En BacktestBench, el mejor de 23 modelos de lenguaje alcanzó una exactitud global del 67,41%, y la volatilidad y el ratio de Sharpe siguieron siendo «zonas de desastre» para todos ellos

Fecha del hecho / publicación

Categoría de la evidencia

Tareas sobre las que incide

Dónde aplica esto

Un banco de pruebas en el que los modelos convierten descripciones de estrategias en backtests reproducibles, evaluado con 23 modelos de lenguaje. El artículo informa de que el mejor modelo alcanzó una exactitud global del 67,41%, y de que, aunque las métricas más sencillas, como la tasa de acierto, logran una exactitud mayor, los indicadores estadísticos complejos, como la volatilidad y el ratio de Sharpe, siguen siendo «zonas de desastre» en todos los modelos. Es un banco de pruebas fijo, no trabajo en producción.

Qué significa esto

Qué no muestra todavía

Un banco de pruebas fijo; no mide el trabajo real de investigación.

Qué puedes comprobar

¿Cambia la evaluación?

Fuente