Dynamic Objective Selection with Safeguards and LLM Oversight for Financial Decision-Making

Resumen Técnico: Selección Dinámica de Objetivos con Salvaguardas y Supervisión de LLM para la Toma de Decisiones Financieras

Planteamiento del Problema
Las tareas de toma de decisiones financieras, como la recomendación de acciones y la asignación de carteras, dependen de la optimización de una función objetivo (por ejemplo, maximizar el rendimiento, minimizar el riesgo de pérdida o optimizar métricas ajustadas al riesgo) para seleccionar operaciones. Si bien la elección de este objetivo impacta significativamente en el rendimiento realizado, las condiciones del mercado son no estacionarias; un objetivo fijo suele ser subóptimo a través de diferentes regímenes. Los enfoques existentes que intentan cambiar de objetivos basándose en estimaciones de regímenes latentes suelen sufrir de señales ruidosas o retrasadas, lo que provoca cambios mal calculados en el tiempo. Además, el cambio frecuente puede inducir inestabilidad operativa y un exceso de rotación. El desafío central es seleccionar la función objetivo más apropiada para la decisión en cada punto temporal directamente desde las características observables del mercado, sin depender de variables de régimen no observables, asegurando al mismo tiempo que el proceso de selección sea robusto, con visión de futuro y operativamente estable.

Metodología: DOSS
Los autores proponen DOSS (Dynamic Objective Selection with Safeguards - Selección Dinámica de Objetivos con Salvaguardas), un marco de aprendizaje que trata la selección de objetivos como un problema de política. El método opera sobre un conjunto acotado y predefinido de objetivos candidatos $\mathcal{O}$ (por ejemplo, búsqueda de Retorno, aversión a la Pérdida, ajuste por Riesgo) y evita la introducción de variables de régimen latentes intermedias.

El marco consta de cuatro componentes clave:

1. Selector de Objetivos de Ventana Móvil: El sistema formula la selección de objetivos como un problema de clasificación. Utiliza resúmenes estadísticos interpretables de los retornos recientes como características de entrada ($x_t$) para predecir el mejor objetivo del conjunto candidato. Para prevenir la filtración temporal (temporal leakage) y adaptarse al desplazamiento de concepto (concept drift), el selector se entrena en una ventana móvil de datos "maduros". Una etiqueta para un tiempo pasado $i$ solo está disponible en el tiempo $t$ si el horizonte de evaluación $H$ se ha realizado completamente ($i + H \leq t$). El modelo es un clasificador softmax lineal entrenado mediante entropía cruzada regularizada en este conjunto de datos de ventana móvil.
2. Salvaguardas Basadas en la Confianza: Para mitigar la selección errónea y el cambio excesivo, DOSS emplea un mecanismo de puerta de confianza (confidence gating). Calcula una puntuación de confianza ($c_t$) como la brecha de probabilidad entre el primer y el segundo objetivo predicho. Si $c_t$ cae por debajo de un umbral $\tau$, el sistema anula la propuesta bruta con un objetivo por defecto conservador ($o_{def}$). Adicionalmente, un control opcional de frecuencia de cambio limita el número de cambios de objetivo dentro de una ventana de seguimiento para prevenir la agitación operativa.
3. Supervisión de LLM (Gobernanza): En lugar de utilizar un Modelo de Lenguaje Grande (LLM) para generar nuevos objetivos, DOSS posiciona al LLM como un auditor restringido. El LLM recibe el objetivo propuesto, las características de entrada y la puntuación de confianza, y está restringido a ACEPTAR la propuesta o ANULARLA para el valor por defecto seguro predefinido. Esto asegura que el espacio de decisión permanezca acotado y proporciona un rastro auditable del proceso de toma de decisiones.
4. Ejecución de la Etapa Inferior (Downstream): Una vez seleccionado el objetivo (y potencialmente filtrado/auditado), un módulo de decisión de etapa inferior fijo ejecuta la optimización (por ejemplo, calculando los pesos de la cartera) basándose en el objetivo elegido.

Contribuciones Clave

• Formulación de Política: El artículo redefine el cambio de funciones objetivo en finanzas como un problema de política directa, seleccionando objetivos a partir de características observables en cada paso de tiempo en lugar de inferir regímenes latentes.
• Marco DOSS: La introducción de un selector basado en aprendizaje que utiliza actualizaciones de ventana móvil para una selección con visión de futuro sin filtración temporal, operando sobre características estadísticas interpretables.
• Salvaguardas y Gobernanza: La integración de una puerta basada en la confianza hacia un valor por defecto conservador y un auditor LLM opcional y restringido. Estos mecanismos están diseñados para controlar la selección errónea y el cambio excesivo en entornos orientados al despliegue, asegurando la rendición de cuentas y la estabilidad.

Resultados Experimentales
Los autores evaluaron DOSS en el benchmark FAR-Trans, un conjunto de datos público para la recomendación de activos financieros con un protocolo de evaluación de ventana móvil sobre 61 puntos de decisión temporal. El conjunto candidato incluyó tres objetivos: RETURN (Retorno), DOWNSIDERISK (Riesgo de Pérdida) y SHARPELIKE (Tipo Sharpe).

• Rendimiento: DOSS con puerta de confianza (umbral $\tau=0.2$) logró un Porcentaje de Precisión de Acierto (HPA) de 0.5626, superando al baseline estático más fuerte (Static(DOWNSIDERISK), HPA 0.5235) con una mejora relativa de aproximadamente el 7.5%. También superó a un selector basado directamente en LLM (GPT-4.1-mini) que logró un HPA de 0.5173.
• Estabilidad: Mientras que el oráculo de retrospectiva (hindsight oracle - límite superior) logró el HPA más alto (0.6150), exhibió una alta tasa de cambio (0.8197). DOSS logró una tasa de cambio significativamente menor (0.4590) en comparación con el oráculo y el selector directo de LLM (0.5902), demostrando un equilibrio entre adaptabilidad y estabilidad operativa.
• Análisis de Sensibilidad: Un barrido del umbral de confianza $\tau$ reveló un intercambio (trade-off) en forma de "U". Deshabilitar la puerta ($\tau=0$) redujo el rendimiento, mientras que una puerta excesivamente conservadora ($\tau=0.4$) colapsó el sistema hacia una estrategia estática. Un umbral moderado ($\tau=0.2$) produjo resultados óptimos, confirmando que el rechcho selectivo de cambios de baja confianza mejora la precisión general.
• Fiabilidad Estadística: El análisis de bootstrap sobre los puntos temporales confirmó que la mejora de DOSS sobre el baseline estático es robusta, con un intervalo de confianza del 95% de $[0.0118, 0.0706]$ y una probabilidad de mejora positiva de 0.9986.

Significancia y Reivindicaciones
El artículo afirma que DOSS proporciona un punto medio práctico para el despliegue financiero. Captura una porción significativa del margen de rendimiento disponible de un oráculo ideal de retrospectiva, mientras controla explícitamente la inestabilidad operativa mediante mecanismos de fallback conservadores. Al restringir al LLM a un rol de aceptación/anulación en lugar de uno generativo, el marco mantiene un espacio de decisión acotado, asegurando la trazabilidad y la alineación con los requisitos de gobernanza. Los resultados sugieren que la selección dinámica de objetivos, cuando se combina con salvaguardas basadas en la confianza, puede superar a las estrategias estáticas y a los enfoques directos de LLM sin incurrir en los costos de un exceso de rotación.