Aunque Amundi lleva desarrollando activamente su plataforma de alternativos líquidos desde 2021, no ha sido hasta 2025 que ha añadido su primera estrategia de renta variable market neutral: Amundi Machina Systematic Equity Fund. Es un vehículo cuya gestión queda delegada en el hedge fund Machina Capital y que cuenta con la gran particularidad de haber aplicado estrategias de machine learning desde el lanzamiento de la estrategia original (en versión offshore) hace casi cinco años. La versión UCITS ha sido lanzada hace menos de 12 meses y ya dispone de un patrimonio superior a los 100 millones de euros. “Probablemente la mitad de nuestro trabajo está guiado por la IA. Pero esto va más allá de una estrategia de marketing, porque hace 5 años la IA ya formaba parte de nuestros procesos, aunque su peso no ha parado de crecer. El machine learning ha ido filtrándose lentamente en todo lo que hacemos” aclara Arnaud de Lasteyrie, director de inversiones y accionista mayoritario de Machina Capital, en la que ha sido su primera visita a Madrid.
La estrategia presenta una beta de cero en términos históricos, ofreciendo exposición absolutamente neutral al mercado. “La mayor parte del tiempo, intentamos mantenernos relativamente inmunes durante los picos de volatilidad”, afirma de Lasteyrie. De hecho, durante la fuerte corrección vista en abril a cuenta del “Día de la Liberación”, el experto afirma que “la volatilidad se mantuvo silenciada”, lo que sirvió al equipo para demostrar que la estrategia no solo se mantuvo estable o incluso ligeramente en positivo en momentos de caída, sino que, “cuando todo se recuperó de forma espectacular, nosotros no perdimos de forma espectacular. Seguimos igual”.
Al mismo tiempo, la cartera presenta una gran profundidad, ya que invierten en las acciones más líquidas de EE.UU., Europa y Japón. “Lo interesante es que tenemos a tener posiciones en casi todas las acciones constantemente, ya sean en posiciones cortas o largas. Tenemos un universo de unas 2.000 compañías y probablemente tengamos posiciones en 1.700 en cartera en cualquier momento”, detalla Lasteyrie. Cabe aclarar que las transacciones se hacen con acciones, no con ETF, y que el equipo utiliza derivados solo para cubrir la beta, generalmente futuros sobre el S&P 500 o sobre el EuroStoxx. “El 95% del libro de operaciones son acciones”, puntualiza el experto, que reivindica no solo la liquidez, sino la transparencia de este modo de invertir en una estrategia alternativa.
¿Puede darme un ejemplo de cómo emplea la IA en su proceso de inversión?
Actualmente puede usarse la IA en múltiples dimensiones de la cadena de inversión: para recopiar datos de internet, para estructurar datos, para codificar programas que permitan procesar más rápidamente las operaciones, y para la ejecución. Pero también se puede utilizar para hacer análisis real de alfa, que es más interesante y en lo que tendemos a centrarnos. Aunque hay varios tipos de IA, usamos sobre todo machine learning. Imagina que tienes un catálogo de 100 estrategias diferentes de pequeño tamaño. Si te pidiera que determines qué ponderaciones asignarías a todas las estrategias, probablemente intentaríamos ver la volatilidad asociada y las correlaciones y acabaríamos con una asignación manual en una hoja de Excel donde pensamos que podría funcionar cada cosa. Con machine learning, se pueden analizar esos cientos de datos y la rentabilidad histórica y encontrar relaciones que nuestro cerebro no puede encontrar. El problema es que todo esto es cierto históricamente, pero solo algunas cosas funcionarán en el futuro, porque existe un problema de sobreajuste estadístico en el que se encuentra causalidad y correlación, por lo que siempre está el riesgo de que quede bien en papel, pero no funcione cuando lo uses. Así que la clave está en saber cómo generar estas relaciones, pero también en saber seleccionar las que puedan funcionar realmente.
Otro ejemplo: uno de nuestros socios en EE. UU. contó con 12 becarios en el verano. Generalmente la mayoría son graduados y doctorandos, pero en esta ocasión sólo había uno preparando el doctorado, cuatro graduados y el resto todavía en la carrera. Y quien consiguió mejores resultados fue una chica en su segundo año de carrera. Tuvo un rendimiento estelarmente mejor que el resto, y la razón para esto fue su habilidad para apalancarse en el uso de cuatro modelos de IA diferentes. Nuestros socios concluyeron que los estudiantes más jóvenes son más flexibles y están más dispuestos a utilizar todas estas herramientas de forma creativa. Esto implica que, de aquí en adelante, es posible que las firmas más jóvenes y de menor tamaño sean más ágiles para apalancarse en todas estas herramientas.
Nosotros estamos detectando lo mismo internamente. Vemos que la productividad del talento junior que tenemos es claramente mucho mejor que hace diez o veinte años, cuando habríamos necesitado dos años para su formación. Hoy, pueden generar ideas que son interesantes para el negocio mucho más rápido.
¿Cómo implementan las posiciones dentro de la estrategia?
Todo lo que hacemos ha sido validado estadísticamente y respaldado por un test. Siempre somos sistemáticos. Que yo vaya o no vaya un día a la oficina no cambia nada de lo que hacemos. El beneficio de nuestra manera de trabajar es que mantenemos la cabeza fría cuando el resto pierde la suya, porque dependemos de la máquina, y durante periodos de pánico en el mercado la máquina hace cosas inteligentes. Por tanto, a menor intervención manual, mejor.
El proceso que seguimos es el siguiente: conseguimos un nuevo conjunto de datos, basados en los cuales sacamos una idea de inversión. Construimos una señal sobre esa idea, y después vamos a comprobar si esa idea a funcionado todos los días de los últimos diez años, si ha generado dinero de manera consistente. Si ha sido capaz de generar ganancias casi todos los años, potencialmente puede ser una idea interesante para añadir a la lista de ideas que implementamos.
¿Invierten por temáticas de inversión?
Sí. Podemos llegar a ser extremadamente específicos. Siempre que la información sea pública, podemos hacer pruebas y comprobar si hay algún cambio: podría ser el tiempo medio que se mantienen los empleados en la empresa, las noticias en torno a esa compañía, las patentes que haya registrado… Siempre y cuando tenga un impacto sobre la cotización, podemos analizarlo.
Por ejemplo, teníamos la idea de si las compañías con mayoría de mujeres en el equipo directivo serían capaces de batir al mercado. Así que analizamos el porcentaje de mujeres de todas las cotizadas europeas, y recreamos su comportamiento en los últimos diez años. Lo que descubrimos es que la proporción de mujeres no genera una ventaja competitiva, pero tampoco pesa negativamente, simplemente no afecta a la performance. Otro ejemplo: analizamos las imágenes por satélite en los aparcamientos de Wal-Mart, y los comparamos con el número medio de coches aparcados a la semana respecto al año pasado, y el anterior. Si hubiéramos visto un 30% menos de coches aparcados, lo podríamos interpretar como un problema para Wal-Mart.
¿De dónde sacan esas ideas?
La clave para mi negocio es contratar a gente que tenga una mentalidad muy estructurada, pero que también sean muy creativos. Son dos cualidades que no suelen ir de la mano. Necesitamos buscar a personas que muestren un buen equilibrio entre ambas, y por eso entrevistamos a muchas personas hasta encontrar a quienes presentan un buen historial en términos de estructura. Al mismo tiempo, necesitamos poner a prueba su creatividad, y eso es muy interesante, porque poner a prueba la creatividad en una entrevista de trabajo es muy difícil.
Entonces, aunque estén muy enfocados en la IA, al final necesitan invertir mucho en talento, ¿no?
Sí, eso es lo que nos diferencia. Nuestra sede central está en París y pienso que es un gran activo porque, en el espacio cuantitativo, los ingenieros franceses están muy bien valorados, y no hay muchos hedge funds en París. Nosotros, con alrededor de 1.000 millones de euros en activos, somos los más pequeños, pero estamos creciendo muy rápido. En Machina Capital, los graduados jóvenes tendrán exposición directa a los fundadores y los miembros senior del equipo, no tenemos mandos intermedios, por lo que la curva de aprendizaje será más inclinada y, si ya son buenos, podrán progresar mucho más rápido. En los últimos tres años, nunca hemos hecho una oferta a un joven graduado que no haya sido aceptada. En un negocio en el que todo depende de tu habilidad para elegir a la persona que crees que es la adecuada, esto significa muchísimo para nosotros.
Por Funds Society, Madrid