercado descuenta de forma negativa.

5. Propiedad familiar

• ≥75 % (+0.45): Un alto control familiar significa que la sucesión es casi segura dentro de la familia y está planificada de antemano. Reduce la incertidumbre.
• 50–74 % (+0.20): Mayoría familiar, estable pero con una certeza ligeramente menor.
• <30 % (−0.25): Una propiedad dispersa plantea dudas sobre la identidad del sucesor.

6. Apalancamiento

• >0.70 (+0.40): Las empresas muy apalancadas con un líder saliente indican un posible reinicio estratégico; los mercados pueden verlo positivamente (salida por dificultades).
• Por encima del p75 (>0.36) (+0.20): Se observa deuda elevada.

Puntuación ≥ 0.90 → Etiqueta: Significativamente positiva

Puntuación ≤ −0.70 → Etiqueta: Significativamente negativa

En caso contrario → Etiqueta: No significativa

GPT 5 Thinking model

El model Thinking de ChatGPT 5 presenta la mayor precisión entre las herramientas probadas, con una tasa de éxito del 74 %. La herramienta pronostica el cambio de precio basándose en dos indicadores:

Índice de concentración de liderazgo (LCI) → mayor = más probable un CAR negativo sustancial

• LCI = 0.40·z(role_importance) + 0.30·z(family_control) + 0.20·z(financial_strength) − 0.10·z(size)
  • role_importance: peso jerárquico de la persona fallecida (CEO > presidente > chairman > vicepresidente).
  • family_control: propiedad familiar (% de derechos de voto).
  • financial_strength: compuesto de ROE y ROA (rentabilidad).
  • size: ln(activos).
• Intuición: Los mercados esperan más disrupción cuando un familiar muy central fallece en una empresa cerrada, rentable pero relativamente más pequeña.
• Decisión: Etiquetar Negativa sustancialmente si el LCI está en el 30 % superior de la muestra y ≥ 0.5 unidades z por encima del Índice de Renovación.

Índice de potencial de renovación (RPI) → mayor = más probable un CAR positivo sustancial

• RPI = 0.40·(−z(financial_strength)) + 0.25·z(leverage) − 0.20·z(family_control) − 0.10·z(size) + 0.05·z(liquidity_stress)
  • leverage: (deuda a largo plazo + deuda a corto plazo) / capital.
  • family_control: propiedad familiar (% de derechos de voto).
  • liquidity_stress: cuentas por pagar / activos.
  • financial_strength: compuesto de ROE y ROA.
  • size: ln(activos).
• Intuición: Las empresas con rentabilidad débil, cierta presión de deuda, menor dominio familiar y tensión de liquidez pueden ver cómo el mercado acoge la posibilidad de un cambio de gobierno o un liderazgo renovado.
• Decisión: Etiquetar Positiva sustancialmente si el RPI está en el 30 % superior de la muestra y ≥ 0.5 unidades z por encima del LCI.

Gemini 2.5 Pro model

Gemini 2.5 Pro predice con precisión el 71 % de los cambios de precio de las acciones. Este model sugiere que los operadores activos toman decisiones basándose en la vulnerabilidad de la empresa y en la oportunidad potencial de renovación.

Índice de vulnerabilidad (VI) → mayor = más probable un CAR negativo sustancial

• VI = 0.40·z(family_control) + 0.35·(-z(financial_strength)) + 0.20·z(leverage) – 0.05·z(size)
  • family_control: propiedad familiar (% de derechos de voto).
  • financial_strength: puntuación z compuesta de ROE y ROA.
  • leverage: deuda a largo plazo / capital.
  • size: logaritmo natural de los activos totales (ln(activo)).
• Intuición: El mercado castiga a la acción cuando la muerte de un líder clave crea un vacío de poder. Este riesgo es mayor en empresas muy endeudadas, no rentables y dominadas por una familia, que carecen de la resiliencia y la estructura de gestión profunda de las corporaciones más grandes. La combinación de un alto control familiar, una mala salud financiera y un alto apalancamiento crea una mezcla potente para la incertidumbre de los inversores.
• Decisión: Etiquetar Negativa sustancialmente si la puntuación VI de una empresa está en el 5 % superior de la muestra.

Índice de catalizador de reestructuración (TCI) → mayor = más probable un CAR positivo sustancial

• TCI = 0.50·(-z(financial_strength)) + 0.25·z(family_control) – 0.15·z(leverage) – 0.10·z(size)
  • financial_strength: puntuación z compuesta de ROE y ROA.
  • family_control: propiedad familiar (% de derechos de voto).
  • leverage: deuda a largo plazo / capital.
  • size: logaritmo natural de los activos totales (ln(activo)).
• Intuición: El mercado reacciona positivamente cuando la muerte se percibe como una oportunidad de renovación. Esto ocurre cuando fallece un líder familiar atrincherado en una empresa con bajo rendimiento pero financieramente estable. El mercado anticipa que un cambio de liderazgo liberará valor al mejorar la estrategia y las operaciones, convirtiendo a la empresa en una posible historia de reestructuración o en un objetivo de adquisición.
• Decisión: Etiquetar Positiva sustancialmente si la puntuación TCI de una empresa está en el 5 % superior de la muestra y es al menos 0.5 unidades z superior a su puntuación VI.

GPT 5 Pro model

La tasa de precisión de GPT 5 Pro es del 56 % en mi benchmark. La herramienta de IA generativa realiza predicciones basándose en dos indicadores:

Índice de riesgo de persona clave (KPRI) → mayor = más probable un CAR negativo sustancial

• KPRI = 0.40·z(ownership) + 0.30·z(leverage) − 0.20·z(size) + 0.10·z(profitability)
• Intuición: las empresas de capital cerrado, más apalancadas, más pequeñas y actualmente rentables enfrentan un mayor riesgo percibido de persona clave ante la muerte de un familiar.
• Decisión: Etiquetar negativa sustancialmente si el KPRI está en el 30 % superior de la muestra y ≥ 0.5 unidades z por encima del TPI.

Índice de potencial de reestructuración (TPI) → mayor = más probable un CAR positivo sustancial

• TPI = 0.40·(−z(profitability)) + 0.20·z(leverage) − 0.20·z(ownership) − 0.10·z(size) + 0.10·z(AP/assets)
• Intuición: un rendimiento débil + cierta presión financiera, pero un menor control familiar puede hacer que los mercados acojan favorablemente el cambio de liderazgo.
• Decisión: Etiquetar positiva sustancialmente si el TPI está en el 30 % superior y ≥ 0.5 unidades z por encima del KPRI.

GPT 4o

Este model antiguo de ChatGPT utiliza algoritmos de IA basados en el rol de la persona fallecida en la empresa, la propiedad familiar, el tamaño de la empresa y el apalancamiento financiero. El model predice el CAR de los eventos como

Negativo sustancial, si

• La persona fallecida es CEO/Chairman
• Alta propiedad familiar (>70 %) & la persona fallecida ocupaba un rol de liderazgo
• Empresas más pequeñas o menos diversificadas (bajos activos/ingresos)
• Alto apalancamiento: deuda a largo plazo o deuda a corto plazo > activos

Positivo sustancial, si

• La persona fallecida tenía un rol menor (por ejemplo, miembro del consejo o VP)
• La empresa tenía un rendimiento inferior (por ejemplo, ROE o ROA negativos), los mercados pueden verlo como positivo
• Bajo control familiar (<30 %)

Sin cambios significativos, si

• Empresas medianas a grandes con finanzas sólidas
• La persona fallecida no estaba en liderazgo activo
• Propiedad familiar baja a media (30 %–60 %)

Claude Sonnet 4

Claude Sonnet 4 logra una tasa de precisión del 46 % en la predicción de los movimientos de los precios de las acciones tras el fallecimiento de líderes familiares. Este model emplea un sistema de puntuación multifactorial que pondera el riesgo de sucesión del liderazgo frente a los factores de resiliencia de la empresa.

Puntuación de disrupción de la sucesión (SDS) → mayor = más probable un CAR negativo sustancial

• SDS = 0.30·z(position_weight) + 0.25·z(family_ownership) + 0.20·(-z(financial_performance)) + 0.15·z(debt_burden) – 0.10·z(firm_scale)
  • position_weight: puntuación jerárquica donde CEO = 3, Chairman = 2.5, Presidente = 2, VP = 1, Consejo = 0.5
  • family_ownership: porcentaje de control de voto familiar
  • financial_performance: puntuación compuesta de las puntuaciones z de ROE y ROA
  • debt_burden: ratio de deuda a largo plazo sobre activos
  • firm_scale: número de empleados como proxy de la profundidad organizativa
• Intuición: Los mercados reaccionan de forma más negativa cuando un vacío de liderazgo crítico se combina con un control familiar concentrado y una resiliencia institucional débil. La muerte de un CEO o Chairman en una empresa dominada por una familia crea una crisis de sucesión inmediata, especialmente cuando la empresa carece de la fortaleza financiera para soportar la incertidumbre o de la profundidad organizativa para garantizar la continuidad. Una deuda elevada amplifica esta vulnerabilidad al limitar la flexibilidad estratégica durante el período de transición.
• Decisión: Etiquetar Negativa sustancialmente si el SDS está en el 36 % superior de la muestra (puntuación ≤ -3.0).

Índice de renovación del gobierno corporativo (GRI) → mayor = más probable un CAR positivo sustancial

• GRI = 0.35·(-z(financial_performance)) + 0.25·z(institutional_quality) – 0.20·z(family_ownership) + 0.15·z(market_development) – 0.05·z(position_weight)
  • financial_performance: puntuación compuesta de debilidad de ROE/ROA
  • institutional_quality: indicadores de tamaño de la empresa y estabilidad sectorial
  • family_ownership: concentración del control familiar (invertida)
  • market_development: proxy de eficiencia del mercado basado en el país
  • position_weight: importancia de la posición de liderazgo (invertida)
• Intuición: Los mercados anticipan creación de valor cuando el cambio de liderazgo se produce en empresas con bajo rendimiento y estructuras de propiedad dispersas. La muerte elimina posibles efectos de atrincheramiento al tiempo que preserva las capacidades institucionales necesarias para la reestructuración. Esto es especialmente pronunciado en los mercados desarrollados, donde la sucesión por gestión profesional está más disponible y los mecanismos de gobierno corporativo son más fuertes.
• Decisión: Etiquetar Positiva sustancialmente si la puntuación GRI está en el 17 % superior de la muestra (puntuación ≥ 1.5) y supera a SDS en al menos 2.0 puntos.

DeepSeek

Esta herramienta de IA generativa utiliza análisis heurístico experto, logrando una tasa de precisión estimada de ~65 % en benchmarks estándar de estudios de eventos financieros. El núcleo de la decisión pondera la evaluación de tres factores principales:

Rol de la persona fallecida

• Chairman/CEO/Presidente: se marca inmediatamente por su alto potencial de impacto negativo.
• Emérito/Honorario/VP: se pondera significativamente menos, lo que a menudo conduce a una predicción de “Sin cambios significativos”.
• Roles menores: se tratan como una señal débil.

Salud financiera

• Ingresos netos y ROE/ROA: Un ingreso neto negativo o rendimientos bajos junto con un rol clave a menudo empujaban la predicción hacia “Negativa”. Si el rol era menor, podía sugerir “Positiva”.
• Deuda a largo plazo/corto plazo: Los altos niveles de deuda amplificaban el riesgo percibido para las empresas con roles clave.

Propiedad familiar

• Alta propiedad (>60 %) + rol clave: amplificaba fuertemente la predicción “Negativa” (liderazgo atrincherado, incertidumbre de sucesión).
• Baja propiedad (<30 %) + bajo rendimiento: amplificaba la predicción “Positiva” (más fácil para los externos forzar el cambio).

Gemini 2.5 Flash model

Gemini 2.5 Flash afirma que las predicciones se realizan con base en un estudio de eventos y la literatura de gobierno corporativo, presentando una tasa de precisión del 23 %. El model etiqueta los CAR de los eventos basándose en estos supuestos:

• Negativa sustancial: El porcentaje de propiedad familiar es relativamente alto (>30 %) y la persona fallecida ocupaba un puesto crítico (CEO o Chairman).
• Sin cambios significativos: El porcentaje de propiedad familiar es relativamente bajo (<30 %) o la empresa es grande y parece tener una estructura corporativa sólida.
• Positiva sustancial: Este escenario suele ocurrir cuando el rendimiento del gerente es deficiente o cuando se cree que es un obstáculo para el futuro de la empresa. No hay suficiente información en los datos proporcionados para hacer tal predicción. Por lo tanto, todas las predicciones se etiquetaron como “Negativa sustancial” o “Sin cambios significativos”.

Precisión del model con entradas extensas

Cuando se proporciona más información en la segunda ronda, el rendimiento del model cambia:

• DeepSeek V3.2 Deep Think (64 %) y Gemini 3 Thinking (62 %) son los que más mejoran.
• GPT 5.4 models muestran resultados mixtos y una precisión ligeramente inferior que en el caso limitado.
• Claude Sonnet 4.2, GPT 5.5 Instant y Gemini 3.1 Pro empeoran aún más, lo que sugiere dificultad para manejar entradas más complejas.

Cuando se agregan datos adicionales, los models que pueden integrar múltiples señales mejoran. Sin embargo, los models más simples pueden volverse menos precisos porque no pueden priorizar eficazmente la información adicional.

Metodología del benchmark de negociación bursátil basada en IA

Prompting

El benchmark evalúa si las herramientas de IA generativa pueden predecir las reacciones del mercado de valores ante un evento inesperado, con base en los fundamentos dados de la empresa. La configuración se basa en datos de Tanyeri & Alp (2023) y Arslan & Tanyeri-Günsur (2025):²,³

Cada herramienta de IA recibe una instantánea de la información a nivel de empresa para la primera ronda:

Información financiera

• Tamaño de los activos
• Tamaño del capital
• Beneficios antes de intereses, impuestos, depreciaciones y amortizaciones (EBITDA)
• Ingresos netos
• Ingresos anuales
• Deuda a largo y corto plazo
• Cuentas por pagar
• Rentabilidad sobre capital (ROE)
• Rentabilidad sobre activos (ROA)

Otra información

• Participación de propiedad familiar
• País de la sede y de la cotización bursátil
• Número de empleados
• Industria/sector

No se proporciona el nombre de la empresa ni otros identificadores.

En la segunda ronda, se agrega adicionalmente la siguiente información:

• si la persona fallecida estaba trabajando en el momento de la muerte
• la generación de la persona fallecida después del fundador de la empresa
• si la persona fallecida era el fundador
• la antigüedad de la persona fallecida en la empresa
• la edad de la persona fallecida en el momento de la muerte
• si la persona fallecida murió repentinamente o después de una enfermedad
• el número de hijos que tenía la persona fallecida
• el número de hijas que tenía la persona fallecida
• el número de hijos varones que tenía la persona fallecida
• el número de parejas que tenía la persona fallecida

Pregunta principal

Con la información anterior, se pide a cada solución de IA que prediga si los rendimientos anormales acumulados (CAR) de 3 días de 132 empresas serán:

• Significativamente positivos
• Significativamente negativos
• No significativos

El CAR mide cómo responden los mercados financieros al evento. Un CAR positivo indica que los operadores bursátiles perciben el evento como generador de valor; un CAR negativo, como destructor de valor; y un CAR no significativo, como neutral.

Muestreo

El dataset incluye 132 eventos de fallecimiento en 109 empresas familiares que cotizan en bolsa en 24 países. Todas las empresas están clasificadas entre las 500 mayores empresas familiares.

Medición del rendimiento

El benchmark se basa en análisis técnicos previos de los precios de las acciones. Para cada empresa, se ha calculado el CAR de 3 días y se ha clasificado como:

• Significativamente positivo
• Significativamente negativo
• No significativo

Las predicciones de la IA se comparan con los valores históricos de CAR. La precisión se mide como el porcentaje de predicciones correctas realizadas por cada solución de IA generativa.

No te pierdas nuestros análisis comparativos e insights basados en datos. El botón abre Google; seleccionar AIMultiple confirma que deseas ver AIMultiple con más frecuencia en los resultados de búsqueda de Google.

Añadir como fuente preferida

Otras lecturas

• Los 10 principales casos de uso de datos alternativos para la inversión
• Benchmark de finanzas con IA agéntica: FinRobot vs FinRL vs FinGPT
• Principales plataformas de investigación financiera con IA para inversores
• Benchmark de IA para VC: 11 agentes de IA en tareas reales de capital riesgo

Preguntas frecuentes

Cita este benchmark

Elige el formato que se ajuste al lugar donde vas a publicar. Pegar la versión con enlace en tu CMS conserva el enlace de retroceso.

@misc{phd2026,
  author = {PhD., Ezgi Arslan,},
  title  = {{Negociación bursátil basada en IA: ¿Qué herramienta de IA generativa es mejor?}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/ai-based-stock-trading}},
  note   = {AIMultiple. Recuperado el 28 de Agosto de 2026}
}

Enlaces de referencia

1.

Page restricted | ScienceDirect

2.

The value of shareholder rights in family firms: Global evidence from a death in the family - Tanyeri Günsür - 2023 - Corporate Governance: An International Review - Wiley Online Library

3.

Page restricted | ScienceDirect

4.

Artificial Intelligence Can Make Markets More Efficient—and More Volatile

Ezgi Arslan, PhD.

Analista de la industria

Síguenos

Ezgi tiene un doctorado en Administración de Empresas con especialización en finanzas y se desempeña como Analista de la Industria en AIMultiple. Impulsa la investigación y los conocimientos en la intersección de la tecnología y los negocios, con experiencia en sostenibilidad, análisis de encuestas y de sentimiento, aplicaciones de agentes de IA en finanzas, optimización para motores de respuestas, gestión de cortafuegos y tecnologías de adquisiciones.

Ver perfil completo

Sé el primero en comentar

Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios. Los comentarios se dejan en su idioma original.

Nombre

Dirección de correo electrónico

Comentario

0/450

Publicar comentario