Generación de recomendaciones automáticas de inversión en la Bolsa de Valores de Colombia mediante agentes autónomos de inteligencia artificial

Abstract

El comportamiento de los precios de activos financieros, específicamente en el mercado colombiano, está influenciado por múltiples factores económicos y financieros, que influyen en los precios y generan incertidumbre en los inversionistas. Históricamente, Colombia ha mostrado una baja participación en el mercado de renta variable debido, en parte, a la complejidad del análisis requerido para la toma de decisiones. Este trabajo se motivó por la necesidad de facilitar este proceso mediante tecnologías avanzadas, con el fin de promover la inclusión financiera y mejorar la precisión en la toma de decisiones.

En Colombia, se evidenció que, aunque existen desarrollos tecnológicos como aplicaciones móviles (TRII y Tyba) y estudios de implementación de Inteligencia Artificial (IA) en el mercado local, la aplicación específica de Agentes Autónomos de IA, aún es incipiente en el contexto financiero colombiano. Modelos como FinGPT y FinAgent han demostrado resultados prometedores en otros mercados, destacando la necesidad de adaptar estas tecnologías al contexto local con las características propias del mercado colombiano.

El objetivo de este trabajo es desarrollar un Agente Autónomo de Inteligencia Artificial que proporcionará soporte automatizado para decisiones de inversión en la Bolsa de Valores de Colombia. Este objetivo se alcanzó mediante un proceso metodológico estructurado en cuatro fases: la recolección de datos mediante técnicas de web scraping, la creación de una herramienta computacional basada en técnicas de IA para extraer información relevante de fuentes confiables, la implementación del agente autónomo utilizando el modelo ReAct y grandes modelos de lenguaje (LLMs), y la evaluación de su desempeño comparado con estrategias tradicionales.

Los resultados obtenidos mostraron que el agente autónomo, en diferentes contextos, logró superar a estrategias convencionales como Comprar y Mantener, Media Móvil y Reversión a la Media, evaluadas a través de métricas como la Tasa Promedio de Retorno Anual (ARR), volatilidad y el Sharpe Ratio. Además, pruebas estadísticas como Mann-Whitney U confirmaron las diferencias del agente en términos de rentabilidad ajustada al riesgo para acciones destacadas como Ecopetrol, Bancolombia, Nutresa y Cementos Argos.

Este trabajo aporta una solución innovadora al mercado bursátil colombiano, demostrando que los Agentes Autónomos basados en IA pueden ser efectivos en contextos financieros locales. Los hallazgos sugieren un gran potencial para mejorar la inclusión financiera en Colombia y plantean futuras líneas de investigación en la adaptación y optimización de estos modelos en mercados emergentes. (Texto tomado de la fuente).

The behavior of financial asset prices, specifically in the Colombian market, is influenced by a multitude of economic and financial factors, creating uncertainty for investors. Historically, Colombia has exhibited low participation rates in the equity market, partially due to the inherent complexity involved in decision-making analysis. This study was motivated by the necessity to streamline this process using advanced technologies, aiming to enhance financial inclusion and improve the accuracy of investment decision-making.

In Colombia, despite technological advancements such as mobile applications (TRII and Tyba) and various studies on the implementation of Artificial Intelligence (AI) within the local financial market, the specific application of Autonomous AI Agents remains nascent in this context. Models such as FinGPT and FinAgent have demonstrated promising results in other markets, highlighting the need to adapt these technologies to the specific characteristics of the Colombian market.

The objective of this work is to develop an Autonomous Artificial Intelligence Agent capable of providing automated support for investment decision-making on the Colombian Stock Exchange. This goal was achieved through a methodological process structured into four phases: data collection using web scraping techniques, the development of a computational tool based on AI techniques to extract relevant information from reliable sources, the implementation of the autonomous agent using the ReAct model and Large Language Models (LLMs), and the evaluation of its performance against traditional investment strategies.

The results indicated that the autonomous agent, under various scenarios, outperformed conventional strategies such as Buy-and-Hold, Moving Average, and Mean Reversion, as measured by metrics such as the Average Annual Return Rate (ARR), volatility, and the Sharpe Ratio. Furthermore, statistical tests, including the Mann-Whitney U test, confirmed the significant differences in risk-adjusted returns of the autonomous agent for prominent stocks such as Ecopetrol, Bancolombia, Nutresa, and Cementos Argos.

This research provides an innovative solution to the Colombian stock market, demonstrating the effectiveness of AI-based Autonomous Agents in local financial contexts. The findings suggest substantial potential for improving financial inclusion in Colombia and outline future research opportunities focused on adapting and optimizing these models within emerging markets.