Un agente de trading con IA cambió la decisión de su nivel de referencia 310 veces en un estudio reciente. En 294 de esas ocasiones, eligió comprar cuando el nivel de referencia se habría mantenido fuera.
Ese fuerte sesgo hacia la compra les dio a los investigadores una forma de examinar sus elecciones. Mantuvieron el número y los tipos de cambios, pero los reasignaron entre eventos de ganancias elegibles con la misma decisión de referencia. El agente mantuvo su combinación de cambios de posiciones; lo que se decidió fue el reordenamiento de qué eventos recibieron esos cambios.
El punto de referencia aleatorio emparejado tuvo un rendimiento medio ajustado al riesgo mayor que el del agente, antes de los costos de trading. Las elecciones reales del agente no mostraron una ventaja detectable frente a esas asignaciones aleatorias.
Se trató de un estudio retrospectivo de 723 eventos de ganancias en 44 empresas estadounidenses orientadas al consumidor, descrito en Agent Policy-Value Audit, presentado el 2 de octubre. No fue un ensayo de trading de criptomonedas. La propia diferencia positiva de retorno bruto del agente frente al nivel de referencia original era demasiado incierta para establecer una ventaja, y la estimación era aproximadamente cero después de los costos supuestos del estudio.
El resultado deja margen para efectos que la muestra era demasiado pequeña para detectar. Lo que la auditoría sí pone de manifiesto es cuánto de una ganancia aparente puede provenir de la combinación de cambios de posición, antes de dar al agente cualquier crédito por elegir dónde realizarlos.
Fuente: https://arxiv.org/abs/2610.04040
Ese fuerte sesgo hacia la compra les dio a los investigadores una forma de examinar sus elecciones. Mantuvieron el número y los tipos de cambios, pero los reasignaron entre eventos de ganancias elegibles con la misma decisión de referencia. El agente mantuvo su combinación de cambios de posiciones; lo que se decidió fue el reordenamiento de qué eventos recibieron esos cambios.
El punto de referencia aleatorio emparejado tuvo un rendimiento medio ajustado al riesgo mayor que el del agente, antes de los costos de trading. Las elecciones reales del agente no mostraron una ventaja detectable frente a esas asignaciones aleatorias.
Se trató de un estudio retrospectivo de 723 eventos de ganancias en 44 empresas estadounidenses orientadas al consumidor, descrito en Agent Policy-Value Audit, presentado el 2 de octubre. No fue un ensayo de trading de criptomonedas. La propia diferencia positiva de retorno bruto del agente frente al nivel de referencia original era demasiado incierta para establecer una ventaja, y la estimación era aproximadamente cero después de los costos supuestos del estudio.
El resultado deja margen para efectos que la muestra era demasiado pequeña para detectar. Lo que la auditoría sí pone de manifiesto es cuánto de una ganancia aparente puede provenir de la combinación de cambios de posición, antes de dar al agente cualquier crédito por elegir dónde realizarlos.
Fuente: https://arxiv.org/abs/2610.04040