Segun MarkTechPost (AI/ML News), investigadores de la Universidad de Princeton, Ant Group y Stanford han presentado AQuA, un marco agente dual diseñado para evitar fallos metodológicos en el desarrollo de modelos financieros. Este sistema se centra en la creación de agentes autónomos que generan experimentos en finanzas cuantitativas, sin que sus propios resultados contaminen el proceso de evaluación. La innovación radica en que cada agente opera con una estructura técnica restringida, asegurando que las decisiones de diseño —como la definición de características o el corte de datos— sean fijas al inicio de cada iteración.
El modelo se divide en dos componentes funcionales: uno identifica factores simbólicos en mercados cripto, mientras que el otro construye modelos de serie temporal en acciones estadounidenses. Ambos trabajan de forma independiente, sin compartir memoria, espacios de candidatos ni estado de investigación. Esta separación es clave, ya que previene que un error metodológico se reproduzca por la retroalimentación automática. En el ámbito financiero, errores pequeños en el diseño de experimentos han generado backtests convincentes pero no reproducibles, un problema documentado desde estudios de Bailey et al. En sistemas tradicionales, un agente que diseña sus propios experimentos puede almacenar como éxito una característica "leak" que funciona bien en un conjunto de entrenamiento, pero no en el real. Este fenómeno se agrava con el ciclo de retroalimentación, ya que los errores no detectados se amplifican con cada iteración.
AQuA aborda esta vulnerabilidad mediante un mecanismo de contención: antes de que comience cualquier prueba, los agentes definen explícitamente las particiones de datos, las características y las etiquetas. Solo emiten expresiones de factores restringidas o diferencias de configuración mínimas. Este enfoque evita que los modelos exploten objetivos mal definidos o evaluadores inadecuados, fenómenos observados en otros sistemas de inteligencia artificial. La investigación describe esto como "libertad asimétrica": el agente puede explorar ampliamente dentro de su lenguaje de descripción simbólica, pero el evaluador permanece fuera del espacio adaptativo, asegurando que no sea influenciado por el propio proceso de diseño.
Para los inversores peruanos, este avance refleja una tendencia clave en el sector financiero: la necesidad de sistemas que no solo predigan, sino que también validen de forma robusta. Las inversiones en mercados emergentes, como el de criptoactivos o acciones extranjeras, requieren herramientas que no solo generen modelos, sino que los validen con criterios éticos y técnicos. AQuA demuestra que la autocrítica en el diseño de experimentos puede ser más efectiva que la retroalimentación automática. En un contexto donde los errores en backtesting pueden generar pérdidas significativas, este enfoque ofrece una base más sólida para la toma de decisiones. Es un paso importante hacia modelos financieros que no solo aprendan, sino que también se protejan de sí mismos.