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 modelos de IA generativa para la negociación bursátil basada en IA con el fin de evaluar su capacidad para predecir cambios de precios de 132 acciones utilizando la información proporcionada. Los resultados muestran que

• ChatGPT 5 (modelo de pensamiento) y el modelo Gemini 2.5 Pro ofrecieron el mejor rendimiento.
• Los modelos actuales de ChatGPT y Gemini rinden peor que los modelos más antiguos.
• 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 > Presidente > puestos honoríficos).
• 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 un miembro interno atrincherado o con bajo rendimiento puede activar el mercado de control y aumentar las esperanzas de recuperación.

(-) Capital humano perdido: La muerte de un propietario-gerente que aporta valor destruye una habilidad difícil de reemplazar y crea riesgo de sucesión.  

(0) Sin sorpresa: Títulos ceremoniales o de jubilados, funciones puramente de consejo, o casos atenuados/compensados no producen una reacción significativa.

Reglas de decisión:

• Emérito/honorífico -> 0 (retirado).
• Miembro de la junta directiva/director, rentable -> 0; con pérdidas -> +1 (sacudida).
• Ejecutivo activo + pérdidas/ROA<1 -> +1 (alivio/opcionalidad).
• Ejecutivo activo + fuerte (ROA>=mediana & ROE>=10 & NI>0) & propiedad>=60% -> -1 (administrador perdido).
• Ejecutivo activo + fuerte pero propiedad<60% -> 0 (colchón de supervisión).
• Intermedio / señal 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 del fallecido y el desempeño de la empresa.

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

• Alta dependencia: Si el fallecido era el fundador o un CEO/Presidente activo (en funciones) con una larga trayectoria, su pérdida crea un vacío de liderazgo significativo.
• Baja propiedad familiar: Una propiedad más baja podría 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 desempeño (ingresos netos o ROE negativos) bajo un líder de larga data. El mercado apuesta por un nuevo comienzo.
• Sucesión establecida: Si el fallecido era no ejecutivo (workD=0) o 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 la garantía de una transición fluida.

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

• Rol no crítico: Si el fallecido era un miembro no ejecutivo del consejo o una figura retirada sin implicación 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 manejar la transición sin disrupción.

Gemini 3.1 Pro

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

1. Significativamente negativo (-1) (Resumen: “Pérdida de talento clave”)
   • Condición: El fallecido ocupaba un cargo ejecutivo crítico (CEO, Presidente, Presidente del consejo) Y la empresa era altamente rentable (p. ej., ROE > 10% o ROA > 5%).
   • Razón: La muerte repentina de un líder familiar altamente efectivo elimina a un visionario central y generador de valor. Esto introduce una grave incertidumbre sucesoria y operativa, provocando pánico y reacciones negativas del mercado.
2. Significativamente positivo (1) (Resumen: “Alivio del atrincheramiento”)
   • Condición: La empresa había tenido un rendimiento histórico deficiente antes del evento (Ingreso neto negativo, ROA < 0, o ROE < 0).
   • Razón: En las empresas familiares, los fundadores o gerentes con mal desempeño 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, reestructuración y nueva gestión.
3. No significativo (0) (Resumen: “Sucesión rutinaria”)
   • Condición: La empresa tenía un desempeño financiero moderado y promedio, O el fallecido ocupaba un cargo no ejecutivo/honorífico/de asesoría (p. ej., miembro del consejo, presidente honorario).
   • Razón: Sin un rendimiento excepcionalmente alto o bajo, o si el rol no era crítico para las operaciones diarias, el mercado considera la muerte como un evento de sucesión rutinario que no altera materialmente los flujos de caja futuros de la empresa.

Modelos más antiguos

GPT 5.4 Instant

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

• Lógica de etiqueta negativa: Más probable cuando el fallecido ocupaba un rol activo central (especialmente CEO/presidente), la empresa parecía rentable/saludable, el control familiar era alto y el evento implicaba un riesgo significativo de continuidad o sucesión.
• Lógica de etiqueta positiva: Más probable cuando la rentabilidad parecía más débil y/o el apalancamiento era mayor, de modo que el evento pudiera interpretarse como un reinicio de gobierno o un catalizador de recuperación, especialmente cuando la profundidad de la sucesión familiar parecía disponible.
• Lógica de etiqueta neutral: Se utilizó cuando el rol parecía menos operativo/ceremonial, cuando fuerzas compensatorias dominaban, o cuando la información no respaldaba firmemente una reacción significativa en la ventana corta.

GPT 5.4 Thinking model

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

• Lógica de etiqueta negativa: Más probable cuando el miembro familiar fallecido tenía un rol operativo central, la rentabilidad parecía sólida y la influencia familiar era significativa.
• Lógica de etiqueta positiva: Más probable cuando el miembro familiar fallecido tenía un rol central, pero la empresa parecía más débil o más apalancada, por lo que el mercado podría recibir el cambio con agrado.
• Lógica de etiqueta neutral: Más probable cuando el rol era honorífico / menos operativo, la empresa era lo suficientemente grande como 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 positivo (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 Presidente) como una señal de profesionalización o de un giro estratégico necesario.
• Significativamente negativo: Estas empresas tuvieron un rendimiento excepcionalmente alto ($ROA > 12\%$) bajo su líder central. Su salida representa una pérdida significativa de capital humano estratégico y liderazgo visionario.
• No significativo: Esta categoría se aplica a empresas con rendimiento promedio o donde la persona fallecida ocupaba un cargo honorario, emérito o secundario (p. ej., 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 a menudo considera al líder como una “estrella” o visionario. Su partida crea un vacío de talento estratégico, lo que conduce a retornos anormales negativos.
• Teoría de profesionalización/atrincheramiento (+1): En empresas con bajo rendimiento ($ROA < 3\%$) o aquellas con alta propiedad familiar, la salida de un gerente familiar a menudo se ve como una oportunidad para que “sangre nueva” o gestión profesional tome el control, lo que conduce a retornos anormales positivos.
• Estabilidad/neutralidad (0): Para empresas con rendimiento moderado o donde el líder ocupaba un cargo no activo/honorífico (p. ej., 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 modelo puntúa cada empresa en 6 dimensiones derivadas de la teoría de estudios de eventos sobre transiciones de liderazgo en empresas familiares:

1. Prominencia del rol (la más importante)

El cargo del fallecido determina cuánta información transmite la salida al mercado:

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

2. Señal ROA

• ROA negativo (+1.2): Un gerente saliente bajo cuyo mandato los activos generaron rendimientos negativos → el mercado interpreta la salida como un alivio. Este es el motor positivo más fuerte.
• Por debajo del p25 (ROA < 1.8%) (+0.5): Empresa con bajo rendimiento, la salida aún es bienvenida.
• 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. Ingreso neto / EBITDA

• Pérdida neta (+0.6) y EBITDA negativo (+0.5) refuerzan la señal de alivio por dificultades de forma independiente al 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 como poseedoras de un asignador de capital altamente efectivo, cuya pérdida el mercado descuenta negativamente.

5. Propiedad familiar

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

6. Apalancamiento

• >0.70 (+0.40): Las empresas altamente 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): Deuda elevada observada.

Puntuación ≥ 0.90 → Etiqueta Significativamente positivo

Puntuación ≤ −0.70 → Etiqueta Significativamente negativo

En caso contrario → Etiqueta No significativo

GPT 5 Thinking model

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

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

• LCI = 0.40·z(importancia_rol) + 0.30·z(control_familiar) + 0.20·z(fortaleza_financiera) − 0.10·z(tamaño)
  • importancia_rol: peso jerárquico del fallecido (CEO > presidente > presidente del consejo > vicepresidente).
  • control_familiar: propiedad familiar (% de derechos de voto).
  • fortaleza_financiera: compuesto de ROE y ROA (rentabilidad).
  • tamaño: ln(activos).
• Intuición: Los mercados esperan más disrupción cuando un miembro familiar altamente central fallece en una empresa de propiedad concentrada, rentable pero relativamente más pequeña.
• Decisión: Etiquetar como Negativo sustancial si el LCI está en el 30% superior de la muestra y es ≥ 0.5 unidades z por encima del Índice de Renovación.

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

• RPI = 0.40·(−z(fortaleza_financiera)) + 0.25·z(apalancamiento) − 0.20·z(control_familiar) − 0.10·z(tamaño) + 0.05·z(estrés_liquidez)
  • apalancamiento: (deuda a largo plazo + deuda a corto plazo) / patrimonio.
  • control_familiar: propiedad familiar (% de derechos de voto).
  • estrés_liquidez: cuentas por pagar / activos.
  • fortaleza_financiera: compuesto de ROE y ROA.
  • tamaño: ln(activos).

• Intuición: Las empresas con rentabilidad débil, cierta presión de deuda, menor dominio familiar y tensiones de liquidez pueden hacer que el mercado acoja favorablemente la posibilidad de un cambio de gobierno o un nuevo liderazgo.
• Decisión: Etiquetar como Positivo sustancial si el RPI está en el 30% superior de la muestra y es ≥ 0.5 unidades z por encima del LCI.

Gemini 2.5 Pro model

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

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

• VI = 0.40·z(control_familiar) + 0.35·(-z(fortaleza_financiera)) + 0.20·z(apalancamiento) – 0.05·z(tamaño)
  • control_familiar: Propiedad familiar (% derechos de voto).
  • fortaleza_financiera: Puntuación z compuesta de ROE y ROA.
  • apalancamiento: Deuda a largo plazo / patrimonio.
  • tamaño: Logaritmo natural de los activos totales (ln(activo)).
• Intuición: El mercado castiga 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 familias, que carecen de la resiliencia y la estructura de gestión profunda de las grandes corporaciones. La combinación de alto control familiar, mala salud financiera y alto apalancamiento crea una mezcla potente de incertidumbre para los inversores.
• Decisión: Etiquetar como Sustancialmente negativo si la puntuación VI de una empresa está en el 5% superior de la muestra.

Índice de catalizador de recuperación (TCI) → más alto = más probable un CAR positivo sustancial

• TCI = 0.50·(-z(fortaleza_financiera)) + 0.25·z(control_familiar) – 0.15·z(apalancamiento) – 0.10·z(tamaño)
  • fortaleza_financiera: Puntuación z compuesta de ROE y ROA.
  • control_familiar: Propiedad familiar (% derechos de voto).
  • apalancamiento: Deuda a largo plazo / patrimonio.
  • tamaño: 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 un líder familiar atrincherado en una empresa de bajo rendimiento pero financieramente estable fallece. El mercado anticipa que un cambio en el liderazgo desbloqueará valor mejorando la estrategia y las operaciones, convirtiendo a la empresa en una posible historia de recuperación o en un objetivo de adquisición.
• Decisión: Etiquetar como Sustancialmente positivo si la puntuación TCI de una empresa está en el 5% superior de la muestra y es al menos 0.5 unidades z por encima de 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 basadas en dos indicadores:

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

• KPRI = 0.40·z(propiedad) + 0.30·z(apalancamiento) − 0.20·z(tamaño) + 0.10·z(rentabilidad)
• Intuición: Las empresas de propiedad concentrada, más apalancadas, más pequeñas y actualmente rentables enfrentan un mayor riesgo percibido de persona clave ante la muerte de un miembro familiar.
• Decisión: Etiquetar como negativo sustancial si el KPRI está en el 30% superior de la muestra y es ≥ 0.5 unidades z por encima del TPI.

Índice de potencial de recuperación (TPI) → más alto = más probable un CAR positivo sustancial

• TPI = 0.40·(−z(rentabilidad)) + 0.20·z(apalancamiento) − 0.20·z(propiedad) − 0.10·z(tamaño) + 0.10·z(CP/activos)
• 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 como positivo sustancial si el TPI está en el 30% superior y es ≥ 0.5 unidades z por encima del KPRI.

GPT 4o

Este antiguo modelo de ChatGPT utiliza algoritmos de IA basados en el rol del fallecido en la empresa, la propiedad familiar, el tamaño de la empresa y el apalancamiento financiero. El modelo predice el CAR del evento como

Sustancialmente negativo, si

• El fallecido es CEO/Presidente del consejo
• Alta propiedad familiar (>70%) & el fallecido 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

Sustancialmente positivo, si

• El fallecido tenía un rol menor (p. ej., miembro del consejo o VP)
• La empresa tenía un rendimiento inferior (p. ej., ROE o ROA negativos), los mercados pueden verlo como positivo
• Bajo control familiar (<30%)

Sin cambio significativo, si

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

Claude Sonnet 4

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

Puntuación de disrupción sucesoria (SDS) → más alta = más probable un CAR negativo sustancial

• SDS = 0.30·z(peso_cargo) + 0.25·z(propiedad_familiar) + 0.20·(-z(desempeño_financiero)) + 0.15·z(carga_deuda) – 0.10·z(escala_empresa)
  • peso_cargo: Puntuación jerárquica donde CEO = 3, Presidente del consejo = 2.5, Presidente = 2, VP = 1, Consejo = 0.5
  • propiedad_familiar: Porcentaje de control de voto familiar
  • desempeño_financiero: Puntuación compuesta de las puntuaciones z de ROE y ROA
  • carga_deuda: Ratio de deuda a largo plazo sobre activos
  • escala_empresa: Número de empleados como proxy de la profundidad organizativa
• Intuición: Los mercados reaccionan más negativamente cuando un vacío de liderazgo crítico se combina con un control familiar concentrado y una débil resiliencia institucional. La muerte de un CEO o Presidente del consejo en una empresa dominada por la familia crea una crisis de sucesión inmediata, particularmente cuando la empresa carece de la fortaleza financiera para capear la incertidumbre o de la profundidad organizativa para garantizar la continuidad. Un alto endeudamiento amplifica esta vulnerabilidad al restringir la flexibilidad estratégica durante el período de transición.
• Decisión: Etiquetar como Sustancialmente negativo si el SDS está en el 36% superior de la muestra (puntuación ≤ -3.0).

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

• GRI = 0.35·(-z(desempeño_financiero)) + 0.25·z(calidad_institucional) – 0.20·z(propiedad_familiar) + 0.15·z(desarrollo_mercado) – 0.05·z(peso_cargo)
  • desempeño_financiero: Puntuación compuesta de debilidad ROE/ROA
  • calidad_institucional: Indicadores de tamaño de la empresa y estabilidad sectorial
  • propiedad_familiar: Concentración del control familiar (invertida)
  • desarrollo_mercado: Proxy de eficiencia del mercado basado en el país
  • peso_cargo: Importancia del cargo de liderazgo (invertida)
• Intuición: Los mercados anticipan la creación de valor cuando el cambio de liderazgo ocurre en empresas con bajo rendimiento y estructuras de propiedad dispersas. La muerte elimina los posibles efectos de atrincheramiento al tiempo que preserva las capacidades institucionales necesarias para la recuperación. Esto es especialmente pronunciado en los mercados desarrollados, donde la sucesión de gestión profesional está más disponible y los mecanismos de gobierno son más sólidos.
• Decisión: Etiquetar como Sustancialmente positivo si la puntuación GRI está en el 17% superior de la muestra (puntuación ≥ 1.5) y supera el SDS en al menos 2.0 puntos.

DeepSeek

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

Rol del fallecido

• Presidente del consejo/CEO/Presidente: Inmediatamente señalado para un alto potencial de impacto negativo.
• Emérito/Honorífico/VP: Ponderado significativamente menos, a menudo llevando a una predicción de “Sin cambio significativo”.
• Roles menores: Tratados como una señal débil.

Salud financiera

• Ingreso neto y ROE/ROA: Un ingreso neto negativo o bajos retornos emparejados con un rol clave a menudo empujaban la predicción hacia “Negativo”. Si el rol era menor, podía sugerir “Positivo”.
• Deuda a largo/corto plazo: Niveles altos 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 sucesoria).
• Baja propiedad (<30%) + Mal 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 basándose en un estudio de eventos y literatura de gobierno corporativo, presentando una tasa de precisión del 23%. El modelo etiqueta los CAR del evento según estos supuestos:

• Sustancialmente negativo: El porcentaje de propiedad familiar es relativamente alto (>30%) y el fallecido ocupaba un cargo crítico (CEO o Presidente del consejo).
• Sin cambio significativo: El porcentaje de propiedad familiar es relativamente bajo (<30%) o la empresa es grande y parece tener una estructura corporativa sólida.
• Sustancialmente positivo: Este escenario ocurre típicamente 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 “Sustancialmente negativo” o “Sin cambio significativo”.

Precisión del modelo con entrada extensa

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

• DeepSeek V3.2 Deep Think (64%) y Gemini 3 Thinking (62%) mejoran más.
• Los modelos GPT 5.4 muestran resultados mixtos y una precisión ligeramente inferior a la del caso limitado.
• Claude Sonnet 4.2, GPT 5.5 Instant y Gemini 3.1 Pro disminuyen aún más, lo que sugiere dificultad para manejar entradas más complejas.

Cuando se añaden datos adicionales, los modelos que pueden integrar múltiples señales mejoran. Sin embargo, los modelos 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, basándose en los fundamentos de la empresa proporcionados. 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 información a nivel de empresa para la primera ronda:

Información financiera

• Tamaño de los activos
• Tamaño del patrimonio
• Ganancias antes de intereses, impuestos, depreciación y amortización (EBITDA)
• Ingreso neto
• Ingresos anuales
• Deuda a largo y corto plazo
• Cuentas por pagar
• Retorno sobre el patrimonio (ROE)
• Retorno sobre los activos (ROA)

Otra información

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

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

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

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

Pregunta principal

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

• Significativamente positivos
• Significativamente negativos
• No significativos

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

Muestreo

El conjunto de datos 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 y categorizado el CAR de 3 días como:

• Significativamente positivo
• Significativamente negativo
• No significativo

Las predicciones de IA se comparan con los valores históricos del 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

Lecturas adicionales

• Los 10 principales casos de uso de datos alternativos para inversión
• Benchmark de IA agéntica en finanzas: FinRobot vs FinRL vs FinGPT
• Principales plataformas de investigación financiera con IA para inversores

Preguntas frecuentes

Cita esta investigación

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  = jun,
  howpublished    = {\url{https://aimultiple.com/ai-based-stock-trading}},
  note   = {AIMultiple. Recuperado el 30 de Junio 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 Industria

Síguenos

Ezgi es Doctora en Administración de Empresas con especialización en finanzas y trabaja como Analista de Industria en AIMultiple. Genera investigaciones y conocimientos en la intersección de la tecnología y los negocios, con experiencia en sostenibilidad, encuestas y análisis de sentimiento, aplicaciones de agentes de IA en finanzas, optimización para motores de respuesta, gestión de firewalls y tecnologías de adquisición.

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