Evaluating AI Investment Strategies

Resumen Técnico: Evaluación de Estrategias de Inversión de IA

Planteamiento del Problema
El documento aborda el desafío crítico de auditar decisores algorítmicos de "caja negra" en entornos secuenciales, tales como fondos de cobertura, asesores robóticos (robo-advisors) y algoritmos de ejecución. Los reguladores (por ejemplo, bajo las normas SR 11-7 y SR-26-2) y los diseñadores de plataformas requieren métricas de desempeño para evaluar estrategias algorítmicas sin acceso al código fuente interno o a los tipos de agentes privados. Si bien la auditoría de un solo periodo es posible, extender estos métodos a programas dinámicos estocásticos de múltiples periodos —donde los gestores reoptimizan basándose en nuevos datos en cada periodo— sigue siendo un problema abierto. La dificultad central radica en determinar si el arrepentimiento acumulado (cumulative regret; la brecha entre el desempeño realizado y un punto de referencia teórico óptimo) puede descomponerse únicamente en cantidades observables (entradas y salidas).

Metodología y Marco Teórico
El autor formula un programa dinámico estocástico general de horizonte finito donde una política $\hat{\pi}_t$ mapea estados observados y vectores de costos $c_t$ hacia decisiones $z_t$. El punto de referencia se define como la política óptima de media condicional $\pi^*_t$, que minimiza los costos esperados dada la información actual.

La contribución metodológica central es la derivación de una descomposición exacta para el arrepentimiento acumulado. El documento establece que, bajo condiciones específicas, el arrepentimiento total durante $T$ periodos es igual a la suma de las covarianzas por periodo entre el vector de costos y la decisión de la política, más un término de corrección de sesgo:
$$\text{Regret}^{(T)}(\Pi) = \sum_{t=1}^T \text{Cov}(c_t, \hat{\pi}_t(c_t)) + \sum_{t=1}^T \bar{c}_t^\top b_t$$
donde $b_t = E[\hat{\pi}_t(c_t)] - \pi^*_t$ representa el sesgo de la política por periodo.

El análisis procede a través de varias extensiones teóricas:

1. Costos i.i.d.: Bajo costos independientes e idénticamente distribuidos y políticas de Markov no sesgadas en la media (donde $E[\hat{\pi}_t] = \pi^*_t$), el término de sesgo desaparece, produciendo una identidad exacta donde el arrepentimiento es igual a la suma de las covarianzas.
2. No Estacionariedad: Para distribuciones de costos variables en el tiempo, el documento deriva una corrección de sesgo de forma cerrada acotada por la covariancia inter-periodo de los incrementos de costos.
3. Horizonte Infinito: Se establece un análogo para el horizonte descontado, mostrando que el arrepentimiento descontado escala linealmente con el horizonte efectivo $1/(1-\gamma)$.
4. Procesos AR(1): Para costos de ejecución con reversión a la media (modelados como AR(1)), el documento deriva un término de corrección de autocovarianza específico, demostrando que las sumas de covarianzas puras pueden sobreestimar o subestimar el verdadero arrepentimiento dependiendo del signo de la autocorrelación.
5. Recursión de Bellman: Se deriva una recursión de tipo Bellman para el funcional de arrepentimiento de covarianza, estructuralmente análoga a la función Q en el aprendizaje por refuerzo (reinforcement learning). Esto permite la estimación del arrepentimiento de múltiples periodos utilizando algoritmos de programación dinámica estándar sin resolver el problema de optimización original.

Contribuciones Clave
El documento realiza ocho contribuciones específicas:

• Descomposición Exacta: Demostrar que el arrepentimiento esperado total se descompone exactamente en la suma de las covarianzas de entrada-salida por periodo bajo costos i.i.d. y políticas no sesgadas en la media.
• Caracterización del Sesgo: Derivar correcciones de sesgo de forma cerrada para costos no estacionarios y políticas variables en el tiempo, cuantificando específicamente el sesgo en las estrategias de momentum como $O(|\hat{\rho}|T\sigma_c^2)$.
• Herramienta de Auditoría Algorítmica: Proponer un estimador de covarianza de trayectoria que es consistente, asintóticamente normal con varianza HAC (Heteroskedasticity and Autocorrelation Consistent) y computable en $O(T \cdot nd)$ tiempo. Esto permite la auditoría sin modelo utilizando únicamente secuencias observables de costos y asignaciones.
• Aplicaciones Financieras: Aplicar la teoría al rebalanceo de portafolios de ventana rodante (mostrando que el sesgo de error de estimación es $O(d/w)$) y a los costos de ejecución con reversión a la media (proveyendo una corrección AR(1) de forma cerrada).
• Conexión con el Aprendizaje por Refuerzo: Demostrar que la infraestructura estándar de RL (por ejemplo, fitted-Q) puede ser reutilizada para estimar el arrepentimiento de múltiples periodos mediante la recursión de Bellman derivada.

Resultados Empíricos
La teoría se valida utilizando datos de retornos diarios de CRSP desde enero de 2016 hasta diciembre de 2025.

• Coeficientes AR(1): Los coeficientes AR(1) diarios fueron persistentemente negativos ($\hat{\rho} \in [-0.144, -0.004]$) a través de todos los años y regímenes del NBER, indicando que la reversión de corto horizonte dominó al momentum.
• Desempeño de la Estrategia: Las estrategias de reversión superaron a las estrategias de momentum en siete de diez años.
• Corrección de Sesgo: La estrategia de reversión con corrección de sesgo proporcionó el mejor desempeño ajustado por riesgo en 2019 y 2022, años donde las estrategias de momentum puras fallaron. La corrección de sesgo actúa como un "seguro", incurriendo en un ligero costo en años favorables pero entregando ganancias significativas cuando la dinámica de momentum se distorsiona.
• Robustez: El documento identifica cinco factores de confusión (efectos de tamaño, bid-ask bounce, agrupación de volatilidad, momentum transversal vs. de serie temporal, y provisión de liquidez) que probablemente sesgan la estimación de $\hat{\rho}$ al alza. Consecuentemente, las cifras de arrepentimiento calculadas son límites superiores conservadores de las pérdidas atribuibles al momentum.

Significancia y Reivindicaciones
El documento afirma proporcionar una "solución tratable" para la supervisión regulatoria al reformular la auditoría algorítmica como un problema de prueba estadística.

• Para Reguladores: Los oficiales de cumplimiento pueden construir intervalos de confianza para el arrepentimiento acumulado utilizando únicamente las entradas y salidas observables, satisfaciendo mandatos como SR 11-7 sin requerir acceso a motores de optimización propietarios.
• Para el Diseño de Mecanismos: La identidad permite acotar el arrepentimiento de un agente sin acceso a tipos privados, conectando la auditoría de caja negra con problemas de estimación de covarianza en la teoría de juegos.
• Para la Mejora de Políticas: La recursión de Bellman implica que la reducción de la covarianza puntual es una condición suficiente para la mejora del arrepentimiento de múltiples periodos, ofreciendo una alternativa computacionalmente tratable a la enumeración completa de estrategias.

El autor mantiene una postura modesta respecto a la magnitud empírica del arrepentimiento, señalando que, si bien la descomposición teórica se cumple exactamente bajo los supuestos establecidos, las estimaciones empíricas sirven como límites superiores debido al ruido de microestructura no observado y a las exposiciones a factores. La principal propuesta de valor es el establecimiento de una métrica rigurosa y sin modelo para la atribución de desempeño en sistemas de decisión secuencial.