Estudo mapeia agentes de IA para trading de opções e encontra falta generalizada de limites de perda
Uma varredura de 765 repositórios, documentação de corretoras e literatura acadêmica identificou 215 projetos de agentes de IA para negociar opções e 8 interfaces nativas de corretoras, dos quais 26 sistemas foram avaliados em detalhe quanto a salvaguardas. Nenhum autentica suas fontes de dados textuais ou faz verificação cruzada de preços de mercado, e 13 dos 26 sistemas, incluindo 6 das 8 interfaces de corretoras, podem gerar perdas financeiras sem limite superior caso um atacante manipule as entradas do agente.
O estudo nasce de uma mudança concreta no mercado: agentes de LLM já colocam ordens reais de opções em corretoras de varejo, e o ecossistema de ferramentas open source para isso explodiu rapidamente. Dos 215 repositórios elegíveis encontrados, 198 foram criados em 2026, e 60% deles apareceram nas duas semanas em torno de um único hackathon de trading de opções, evidenciando um campo nascente, pouco maduro e em grande parte não auditado antes de chegar a produção.
Diferente de trabalhos anteriores sobre segurança de agentes de trading em ações, que mediam apenas se um atacante conseguia inverter uma decisão de compra ou venda, os autores avaliam o pior cenário de perda financeira alcançável pelos caminhos de execução documentados de cada sistema. O achado central é estrutural: um atacante que controla as entradas textuais do agente, por exemplo, uma notícia manipulada, um feed de dados envenenado ou um prompt injetado, pode alterar o strike, a data de vencimento, a volatilidade implícita considerada e as pernas de uma estratégia de opções, mantendo a direção de compra ou venda correta, o que faz a manipulação passar despercebida em verificações superficiais que só checam se a decisão final está certa.
Entre os 22 sistemas capazes de efetivamente emitir ordens, apenas 10 aplicam algum limite de perda pré-negociação fora do próprio modelo de IA, e nenhum dos 26 sistemas avaliados autentica a origem das fontes textuais que usa como insumo nem faz verificação cruzada dos dados de mercado contra uma segunda fonte. O resultado prático é que 13 sistemas, incluindo 6 das 8 interfaces nativas oferecidas diretamente por corretoras, podem em tese alcançar perda ilimitada: não há piso técnico que impeça a posição de crescer além de qualquer limite razoável antes que um humano intervenha.
A relevância prática aqui é direta e financeira: diferente de muitos ataques de IA cujo impacto é reputacional ou de dados, uma manipulação bem-sucedida de um agente de opções se traduz imediatamente em perda monetária real para o usuário ou a instituição, sem necessidade de comprometer a conta em si, bastando manipular o que o agente lê antes de decidir. Os autores recomendam que limites de perda sejam aplicados como controle na fronteira da ordem, fora do modelo, um princípio de defesa em profundidade que boa parte do mercado, inclusive corretoras estabelecidas, ainda não implementa.