Según arXiv q-fin, un estudio reciente analiza el rendimiento de modelos de inteligencia artificial de vanguardia al predecir movimientos de mercado, con enfoque en cómo su comprensión de la teoría de la reflexividad de John Soros influye en sus decisiones. En lugar de ver el mercado como un sistema externo, independiente de los actores, la teoría de la reflexividad postula que los precios mismos influyen en las condiciones económicas reales, y que cada pronóstico —incluso por IA— participa activamente en la dinámica que está intentando predecir. Para evaluar esta interacción, se examinan tres modelos de vanguardia: GPT5, Claude Sonnet 4.6 y Gemini 3 Pro, bajo cuatro condiciones de evaluación sin entrenamiento previo (zero-shot), aplicadas a dos episodios históricos distintos: la burbuja tecnológica (1996-2001) y la crisis financiera global (2004-2009). Los resultados se miden mediante la precisión de predicciones de dirección, y además se calcula el ratio de Sharpe de una estrategia implícita de inversión en acciones frente a efectivo, para medir el valor económico ajustado al riesgo. Los datos de entrada han sido anonimizados y estandarizados para evitar que los modelos memoricen patrones específicos. Los hallazgos revelan que el impacto de incorporar la teoría de la reflexividad no es uniforme: cada modelo responde de forma distinta según el contexto histórico y la ventana temporal de análisis, lo que indica que la misma comprensión teórica puede generar conductas de predicción distintas en distintos sistemas de IA.
Para los inversores peruanos, este hallazgo ofrece una reflexión clave: las herramientas de inteligencia artificial, aunque poderosas, no operan como “espejos neutros” del mercado. Su capacidad de anticipar movimientos depende no solo de sus algoritmos, sino también de cómo están diseñados para interpretar las interacciones humanas y económicas. En un contexto como el de Perú, donde las decisiones de inversión se ven afectadas por factores macroeconómicos, políticos y sociales, una IA que reconoce la reflexividad puede ofrecer una visión más realista de cómo los mercados se distorsionan o se corriguen. Por ejemplo, en momentos de alta volatilidad, como los que enfrentó el sector financiero peruano durante la crisis de 2020, un modelo que entiende que los precios influyen en la confianza de los inversores podría detectar señales antes de que se manifiesten en el mercado. Esto no elimina el riesgo, pero permite una evaluación más cuidadosa de los pronósticos, especialmente en entornos donde los actores económicos no actúan de forma aislada. Aunque los modelos de IA no reemplazan a los analistas humanos, su integración debe considerar que su lógica interna está moldeada por teorías económicas que, al igual que las personas, pueden distorsionar o corregir el entorno en el que operan.