Inversión Cuantitativa en 2025: Por Qué los Modelos de Factores Están Quedando Rezagados Frente a las Estrategias Basadas en IA

Durante décadas, la inversión cuantitativa ha estado dominada por modelos de factores, estrategias basadas en motores de rentabilidad bien documentados, como valor, momentum, tamaño y calidad. Estos modelos han sido la base de algunos de los fondos de cobertura e instituciones más exitosas.

Sin embargo, en 2025, el panorama ha cambiado. La inversión basada en factores está quedando atrás, mientras que las estrategias impulsadas por inteligencia artificial (IA) están superando su desempeño.

Este artículo explica por qué los modelos de factores están perdiendo efectividad, cómo las estrategias cuantitativas basadas en IA están superando a los enfoques tradicionales y qué implicaciones tiene este cambio para el futuro de la inversión.

¿Qué Son los Modelos de Factores y Por Qué Han Sido Exitosos?

Cómo invertir en la bolsa de valores implica entender las estrategias que han demostrado generar rendimientos consistentes a lo largo del tiempo. La inversión basada en factores se fundamenta en la idea de que ciertas características impulsan rendimientos bursátiles a largo plazo.

• Valor: Acciones baratas en relación con sus ganancias, valor contable o flujo de caja.
• Momentum: Acciones que han mostrado buen desempeño y siguen ganando.
• Tamaño: Históricamente, las acciones de pequeña capitalización han superado a las de gran capitalización.
• Calidad: Empresas con balances sólidos y estabilidad en las ganancias.
• Baja volatilidad: Acciones con menos fluctuaciones de precios ofrecen un rendimiento ajustado al riesgo superior.

Fondos cuantitativos líderes como AQR, Renaissance Technologies y Two Sigma han construido sus estrategias en torno a estos factores.

¿Por Qué los Modelos de Factores Están Perdiendo Efectividad en 2025?

1. El Mercado Se Ha Adaptado y Ha Reducido el Alpha de los Factores

Demasiados fondos han explotado estrategias de factores, reduciendo su ventaja competitiva. Las instituciones anticipan y contrarrestan las operaciones basadas en factores, neutralizando sus retornos.

Los modelos de machine learning ahora detectan y eliminan ineficiencias en factores más rápido que nunca.

El factor valor, que solía generar retornos excesivos, ha tenido un desempeño inferior durante la última década porque los inversionistas han ajustado sus modelos a estas ineficiencias de precios.

2. Modelos de Factores Estáticos No Se Adaptan a un Mercado en Evolución

Los enfoques tradicionales asumen que ciertos factores siempre generarán rendimientos adicionales con el tiempo. Sin embargo, los mercados en 2025 son más dinámicos que nunca, influenciados por cambios macroeconómicos, eventos geopolíticos y fluctuaciones de liquidez, dominados por firmas de trading con IA, que se adaptan instantáneamente a nueva información, y más interconectados, haciendo que los modelos tradicionales sean menos confiables.

Durante el mercado bajista de 2022-2023, el momentum tuvo un desempeño deficiente porque los líderes del mercado rotaron demasiado rápido.

3. La IA y el Machine Learning Están Disruptiendo la Inversión Cuantitativa

La inteligencia artificial ha transformado la inversión cuantitativa. En lugar de basarse en factores predefinidos, los fondos basados en IA usan reconocimiento de patrones y análisis de datos masivos para generar predicciones dinámicas.

Modelos de Factores:

Usan factores predefinidos basados en datos históricos, asumen que ciertas métricas siempre predicen el rendimiento futuro y no logran adaptarse a cambios rápidos del mercado.

Modelos Basados en IA:

Aprenden continuamente y ajustan estrategias en función de datos en tiempo real, encuentran relaciones no lineales y analizan fuentes alternativas como redes sociales e imágenes satelitales.

Fondos como Citadel y DE Shaw usan procesamiento de lenguaje natural (NLP) para analizar declaraciones de bancos centrales y obtener ventaja sobre modelos tradicionales.

Cómo las Estrategias Cuantitativas Basadas en IA Superan a la Inversión en Factores

1. Se Adaptan Rápidamente a los Ciclos de Mercado

Detectan cuándo el mercado favorece acciones de crecimiento o valor y ajustan posiciones automáticamente, identifican cambios en ciclos de liquidez y condiciones económicas antes que los modelos tradicionales, y optimizan parámetros de trading en tiempo real.

2. Extraen Alpha de Datos Alternativos

• Imágenes satelitales → Para rastrear cadenas de suministro globales.
• Análisis de sentimiento en redes sociales → Para detectar tendencias minoristas.
• Transcripciones de earnings calls en tiempo real → Para medir la confianza de los CEO.

Fondos como Two Sigma escanean Reddit y Twitter para detectar señales tempranas que los modelos tradicionales ignoran.

3. Gestión Dinámica del Riesgo y Optimización de Portafolios

• Ajustan el tamaño de las posiciones en tiempo real según el riesgo del mercado.
• Optimizan portafolios usando correlaciones dinámicas en lugar de modelos históricos rígidos.
• Aplican coberturas adaptativas contra eventos extremos.

Fondos impulsados por IA redujeron exposición a acciones de alta volatilidad meses antes de la corrección de mercado de 2024, mientras que los modelos tradicionales reaccionaron demasiado tarde.

Veredicto Final: ¿Sigue Siendo Relevante la Inversión en Factores?

La inversión basada en factores sigue siendo útil combinada con IA. El futuro pertenece a la inteligencia artificial, y quienes ignoren esta realidad corren el riesgo de volverse obsoletos.