IA para invertir: qué revela el estudio de la CNMV de 2026
Qué evaluó el Documento de Trabajo n.º 96 de la CNMV, qué significan sus métricas y cómo convertirlo en un procedimiento verificable para analizar documentos con IA.
Qué estudiaron los investigadores
Nota de atribución: la CNMV presenta el texto como Documento de Trabajo; las opiniones y análisis son responsabilidad de sus autores y no necesariamente coinciden con las de la institución. Esta página es una lectura editorial, no una certificación de la CNMV.
El Documento de Trabajo n.º 96 de la CNMV, Large Language Models and Stock Investing: Is the Human Factor Required?, de Ricardo Crisóstomo y Diana Mykhalyuk, evaluó si los modelos de lenguaje podían generar señales predictivas para acciones españolas. El trabajo compara ChatGPT, Gemini, DeepSeek y Perplexity bajo tres estrategias de prompting: consulta simple, prompt estructurado y una estrategia basada en razonamiento en cadena. Además, examina el efecto de anclar el análisis en documentos regulatorios.
El periodo de evaluación fue de diez meses, de abril de 2025 a enero de 2026. El protocolo se aplicó de forma sistemática en fechas mensuales, con un corte informativo al final del mes anterior para evitar que la respuesta usara información posterior al momento de predicción. El universo analizado fueron componentes del IBEX 35 y el trabajo evalúa tanto clasificación de resultados como carteras construidas a partir de puntuaciones de los modelos.
Esta es una lectura editorial del estudio público, no un experimento independiente de FindIA Lab ni una reproducción completa de su código y conjunto de datos. Las cifras que aparecen a continuación proceden del documento original y se presentan para explicar su alcance.
Resultados de clasificación: qué cambia con el prompt
La tabla del estudio informa de estas medias para la estrategia de prompt. La exactitud indica la proporción de clasificaciones correctas bajo la definición y muestra usadas por los autores. F1 combina precisión y exhaustividad y ayuda a observar el equilibrio entre dos tipos de error; tampoco mide directamente cuánto dinero ganaría un inversor.
| Estrategia de prompt | Exactitud media | F1 medio | Lectura limitada |
|---|---|---|---|
| Consulta simple (naïve) | 55,4 % | 52,5 % | Señal moderada y sensible a errores |
| Prompt estructurado | 57,9 % | 54,3 % | Mejora de 2,5 puntos porcentuales de exactitud frente a la consulta simple |
| Prompt con estrategia de razonamiento estudiada (CoT) | 57,1 % | 55,2 % | F1 más alto de los tres promedios; no es el mayor porcentaje de exactitud |
La comparación evita una simplificación común: el prompt estructurado muestra la exactitud media más alta de esos tres promedios, mientras que el F1 medio más alto corresponde a la tercera estrategia. No existe una métrica única que resuma todas las dimensiones de desempeño. Además, una mejora pequeña en una prueba limitada no establece que el resultado sea estable en otros periodos, otros índices o futuros modelos.
Por qué no es un ranking universal de asistentes
- Universo limitado: se estudia un conjunto concreto de acciones españolas y una ventana de diez meses; no representa automáticamente fondos, bonos, criptoactivos, NFT ni mercados globales.
- Modelos y versiones: las herramientas cambian; los resultados de una versión no garantizan el comportamiento de otra ni de la interfaz disponible hoy.
- Señal frente a rentabilidad: accuracy y F1 son métricas de clasificación, no una medida suficiente de rentabilidad neta, riesgo, liquidez, impuestos o capacidad de ejecución.
- Costes y construcción de cartera: la rentabilidad de una estrategia depende de pesos, rotación, costes, reglas de entrada/salida y restricciones. Una señal predictiva no basta.
- Dependencia de la supervisión: el trabajo documenta errores de razonamiento, datos arrastrados, información desactualizada y alucinaciones. La trazabilidad de la fuente es una barrera importante, no una garantía.
La lección más accionable: anclar en documentos originales
El artículo encuentra que incorporar declaraciones regulatorias mejora métricas de predicción y clasificación dentro de su diseño. Eso coincide con un principio editorial prudente: pedir al asistente que trabaje con un informe oficial y limitar la fecha de corte es mejor que solicitar una predicción abierta sin datos definidos. Pero adjuntar un documento no elimina errores de lectura, fórmulas mal aplicadas o interpretaciones sesgadas.
Para replicar la parte documental de una tarea sin fingir una predicción de mercado, utiliza este protocolo:
- Descarga el informe desde el emisor o el registro regulatorio; guarda la fecha de publicación y el periodo fiscal.
- Formula preguntas concretas: ingresos, margen operativo, caja, deuda, riesgos y definiciones contables; no pidas un precio objetivo.
- Pide que cada cifra incluya nombre de la partida, página o sección, unidad y periodo.
- Calcula independientemente al menos una ratio en una hoja de cálculo.
- Incluye una fila “no consta/no se puede verificar” y registra las contradicciones.
- Conserva modelo/versión, fecha, prompt y documento empleado si vas a comparar respuestas.
Plantilla para una prueba responsable
“Analiza únicamente el documento adjunto. Para cada dato material, devuelve: nombre exacto de la partida, valor, moneda/unidad, periodo, página o sección y cita breve suficiente para localizarlo. Distingue cifra reportada, cálculo propio, declaración de la dirección e inferencia. No uses datos publicados después de la fecha de corte indicada. Si el dato no aparece o es ambiguo, escribe ‘no verificado’. Calcula las ratios con fórmula visible y señala posibles contradicciones. No emitas una recomendación de compra o venta ni predigas el precio.”
Cómo lo convierte FindIA Lab en un recurso útil
De esta revisión nace el método editorial FARO, una checklist propia de trazabilidad: Fuente, Actualidad, Reproducibilidad y Omisiones y límites. Cada criterio puede marcarse como ausente, parcial o documentado. La suma ayuda a encontrar huecos en una respuesta, pero no es una escala validada científicamente, un ranking de modelos o una certificación de exactitud. Un texto con fuentes puede seguir equivocado.
Prueba la herramienta de auditoría FARO o la calculadora de ratios financieros. Ambas funcionan en el navegador con los datos que introduce la persona; no conectan con brokers ni consultan cotizaciones.
Qué deben llevarse los lectores
La idea no es usar IA para delegar una decisión financiera, sino para organizar documentación y producir preguntas comprobables. Un análisis útil debe permitir que otra persona rastree sus cifras, entienda las hipótesis y detecte lo que no se ha demostrado. Si no se puede explicar el origen de una conclusión, no está lista para apoyar una decisión con consecuencias económicas.
Preguntas frecuentes
¿La CNMV ha demostrado que la IA siempre puede superar al mercado?
No. El trabajo describe resultados bajo un diseño, universo, periodo, modelos y prompts concretos. Sus autores también enfatizan que los resultados dependen del procedimiento y de la supervisión; no son una garantía general.
¿El 57,9 % significa que una recomendación de IA tiene un 57,9 % de probabilidades de ganar dinero?
No. Es la exactitud media de clasificación para una configuración del estudio. No es la probabilidad individual de éxito de una operación, ni una predicción de rentabilidad neta.
¿Puedo copiar la tabla del estudio para afirmar qué chatbot es mejor?
No sería adecuado convertirla en un ranking universal. La tabla compara estrategias de prompting en un marco específico; el rendimiento varía por modelo, periodo, métrica y tarea.
¿Qué documento debe prevalecer si la IA contradice una cifra?
Vuelve al estado financiero publicado o a la comunicación regulatoria original, confirma la unidad y el periodo, y documenta el conflicto. Si persiste, no publiques una cifra definitiva sin resolverlo.
Fuentes y metodología
- CNMV Working Paper No. 96 — Large Language Models and Stock Investing: Is the Human Factor Required? (2026)
- CNMV — serie de documentos de trabajo
- ESMA — advertencia sobre el uso de IA para invertir (2025)
- Google Search Central — contenido útil, fiable y centrado en las personas
- Google Search Central — políticas contra el spam y abuso de contenido a escala
Nota de rigor: FindIA Lab no reproduce de forma independiente el experimento de la CNMV ni afirma haber comparado en laboratorio todas las plataformas citadas. Las cifras de la tabla se atribuyen explícitamente al documento. La interpretación, el protocolo editorial y la checklist FARO son recursos de FindIA Lab y no asesoramiento financiero.