ANÁLISE EDITORIAL / 2026-10-05 — 2026-10-11
Modelar o mercado como mundo, não só prever preço
World model financeiro, credit assignment em RL de agentes e um agente de opções guiado por distribuição implícita.
Towards Financial World Modeling propõe que agentes de mercado precisam de uma representação de estado para planejar sobre condições não vistas no treino — liquidez, volatilidade e relações entre ativos — não apenas um previsor de preço. LLM Value Functions for Credit Assignment e VETTA atacam o mesmo problema de atribuir crédito em RL de agentes multi-turno que motivou os papers de cs.AI, aqui do lado do método. SOTA usa a distribuição implícita de retorno das opções para guiar um agente de trading que precisa escolher entre milhares de contratos, e From Economic Explanation to Performance Improvement propõe atribuição Shapley para explicar o ML de alocação de portfólio.
EVOLUÇÃO
A W40 mostrava o custo de especializar um LLM em trading; esta semana o tema é o que esse agente deveria modelar e como atribuir crédito às suas decisões.
O QUE FAZER COM ISSO
Modelos de ML para mercado deveriam ser avaliados como modelos de mundo — cobertura de regimes não vistos — não só como previsores de preço pontual.
cs.LG recebe ~1800 papers/semana; a seleção usou um filtro por palavra-chave sobre título e abstract da API oficial do arXiv, não leitura de todos os títulos. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.