Investigación cuantitativa de mercados
Cuatro años construyendo herramientas propias para analizar mercados: obtención de datos, indicadores, señales, backtest, informes y una aplicación web para explotarlo. En refundación desde 2026 con el método que uso hoy.
El grueso es de 2023-2024 y es de calidad desigual. La refundación de 2026 aplica el método actual. ⚠️ No es un historial de inversión: no lo hay, y afirmarlo sería insostenible.
Casi toda afirmación sobre rendimiento en mercados es indistinguible de una casualidad bien contada. Sin una disciplina explícita contra el sesgo de futuro y sin etiquetar de dónde sale cada número, una herramienta de backtest es una máquina de autoengaño con gráficos bonitos.
Separar el dato objetivo de la opinión por validar, con una etiqueta explícita: teórico, afirmación de terceros, backtest o historial propio. Y una lista de comprobación contra el sesgo de futuro que hay que pasar antes de creerse nada.
Un conjunto de herramientas independientes sobre un núcleo común de obtención y proceso de datos, más una aplicación Django de ocho módulos para explotarlo.
- Framework de backtesting propio: obtención de datos, indicadores, señales, gráficos, informes y exportación.
- Dos principios metodológicos escritos que valen más que el código: etiquetar el nivel de fiabilidad de toda afirmación de rendimiento, y exigir que todo indicador sea calculable en el momento con los datos disponibles en ese momento.
- Refundación 2026 con objetivos, arquitectura e inventario escritos antes de tocar nada.
Lo que demuestra5
- Protegerme del autoengaño al analizar datosDocumento · Verificable públicamente
Lista de comprobación explícita contra el sesgo de futuro: supervivencia, precios ajustados retroactivamente, percentiles calculados sobre toda la muestra, indicadores que miran barras futuras, retardo de publicación de los datos, y la trampa del óptimo elegido a posteriori. Validación fuera de muestra y entrada en la barra siguiente.
- Construir un motor de simulación con base física y regulatoriaCódigo · Verificable públicamente
- Construir aplicaciones web y llevarlas a producciónCódigo · Verificable públicamente
- Aplicar aprendizaje automático a un problema realCódigo · Verificable públicamente
- Integrar servicios de terceros por APICódigo · Verificable públicamente