Calibrating Behavioral Parameters with Large Language Models

Este artículo presenta un marco para utilizar modelos de lenguaje extensos (LLMs) como instrumentos de medición calibrados de parámetros conductuales, demostrando que, mediante un proceso de calibración basado en perfiles, los LLMs pueden replicar sesgos financieros humanos y generar patrones de precios de activos consistentes con la evidencia empírica.

Lo esencial

¿Podemos usar a la Inteligencia Artificial para entender nuestros propios "errores" mentales?

Imagina que quieres estudiar por qué la gente toma malas decisiones con su dinero. El problema es que estudiar humanos es difícil: las personas son impredecibles, se cansan, se ponen nerviosas si les dices que pueden perder dinero real, o simplemente mienten en las encuestas para parecer más inteligentes de lo que son.

Un grupo de investigadores ha propuesto una idea revolucionaria: en lugar de usar a los humanos como sujetos de prueba, vamos a usar a la Inteligencia Artificial (como ChatGPT) como si fuera un "termómetro" de la psicología humana.

La analogía del "Termómetro Psicológico"

Imagina que quieres medir qué tan "caliente" es el miedo en una habitación. No puedes meter un termómetro dentro del sentimiento de miedo, pero puedes usar un instrumento calibrado que reaccione al calor.

Los científicos hicieron lo mismo con la IA. No intentaron que la IA sintiera miedo o avaricia (porque las máquinas no sienten nada), sino que crearon "perfiles" o "disfraces" de texto. Le dijeron a la IA: "Imagina que eres un inversor que odia perder dinero más de lo que ama ganar". Luego, observaron cómo cambiaban sus decisiones.

¿Qué descubrieron? (Los "errores" de fábrica)

El estudio encontró algo muy curioso: la IA, por defecto, es "demasiado racional". Si no le das instrucciones especiales, la IA actúa como un matemático perfecto, sin emociones. Es como un robot que nunca se deja llevar por la euforia de una fiesta o el pánico de una caída.

Sin embargo, cuando los investigadores le pusieron los "disfraces" (los perfiles psicológicos), la IA empezó a cometer errores muy parecidos a los de nosotros:

1. El miedo a la pérdida (Aversión a la pérdida): Cuando le dijeron que fuera alguien que teme perder, la IA empezó a tomar decisiones que encajaban perfectamente con cómo reaccionamos los humanos.
2. El efecto "seguidor de la manada" (Herding): Si le decían que valoraba la opinión de los demás, la IA empezaba a seguir la corriente, igual que nosotros cuando compramos una acción solo porque "todo el mundo lo está haciendo".
3. El efecto "mirar por el retrovisor" (Extrapolación): Si le decían que creyera en las tendencias, la IA asumía que si algo subió ayer, subirá mañana, ignorando que el mercado es caótico. Esto es exactamente lo que causa las burbujas financieras.

¿Por qué es esto importante?

Esto es como haber inventado un "simulador de vuelo" para la economía.

Antes, si un economista quería probar cómo afectaría un pánico financiero al mercado, tenía que hacer cálculos matemáticos abstractos o esperar a que ocurriera una crisis real. Ahora, pueden usar estos modelos de IA "calibrados" para crear mercados virtuales y ver qué pasaría.

Es como tener un laboratorio donde puedes subirle el "volumen" al miedo o a la avaricia para ver si el sistema financiero aguanta el golpe.

La advertencia: La IA no tiene "corazón"

Pero ojo, los autores también ponen un límite claro. La IA es excelente simulando la lógica de nuestros errores (la parte matemática de la psicología), pero es pésima simulando la emoción pura.

La IA puede entender la lógica de por qué alguien vende una acción por miedo, pero no puede sentir el sudor frío en las manos ni el nudo en el estómago que siente un inversor real cuando ve su cuenta bancaria caer.

En resumen: La IA no es un humano, pero es el mejor espejo que hemos construido para estudiar los patrones de nuestros propios errores.

Resumen técnico

Resumen Técnico: Calibración de Parámetros Conductuales con Modelos de Lenguaje de Gran Escala (LLMs)

1. El Problema: La dificultad de medir la psicología financiera

En la economía conductual y la valoración de activos, parámetros como la aversión a la pérdida ($\lambda$), el efecto de arrastre o herding y la extrapolación ($\theta$) son fundamentales para explicar anomalías de mercado (como el momentum y las reversiones). Sin embargo, su medición tradicional enfrenta cuatro obstáculos críticos:

• Error de medición: Las encuestas son ruidosas y tienen baja correlación con decisiones reales.
• Identificación conjunta: Es difícil distinguir si un comportamiento se debe a una preferencia, una creencia o una restricción.
• Problemas de causalidad: No se pueden manipular psicológicamente los parámetros en humanos para establecer causalidad.
• Escalabilidad: Los experimentos de laboratorio son costosos y limitados en tamaño de muestra.

2. Metodología: Los LLMs como instrumentos de medición

A diferencia de estudios previos que intentan usar LLMs para replicar humanos, este trabajo propone un cambio de paradigma: tratar a los LLMs no como sujetos, sino como instrumentos de medición calibrables.

El marco de trabajo se basa en tres pilares:

1. Tratamientos mediante perfiles: En lugar de medir el sesgo directamente, los autores utilizan prompts que describen perfiles cognitivos (ej. "un inversor que valora la protección de capital por encima de todo") para inducir cambios en los parámetros latentes.
2. Criterios de Validez de Calibración: Para que un LLM sea un instrumento válido, debe cumplir con cuatro condiciones: Monotonicidad (a mayor fuerza del perfil, mayor sesgo), Cobertura de rango (alcanzar valores similares a los humanos), Estabilidad (resultados consistentes) y Coherencia (relaciones teóricas entre diferentes sesgos).
3. Diseño Experimental: Se utilizaron cuatro modelos (GPT-4o, GPT-4o-mini, Claude-3.5-Haiku y Gemini-2.5-Pro) y 19,200 pares agente-escenario. Se crearon escenarios financieros sintéticos (precios y noticias) que no existen en los datos de entrenamiento para evitar el sesgo de memorización.

3. Contribuciones Clave

• Desarrollo de un marco metodológico: Establece cómo usar LLMs para la experimentación económica controlada.
• Identificación del "Sesgo de Racionalidad": Documentan que, en su estado base (sin perfiles), los LLMs son sistemáticamente más racionales que los humanos.
• Validación de la Calibración: Demuestran que es posible inducir sesgos específicos de manera estable y predecible.
• Puente con Modelos Basados en Agentes (ABM): Conectan la psicología medida en el LLM con resultados macroeconómicos en modelos de valoración de activos.

4. Resultados Principales

A. Calibración de Sesgos

Los resultados muestran que la calibración es altamente efectiva para ciertos parámetros, pero falla en otros:

• Éxito (Validación Fuerte): La aversión a la pérdida, el herding, la extrapolación y el anclaje alcanzaron o superaron los niveles de los benchmarks humanos. Por ejemplo, la extrapolación ($\theta$) subió de un nivel racional de 0.44 a un nivel de 0.88 mediante perfiles.
• Fallo (Validación Débil/Direccional): El efecto disposición y el sesgo de representatividad no lograron alcanzar magnitudes humanas. Los autores sugieren que esto se debe a que estos sesgos dependen de emociones intensas (orgullo, arrepentimiento) o saliencia narrativa que los LLMs no experimentan visceralmente.

B. Validación Externa (Asset Pricing)

Para probar que los parámetros calibrados tienen contenido económico real, los autores los integraron en un modelo de valoración de activos.

• Resultado: Los agentes con parámetros de extrapolación calibrados generaron patrones de momentum a corto plazo y reversiones a largo plazo que coinciden con las regularidades empíricas del mercado (siguiendo los hallazgos de Jegadeesh y Titman). Los agentes racionales, por el contrario, no generaron tales patrones.

5. Significancia y Conclusiones

El estudio concluye que los LLMs no deben verse como sustitutos de los humanos, sino como una infraestructura experimental avanzada.

La gran lección es la distinción entre lo cognitivo y lo afectivo:

• La calibración de LLMs es excelente para medir componentes cognitivos y computacionales de los sesgos (procesamiento de información, reglas heurísticas, actualización de creencias).
• La calibración es deficiente para componentes afectivos o sociales (miedo visceral, presión de grupo real, estatus social).

En resumen, este trabajo abre una nueva vía para la economía conductual, permitiendo realizar experimentos de "estrés" con parámetros controlados a una escala y precisión imposibles de lograr con sujetos humanos.