CNMV y la IA: 80% de retorno en bolsa con LLMs

El estudio que ningún guru de TikTok te va a contar

Durante diez meses consecutivos, entre abril de 2025 y enero de 2026, dos investigadores de la Comisión Nacional del Mercado de Valores (CNMV) — Ricardo Crisóstomo y Diana Mykhalyuk — pusieron a prueba cuatro grandes modelos de lenguaje en un entorno de mercado real: ChatGPT, Gemini, DeepSeek y Perplexity. El veredicto no es el que esperas escuchar en redes sociales, y tampoco es el que quieren que escuches.

El estudio, titulado Large Language Models and Stock Investing: Is the Human Factor Required?, analizó las posiciones de compra y venta en corto sobre acciones del IBEX 35. El resultado más llamativo: Perplexity acumuló un retorno superior al 80% en diez meses, más de 40 puntos porcentuales por encima del índice de referencia, que en ese periodo subió entre un 36% y un 43%.

Pero hay una trampa. Y es la parte que más le importa a cualquier founder que esté considerando integrar IA en decisiones de negocio o inversión.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

¿Qué modelos funcionaron mejor y cuánto ganaron?

Todos los modelos evaluados duplicaron la rentabilidad del IBEX en el periodo analizado. Eso es estadísticamente notable. El ranking de rendimiento fue:

Perplexity: exceso mensual de 3,5 puntos sobre el índice; retorno acumulado superior al 80%.
DeepSeek, Gemini y ChatGPT: también superaron el benchmark, aunque con menor consistencia según el tipo de prompt utilizado.

Los modelos tomaban posiciones largas (apuesta al alza) y cortas (apuesta a la baja) sobre los cinco valores del IBEX con mejor y peor rendimiento. Una metodología simple, reproducible y —esto es clave— suficientemente estructurada para obtener resultados comparables.

El problema no fue la capacidad de los modelos. El problema fue la consistencia bajo condiciones de input descuidado.

La variable que lo cambia todo: el prompt

Este es el hallazgo más accionable del estudio y el que menos se menciona en los titulares.

Cuando los investigadores utilizaron prompts vagos y genéricos — del tipo que cualquier usuario promedio escribiría — los modelos generaron recomendaciones con errores de razonamiento, cálculos incorrectos e información desactualizada o directamente inventada. La tasa de alucinaciones fue significativa.

Cuando los prompts fueron estructurados, específicos y anclados en fuentes oficiales (como documentación estandarizada de la propia CNMV), el rendimiento mejoró de forma sustancial. La razón es técnica pero directamente aplicable: los LLMs necesitan contexto verificado para razonar bien sobre datos financieros. Sin ese ancla, el modelo improvisa — y en bolsa, improvisar sale caro.

El estudio también probó experimentos en Reddit (usando sentimiento de foros de inversión como input) y con criptomonedas. Los resultados fueron mixtos y con mayor volatilidad, lo que confirma que el grounding en fuentes reguladas es un factor diferencial, no opcional.

Las alucinaciones financieras: el riesgo real para usuarios no expertos

El término técnico es hallucination, pero en contexto financiero tiene consecuencias muy concretas: el modelo genera una recomendación convincente, bien redactada y aparentemente fundamentada — sobre una empresa que no existe, un dato que es incorrecto o una regulación que ya no está vigente.

La CNMV es explícita en su advertencia: el uso de IA sin supervisión humana en decisiones de inversión puede provocar pérdidas graves. No es un disclaimer legal genérico. El estudio documenta casos reales de errores durante el experimento.

Para el usuario medio que llega a un chatbot buscando qué comprar en bolsa esta semana, el riesgo es máximo. No tiene forma de distinguir una recomendación fundamentada de una alucinación bien vestida. Y los modelos no avisan cuando están inventando.

Contexto global: ¿están solos la CNMV y los LLMs en esto?

No. El uso de inteligencia artificial en inversión lleva más de una década en los mercados institucionales. Fondos cuantitativos como Renaissance Technologies o Two Sigma usan modelos de machine learning con supervisión humana intensiva y llevan años superando benchmarks de mercado de forma consistente.

La diferencia clave: esos fondos no usan LLMs de propósito general con prompts libres. Usan modelos entrenados sobre datasets propietarios, con pipelines de validación y equipos de riesgo dedicados. El estudio de la CNMV llega a una conclusión alineada con la práctica institucional global: la IA funciona en inversión cuando hay estructura, datos verificados y supervisión experta. Sin esos tres elementos, es una herramienta potente pero peligrosa.

A nivel académico, investigaciones recientes sobre LLMs aplicados a finanzas confirman los mismos patrones: sesgo hacia narrativas populares, dificultad con razonamiento numérico preciso y alta dependencia de la calidad del input. El estudio de la CNMV aporta algo diferencial: datos de mercado real durante diez meses, no simulaciones.

¿Qué significa esto para tu startup?

Si estás construyendo en fintech, integrando IA en decisiones de negocio o simplemente gestionando la tesorería de tu empresa con apoyo de herramientas de IA, este estudio te habla directamente. Estas son las conclusiones accionables:

El prompt es tu producto. Si usas LLMs para análisis financiero, de mercado o de competencia, la calidad del output depende casi enteramente de la calidad del input. Documenta tus prompts como si fueran código de producción — con versiones, criterios de evaluación y revisión periódica.
Ancla tus consultas en fuentes verificadas. El estudio demuestra que documentación oficial mejora la precisión de los modelos. Si analizas un mercado o un competidor, pasa primero los documentos fuente al modelo (informes anuales, regulatory filings, datos de organismos oficiales). No le pidas que los busque solo.
Nunca elimines el factor humano en decisiones de alto impacto. La IA puede acelerar tu análisis, pero la validación final — especialmente en inversión, contratación estratégica o cambios de modelo de negocio — requiere criterio humano. El estudio de la CNMV lo demuestra con datos reales: la supervisión no es opcional, es el diferencial entre ganar un 80% o perder capital.
Cuidado con las alucinaciones en contextos regulados. Si tu startup opera en España o LATAM en sectores regulados (finanzas, salud, legal), las alucinaciones de un LLM no son solo un error técnico — pueden ser un problema de cumplimiento normativo. Implementa procesos de verificación antes de que cualquier output de IA llegue a una decisión real.

El ecosistema fintech en España y LATAM está en un momento de expansión acelerada. Startups como las que integran IA en gestión de inversiones, asesoramiento financiero automatizado o análisis de riesgo tienen ahora un marco regulatorio más claro gracias a estudios como este. La CNMV no está cerrando la puerta a la IA — está diciendo cómo cruzarla sin caer.

El veredicto real: ni hype ni rechazo

El estudio de la CNMV es probablemente la evaluación más rigurosa publicada hasta la fecha sobre LLMs en inversión en un mercado real europeo. Y su conclusión es matizada, que es lo opuesto a lo que se viraliza en redes.

Los LLMs pueden superar al mercado. Lo demostraron durante diez meses con datos reales. Pero solo cuando se usan con prompts estructurados, fuentes verificadas y supervisión experta. Cuando se usan como se usan habitualmente — con consultas vagas en una interfaz de chat — los resultados son impredecibles y potencialmente dañinos.

Para un founder, el mensaje es este: la IA no es ni la solución mágica que venden los influencers de finanzas ni la amenaza que algunos reguladores temen. Es una herramienta. Y como toda herramienta potente, la diferencia entre resultados excelentes y desastres está en quién la usa y cómo.

Conclusión

El experimento de diez meses de la CNMV con ChatGPT, Gemini, DeepSeek y Perplexity en el IBEX 35 aporta algo que rara vez existe en el debate sobre IA e inversión: evidencia. No opiniones, no simulaciones retroactivas — datos de mercado real.

El hallazgo más importante no es el 80% de retorno de Perplexity. Es que ese retorno fue posible gracias a prompts bien diseñados y fuentes verificadas, y que sin esas condiciones los mismos modelos generan recomendaciones con alucinaciones y errores graves.

Si construyes tecnología o gestionas capital con apoyo de IA, este estudio debería ser lectura obligatoria. No porque cambie todo, sino porque confirma lo que los mejores practitioners ya saben: la IA amplifica la calidad de quien la usa. No la sustituye.