NUEVA YORK.- Analistas de JP Morgan desarrollaron un agente de inteligencia artificial capaz de identificar el régimen macroeconómico predominante y ajustar una estrategia de inversión que, según sus pruebas, supera el rendimiento de la tradicional cartera 60/40 —compuesta por 60% en acciones y 40% en bonos— con un menor nivel de riesgo.

El modelo, liderado por el estratega Thomas Salopek, utiliza grandes modelos de lenguaje (LLM) para analizar datos económicos y financieros disponibles en cada momento, evitando incorporar información futura que pudiera sesgar los resultados.

Para ello, los investigadores clasifican el entorno económico en cuatro regímenes: Goldilocks (crecimiento sólido con inflación en descenso), Reflación (crecimiento e inflación en alza), Estanflación (bajo crecimiento con inflación elevada) y Risk-Off (desaceleración económica o estrés financiero).

Según JP Morgan, el agente de IA logró identificar correctamente los distintos ciclos de mercado de las últimas dos décadas y construir una estrategia de asignación de activos que obtuvo mejores resultados que una cartera 60/40.

Entre los principales hallazgos, el banco señala que el período 2001-2003 estuvo dominado por un escenario de aversión al riesgo y estanflación tras el estallido de la burbuja tecnológica; entre 2004 y 2007 predominó un entorno de crecimiento estable y reflación; la crisis financiera de 2008 volvió a marcar un régimen de «Risk-Off»; mientras que gran parte de la década de 2010 se caracterizó por un escenario «Goldilocks».

Para 2026, el modelo identifica una transición desde un entorno de crecimiento estable hacia un escenario de reflación, marcado por una aceleración económica acompañada de mayores presiones inflacionarias.

JPMorgan probó el sistema utilizando dos modelos de Anthropic y dos de OpenAI. Si bien todos llegaron a conclusiones similares, el banco reconoce que los resultados no fueron idénticos y que existe el riesgo de que los modelos recuerden episodios históricos ampliamente documentados, como la crisis financiera de 2008 o la pandemia de COVID-19, aun cuando las consultas fueron diseñadas para utilizar únicamente información disponible en cada fecha analizada.

En paralelo, una prueba realizada por MarketWatch mostró que es posible replicar el enfoque utilizando datos públicos —como los indicadores económicos de la base FRED de la Reserva Federal de St. Louis y precios de ETFs que representan bonos, dólar, materias primas, crédito y volatilidad— junto con modelos de IA comerciales.

Sin embargo, la publicación advirtió que el proceso dista de ser exacto. Las distintas herramientas de inteligencia artificial no siempre coinciden entre sí y, en algunos casos, incluso ofrecen respuestas diferentes ante la misma consulta realizada en momentos distintos, lo que evidencia que la identificación de los regímenes macroeconómicos sigue teniendo un componente importante de interpretación y no constituye una ciencia exacta.