Una tasa de ganancia del 90% puede ser una forma costosa de perder dinero. Toma un agente hipotético: nueve operaciones ganan $1 cada una, y una pierde $15. La mayoría de las decisiones fueron ganadoras. La cuenta está en negativo $6 antes de los costos. Por eso presto atención a cómo @agenticscredit combina la tasa de ganancia con la rentabilidad y el drawdown en su modelo ACS publicado. Contar solo las victorias omitiría la economía detrás de ese historial. En los mercados de predicción, un resultado puede parecer altamente probable y aún así estar sobrevalorado. Un bot que compre repetidamente esos resultados puede construir una racha tranquilizadora, dejando muy poco margen para errores. Mi preferencia sería un agente que pueda omitir un ganador probable cuando el precio es incorrecto. La disciplina que merece financiamiento incluye saber cuándo una predicción correcta ofrece una operación mala.