Los generadores del libro de órdenes reprodujeron el impacto de mercado con un exponente apenas superior a 0,5

Un grupo del laboratorio BOLD de Oxford (Department of Engineering Science y Department of Computer Science; entre los autores figura Stefan Zohren) ha lanzado el benchmark LOB-Impact. Mide algo que las métricas de calidad habituales de los modelos generativos del libro de órdenes no captan: cómo reacciona el simulador a las órdenes del propio agente de trading. El resultado: en los generadores neuronales el impacto de mercado surge por sí solo, aunque se entrenaron únicamente para predecir el siguiente mensaje.

El exponente de la ley de impacto resultó apenas superior a 0,5, es decir, por encima del valor clásico de la ley de la raíz cuadrada. El trabajo se presentará en la 7.ª Conferencia de ACM sobre IA en Finanzas (ICAIF ’26), que se celebrará en Milán del 14 al 17 de noviembre de 2026.

Por qué comprobar la reacción a las propias órdenes

Los modelos generativos del libro de órdenes (GAN, generadores recurrentes y de tipo state-space, transformers, modelos de difusión) se evalúan hoy por el parecido de su flujo de mensajes con el histórico. Benchmarks como LOB-Bench comparan las distribuciones del spread, los volúmenes, los intervalos entre eventos y el desequilibrio. Pero se quiere usar estos simuladores como «modelos del mundo» para el aprendizaje por refuerzo. Si el simulador estima mal el precio de las operaciones del propio agente, este aprenderá una estrategia óptima dentro del simulador y errónea en el mercado real. Las métricas distribucionales no detectan ese sesgo.

El patrón de referencia es la ley de la raíz cuadrada: el cambio de precio esperado por una orden grande es proporcional a la volatilidad diaria y a la raíz de la relación entre el tamaño de la orden y el volumen diario. Esta ley se ha confirmado en acciones, futuros y el mercado de divisas. Según el artículo, se sostiene sobre dos fuerzas: el flujo de órdenes es persistente (el signo de la siguiente operación es predecible a partir de la anterior), pero el precio sigue siendo difusivo, porque el mercado repone la liquidez y «absorbe» el impulso.

Tres fases y un control ciego

El benchmark recibe un modelo, una acción, una calibración con los datos de esa acción y un presupuesto de ejecuciones. Después sigue tres fases. En la primera, el modelo genera el flujo libremente: se miden el decaimiento de la autocorrelación de los signos de las operaciones, el exponente de Hurst del precio medio y la deriva libre.

En la segunda, se inserta una metaorden en el flujo generado: tras una ventana de contexto de flujo real, las órdenes «hijas» agresivas, de tamaño mediano, se alternan con los mensajes del modelo. Cada ejecución tiene entre 12 y 73 mil mensajes según la acción, mucho más que la ventana de 4000 mensajes con la que se entrenaron los modelos neuronales. En la tercera fase se interrumpen las inyecciones y se mide la relajación.

Las compras y las ventas son simétricas y se combinan, de modo que se reduce la deriva independiente de la dirección.

El recurso principal es una ejecución «ciega» sobre las mismas ventanas y semillas. Las órdenes se ejecutan en el simulador, pero ni los mensajes ni el estado del libro que ve el modelo reflejan su existencia. La relación entre la respuesta «visible» y la «ciega» indica qué parte del impacto creó el propio modelo y cuál procede de la mecánica del libro. Esto importa: en las bases de referencia simples de reproducción histórica (replay), sin ningún modelo dentro, a veces también se identifica la ley, así que el exponente por sí solo no basta para la atribución.

Antes de interpretar los resultados, los autores validaron el estimador: las leyes con exponente conocido, introducidas en una nube de puntos real, se recuperan con un ligero sesgo a la baja, por lo que los exponentes publicados son conservadores. En las pruebas nulas, el test no encontró leyes falsas. Los modelos base, como el núcleo de Obizhaeva–Wang (modelo estándar del libro de órdenes con recuperación exponencial de la liquidez), recuperan correctamente la persistencia incorporada en ellos en las cinco acciones.

Qué se consiguió y qué no

Los modelos se entrenaron con datos de enero de 2022 a diciembre de 2025; enero de 2026 se reservó para la evaluación. Entre los modelos probados están S5-120M y uno basado en Mamba-3, ambos con una ventana de 4000 mensajes; cada ejecución usó una H100. En total, cinco generadores neuronales y cinco acciones de NASDAQ (AMD y otras). La reproducción histórica supera la primera fase sin problemas, pero no muestra impacto alguno; por eso se necesita una intervención para detectarlo.

En todas las celdas donde se identificó la ley, los modelos neuronales produjeron un impacto con un exponente apenas superior a 0,5. El punto débil es la relajación: en la realidad, el impacto cae hasta aproximadamente dos tercios del pico en una o dos duraciones de ejecución, y hasta la mitad hacia la décima. El núcleo neuronal de decaimiento de los modelos resultó constante según dos métodos independientes. Los autores lo atribuyen, con cautela, a las ventanas de contexto cortas.

Las limitaciones son evidentes: el artículo demuestra la presencia del efecto dentro del protocolo, pero no prueba que un agente entrenado en un simulador así sea rentable en una bolsa real. La conclusión práctica para quienes desarrollan simuladores de trading es que conviene añadir comprobaciones contrafactuales del impacto a las métricas de verosimilitud del flujo. Los autores publican el código del benchmark como open source.