Agentes de IA de JPMorgan Superan Portafolio 60/40 por 0.7% Anualmente

El equipo de investigación de JPMorgan construyó agentes de inversión impulsados por IA utilizando modelos de OpenAI y Anthropic que clasifican los mercados en cuatro regímenes (Goldilocks, reflación, estanflación, risk-off) y asignan dinámicamente capital entre acciones y bonos. En pruebas retrospectivas que abarcan dos décadas, el mejor agente superó un portafolio tradicional de acciones y bonos 60/40 en 0.7 puntos porcentuales anuales mientras ofrecía menor volatilidad. Los ocho agentes de IA probados vencieron tanto el benchmark 60/40 como el modelo de régimen de mercado basado en reglas del propio JPMorgan, sugiriendo que la tecnología puede mejorar los marcos de asignación de activos existentes.

Los estrategas liderados por Thomas Salopek enfatizaron advertencias críticas: los resultados provienen de simulaciones históricas, no de negociación en vivo, y JPMorgan advierte contra tratar los backtests como prueba de desempeño consistente. El equipo también reconoció riesgos sistémicos si el comercio aglomerado surge de múltiples firmas que usan modelos de IA similares, lo que podría amplificar el estrés del mercado y hacer que los mercados sean más fáciles de manipular. JPMorgan afirmó que sigue siendo cauteloso respecto a entregar decisiones reales de asignación de activos a agentes sin barreras específicas del dominio.

Para profesionales, esto valida la promesa comercial de la IA agéntica para la asignación de capital mientras identifica un riesgo operacional crítico: el cambio hacia la toma de decisiones autónoma a escala en todo el sector financiero. Los arquitectos deben observar que los marcos de asignación basados en regímenes ahora son table-stakes para la IA en finanzas; la pregunta es cómo estratificar la supervisión humana, evitar el rebaño y garantizar que los modelos se degraden con elegancia cuando las condiciones divergen de los datos de entrenamiento.