¿Subirá la acción tras los earnings? Lo que la IA puede decir con honestidad

Por qué la predicción falla estructuralmente

El movimiento post-earnings es función de la brecha entre el informe y las expectativas, y las expectativas solo son parcialmente visibles. El consenso oficial es público; el whisper number, el posicionamiento y el flujo de opciones no lo son, y se mueven hasta la campana de cierre. Dos informes idénticos pueden producir movimientos opuestos según lo que estuviera en precio, y eso no está en ninguna transcripción.

Hay un problema más duro: si un modelo pudiera predecir el movimiento a partir de transcripciones públicas, la predicción se arbitraría en cuanto funcionara. La señal se destruye a sí misma. No es una limitación temporal de la IA actual; es lo que los mercados suficientemente eficientes hacen con la información pública.

Lo que el call revela de verdad

El call es el relato de la propia empresa sobre su estado, registrado, en lenguaje elegido bajo presión. Eso produce información real: si el guidance se movió y con cuántas reservas, si la historia de márgenes mejora o se deteriora, qué preguntas respondió la dirección con fluidez y cuáles esquivó, y cómo se compara todo con la redacción del trimestre anterior.

Nada de esto predice el precio del viernes. Todo alimenta la única pregunta que sí puedes responder: ¿se desarrolla este negocio como exige mi tesis? Es una pregunta más lenta que "arriba o abajo mañana", y mucho más valiosa.

Preguntas con respuestas reales

• "¿Qué cambió en el lenguaje del guidance respecto al trimestre pasado?" Respondible, textual, con dos transcripciones.
• "¿La dirección abordó la presión de márgenes por la que preguntaron los analistas en Q1?" Respondible: sí, no o con evasivas, con citas.
• "¿Cuál es el caso bajista en palabras de la propia dirección?" Respondible: los riesgos y matices están en la transcripción.
• "¿El sector confirma o contradice la historia de esta empresa?" Respondible con los calls del grupo de comparables.
• "¿Qué esperaría que dijeran el próximo trimestre si la tesis es correcta?" Respondible como un test escrito que revisas en tres meses.

El truco del preregistro

El hábito más útil que permite un chat de IA: antes del call, escribe en un mensaje qué predice tu tesis que dirá la dirección. Después del call, pregunta qué dijeron realmente y compara. Es preregistro, la misma disciplina que mantiene honesta a la ciencia, aplicada a una cartera. Convierte el sesgo retrospectivo en una tasa de aciertos medible, y cuesta dos preguntas por trimestre.

En unas cuantas temporadas aprendes algo que ningún vendedor de predicciones puede darte: si tu modelo de la empresa vale, y dónde se desvía.

La división honesta del trabajo

Deja que la IA haga lo que hace perfecto: leerlo todo, citar exacto, comparar trimestres, traer el contexto sectorial, negarse a inventar. Quédate con lo tuyo: la tesis, el tamaño de la posición, la decisión. earnings.chat traza esa línea a propósito, cada cifra de una consulta o una cita, cada vacío reportado como vacío, porque una herramienta que fingiera conocer el precio del viernes sería peor que inútil. El mercado paga el juicio; las transcripciones son su alimento.