Macro Economists in the Machine: A Multi-Agent LLM Framework for Commodity-Related ETF Portfolio Construction

Resumen Técnico: Macroeconomistas en la Máquina

Planteamiento del Problema
El artículo aborda una cuestión metodológica fundamental en las finanzas cuantitativas: ¿Puede un Modelo de Lenguaje de Gran Escala (LLM) producir un mapeo superior de las condiciones macroeconómicas estandarizadas hacia sesgos de carteras de materias primas en comparación con un sistema determinista basado en reglas? Aunque los LLM se utilizan cada vez más para procesar texto no estructurado (por ejemplo, noticias, comunicaciones de bancos centrales), su valor suele ser difícil de aislar porque típicamente operan con conjuntos de información más ricos y sistemas de negociación más flexibles que los modelos de referencia basados en reglas. Este estudio busca aislar la "capa de interpretación" manteniendo constantes el conjunto de información, el universo de activos y el motor de construcción de carteras, probando si un LLM puede superar a una regla de mapeo de signos transparente cuando ambos reciben los mismos datos macroestructurados.

Metodología
Los autores emplean un marco de agentes múltiples controlado para construir carteras de 15 ETFs relacionados con materias primas cotizados en EE. UU. El diseño garantiza que todas las estrategias observen los mismos siete indicadores macroeconómicos (VIX, dólar estadounidense general, tasa de fondos federales, producción industrial, inflación de equilibrio a 10 años, TIPS reales a 10 años y tasa de desempleo), estandarizados como puntuaciones z móviles de tres años.

El marco compara cinco estrategias:

1. Agente de Regla (Rule Agent): Un referente determinista que mapea los z-scores macroeconómicos a sesgos de ETFs utilizando una matriz de carga preespecificada y umbrales fijos.
2. Agente Hawkish (Hawkish Agent): Un agente LLM instruido para priorizar el control de la inflación, la política monetaria restrictiva y las tasas reales elevadas.
3. Agente Dovish (Dovish Agent): Un agente LLM instruido para priorizar el empleo, el apoyo al crecimiento y el impulso de la recuperación.
4. Agente de Debate (Debate Agent): Una estrategia de consenso donde los agentes Hawkish y Dovish participan en un proceso de deliberación estructurada (hasta dos rondas) para revisar sus señales de sesgo, las cuales son luego promediadas.
5. Referencia de Volatilidad Inversa (Inverse Volatility Benchmark): Una estrategia pasiva sin señales macroeconómicas.

Todas las estrategias introducen sus señales de sesgo generadas por ticker (que oscilan entre -2 y +2) en un motor de cartera idéntico. Este motor aplica una asignación base de volatilidad inversa combinada con pesos iguales, escala la asignación mediante el sesgo macroeconómico y aplica controles de riesgo estrictos (topes cíclicos, límites de peso por nombre individual y restricciones de rotación). La evaluación cubre 124 fechas de reequilibrio semanal desde octubre de 2023 hasta febrero de 2026, abarcando el pico de tasas de EE. UU. y el subsiguiente periodo de aterrizaje suave (soft landing). La inferencia estadística utiliza un bootstrap de bloques estacionarios emparejados para dar cuenta de la dependencia serial y la correlación contemporánea en los rendimientos.

Resultados Clave

• Desempeño: En la muestra completa, las tres estrategias basadas en LLM (Hawkish, Dovish, Debate) lograron ratios de Sharpe superiores al Agente de Regla determinista. Los Agentes Hawkish y Debate registraron las mayores ganancias, con un $\Delta$Sharpe de +0.044 y +0.040, respectivamente.
• Significancia Estadística: Bajo pruebas de bootstrap de bloques sin ajustar, las comparaciones Hawkish vs. Regla y Debate vs. Regla alcanzaron el nivel de significancia del 10% ($p=0.067$ y $p=0.089$). Sin embargo, los intervalos de confianza incluyen el cero y las ganancias no sobreviven a las correcciones conservadoras de pruebas múltiples.
• Dependencia del Régimen: La ventaja de desempeño está altamente concentrada en el subperiodo de "Aterrizaje Suave" (2024–2025), donde la inflación se moderó mientras el crecimiento se mantuvo resiliente. Durante el periodo de "Pico de Tasas" (finales de 2023), el referente pasivo de volatilidad inversa superó a todas las estrategias basadas en señales.
• Mecanismo de Debate: El Agente de Debate no superó al mejor agente individual (Hawkish); su $\Delta$Sharpe relativo al Agente Hawkish fue insignificante (-0.004). Los autores interpretan el valor del Agente de Debate no como una "prima de deliberación", sino como un mecanismo de corrección de sesgo que promedia el prior mal calibrado del Agente Dovish.
• Costos de Transacción: Las estrategias de LLM mantuvieron una ventaja neta sobre el referente pasivo con costos de negociación de una vía de hasta 30 puntos básicos, mientras que el margen estrecho del Agente de Regla sobre el referente pasivo desapareció a aproximadamente 5 puntos básicos.

Significancia y Reivindicaciones
El artículo sostiene que existe evidencia modesta pero económicamente significativa de que un LLM, actuando como una función de interpretación macroeconómica restringida, puede mejorar una capa basada en reglas transparente. El estudio enmarca explícitamente su contribución como una ablación de la capa de interpretación en lugar de una demostración de habilidad de negociación sin restricciones.

Los autores enfatizan tres contribuciones específicas:

1. Extender la investigación de LLM en finanzas de la predicción de retornos basada en texto a la construcción de carteras restringidas utilizando entradas macroestructuradas.
2. Tratar los priors macroeconómicos (Hawkish vs. Dovish) como elecciones de diseño testeables dentro de un sistema de agentes múltiples, en lugar de variaciones estilísticas.
3. Proporcionar una prueba controlada de si la interpretación basada en LLM mejora sobre los referentes basados en reglas en la asignación de materias primas.

El artículo concluye que, si bien los LLM ofrecen una pequeña mejora en los ratios de rendimiento-volatilidad en este escenario específico, la evidencia estadística es frágil, la muestra es corta (un ciclo de tasas) y se desconoce la persistencia de estas ganancias más allá del periodo de la muestra. Los resultados sugieren que los LLM son más creíbles como herramientas de interpretación restringida que como motores de negociación independientes, pero la complejidad operativa puede no estar aún justificada sin una validación adicional fuera de la muestra.