Qué significa
Un modelo de lenguaje grande procesa y genera texto a partir de patrones aprendidos durante su entrenamiento. En finanzas, puede ayudar a organizar comentarios sobre resultados, explicar términos de mercado, resumir noticias o expresar un análisis en un lenguaje claro. No sabe por sí solo si una afirmación está actualizada o es correcta. Una respuesta fluida puede inventar un dato, omitir un matiz o interpretar mal una cifra.
Un LLM no es lo mismo que un flujo de datos de mercado, una fórmula de riesgo determinista o un sistema de ejecución de órdenes. Su utilidad depende de la tarea, de la información que recibe y de las comprobaciones de sus resultados. Las decisiones financieras también exigen tener en cuenta precios, cantidades, costes de negociación y riesgos, no solo una explicación escrita que parezca convincente.
Cómo se calcula
Un LLM no tiene una fórmula financiera única. Al generar texto, asigna probabilidades a los posibles tokens siguientes —unidades de texto— en función de la entrada y del texto generado hasta ese momento. Una expresión simplificada es P(t_next | prompt, t_previous; model). Aquí, P es la probabilidad asignada por el modelo; t_next, un posible token siguiente; prompt, la pregunta o el contexto proporcionados; t_previous, los tokens ya generados; y model, los parámetros aprendidos por el modelo. Esta es una probabilidad sobre texto, no la probabilidad de que una operación tenga éxito ni una previsión de rentabilidad.
Una aplicación financiera puede calcular por separado diferenciales, volatilidad u otras magnitudes mediante fórmulas explícitas y después facilitar esos resultados a un LLM para que los interprete. La distinción es importante: generar texto no valida el cálculo subyacente.
Ejemplo práctico
Supongamos, a modo de ejemplo hipotético, que un inversor está considerando una cesta con 100 acciones de la empresa A a 50 US$ por acción y 50 acciones de la empresa B a 100 US$ por acción. El valor de cada posición es 100 × 50 US$ = 5.000 US$ y 50 × 100 US$ = 5.000 US$, respectivamente. La cesta suma 10.000 US$ antes de los costes de negociación.
- Un cálculo independiente determina que cada posición representa el 50 % de la cesta:
5.000 US$ / 10.000 US$ = 0,50. - Se facilita un resumen de noticias y esas cifras a un LLM. Este explica que la cesta tiene el mismo peso en dólares para ambas posiciones y resume las noticias en un lenguaje claro.
- Se contrasta la explicación con los pesos calculados y el texto facilitado. Si el LLM afirma que la posición en la empresa A representa el 60 %, se equivoca, aunque el resto de la respuesta parezca convincente.
Las cifras y las empresas son meramente ilustrativas. Este ejemplo no demuestra que ninguna de las acciones sea adecuada ni que una operación concreta vaya a tener éxito.
Por qué importa antes de operar
Antes de cursar una orden, un inversor puede tener que conciliar distintos tipos de información: tamaño de la orden, liquidez, costes de ejecución estimados, volatilidad, concentración y noticias recientes de las empresas. Un LLM puede facilitar la lectura de esa información, pero no hay que confundir una explicación verbal con una medición. Comprueba si una afirmación numérica parte de datos de entrada y de un cálculo definidos, si las afirmaciones sobre noticias coinciden con la fuente y si el análisis tiene en cuenta la orden prevista y las condiciones de ejecución.
Que un modelo se exprese con seguridad no demuestra que sea preciso. En particular, una probabilidad asociada a un veredicto analítico debe tener una definición propia; no debe deducirse de la probabilidad que el LLM asigna a sus siguientes palabras.
Cómo lo utiliza PreTrAIde
PreTrAIde es una plataforma de análisis previo a la operativa basada en IA para cestas de acciones. El usuario indica una o varias acciones, si cada posición es de compra o de venta, la cantidad y las condiciones de ejecución. Su capa cuantitativa determinista estima medidas como el diferencial, el impacto de mercado y la volatilidad diaria, y genera puntuaciones de liquidez, volatilidad y ejecución de 0 a 100. A continuación, agentes de IA analizan cada acción y la cesta, tomando como referencia esas puntuaciones, las noticias y las valoraciones de analistas, y ofrecen explicaciones en lenguaje claro.
PreTrAIde proporciona un veredicto GO, NO-GO o MODIFY, una evaluación del riesgo, una estrategia de ejecución sugerida y una probabilidad estimada por el modelo de que la operación tenga éxito, situada entre el 5 % y el 95 %. Esa probabilidad no es una garantía ni una previsión de rentabilidad. Las salvaguardas corrigen contradicciones específicas —por ejemplo, asignan NO-GO a una acción suspendida y rebajan a NO-GO un GO cuya probabilidad de éxito sea inferior al 50 %— y solo modifican los veredictos en sentido conservador. PreTrAIde no recibe, transmite ni ejecuta órdenes: sus veredictos sirven de apoyo a la toma de decisiones, no son recomendaciones.
Errores habituales
- Dar por verificado un texto fluido. Contrasta las cifras y las afirmaciones factuales con los datos de entrada.
- Confundir las probabilidades de los tokens con las probabilidades de éxito de una operación. Son conceptos distintos.
- Suponer que el LLM ha calculado una medida de riesgo. Comprueba si se ha obtenido mediante un cálculo independiente y definido.
- Pasar por alto la falta de contexto. La explicación puede variar si cambian la cantidad de la orden, las condiciones de ejecución o las noticias facilitadas.
- Tratar un veredicto de IA como una instrucción. El software de análisis no sustituye la decisión del inversor ni al intermediario financiero.