AllocFlow es un marco de flujo de emparejamiento (flow-matching) de extremo a extremo diseñado para generar asignaciones de cartera coordinadas directamente a partir de historiales de mercado de múltiples activos. A diferencia de los pipelines tradicionales que separan la predicción de señales de la construcción de la cartera, este sistema unifica ambos procesos para alinear el aprendizaje con los objetivos de ejecución y asignación. El modelo emplea un Transformer de flujo condicionado a representaciones temporales de mercado para generar pesos de posición continuos y firmados de manera conjunta, capturando las dependencias entre las posiciones de la cartera. Para mitigar la ineficiencia de muestreo y la inestabilidad al aprender políticas de asignación continua desde cero, AllocFlow utiliza un esquema de entrenamiento en dos etapas: primero, el aprendizaje por imitación supervisado por estrategia forma una distribución estructurada de portafolios candidatos; posteriormente, el aprendizaje por refuerzo (RL) con aprendizaje relativo de grupo refina las decisiones conjuntas utilizando recompensas financieras a nivel de cartera y una referencia de política congelada. En pruebas realizadas sobre futuros perpetuos de criptomonedas a hora, la refinación por RL elevó el rendimiento neto anualizado de la política de imitación del 27,79% al 51,38%, mejorando significativamente la relación Calmar de 0,955 a 4,043, superando a la estrategia maestra en todas las métricas. Además, AllocFlow alcanzó una relación Calmar de 4,90 en seis meses adicionales de datos no vistos de 2026 sin necesidad de reentrenamiento, demostrando su capacidad para gestionar restricciones de capital compartido en entornos de mercado ruidosos.
