ANÁLISE EDITORIAL / 2026-09-28 — 2026-10-02
Especializar LLM em trading tem custo
Pré-treino em código de trading melhora a geração de estratégias, mas degrada instruções e tool calling.
Na amostra limitada de cs.LG, o destaque é o QuantCode. Os autores especializam LLMs para gerar código executável de estratégias em Backtrader e comparam pré-treino continuado com fine-tuning supervisionado em pares validados de pedido e código. O pré-treino sozinho melhora o desempenho em turno único, mas piora o seguimento de instruções; a combinação das duas técnicas atinge 79,5% de sucesso final em avaliação agêntica. Os autores alertam, porém, que a especialização prejudica chamadas estruturadas de ferramentas, o que exige treino de recuperação. Também aparecem o protocolo de auditoria de agentes de alocação, um trabalho sobre narrativas estratégicas versus posicionamento revelado nos mercados, o colapso de posto do jacobiano em decision-focused learning, que afeta otimizadores de carteira treinados ponta a ponta, e um método de previsão que aprende a pesquisar. A seleção foi feita só pelos títulos de sexta-feira.
EVOLUÇÃO
A W39 discutia o preço inevitável de validar séries temporais; agora entra o preço de especializar LLMs para finanças.
O QUE FAZER COM ISSO
Modelos de domínio para quant devem ser testados também em tool calling e instruções, não só em acurácia de código.
Cobertura parcial: a listagem q-fin trouxe só 50 entradas (Seg 28/09, Ter 29/09 e 2 papers de Qua 30/09 não lidos); as listagens econ e cs.MA vieram desatualizadas, então econ entrou só via cross-list; em cs.AI, cs.CL e cs.LG apenas ~50 títulos de sexta foram vistos por categoria e a pré-seleção foi feita pelo título. Abstracts são resumos via WebFetch (não verificados) e 4 ficaram pendentes por HTTP 429.