Investigación cuantitativa de mercados
Herramientas propias para analizar mercados desde 2023 y, en 2026, una refundación con método: una base de conocimiento de estrategias e indicadores y un banco de pruebas estadístico para contrastar su relación con los retornos futuros. Algunas hipótesis habituales no resistieron los estudios realizados.
Análisis y decisión asistida para operar a mano: no ejecuta órdenes y no es un historial de inversión. Es donde empecé a programar en Python, con trabajo desde 2019 que apenas dejó rastro; lo de 2023-2024 es de calidad desigual y la refundación de 2026 aplica el método actual.
- Rigor estadístico aplicado a datos de mercado: percentiles construidos con el pasado, comprobaciones entre mitades temporales e inferencia por bloques para tratar la dependencia entre observaciones.
- Resultados contados como son: lo refutado y lo corregido se escribe igual que lo que funciona.
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 análisis es una máquina de autoengaño con gráficos bonitos.
Contrastar los indicadores antes de confiar en ellos y etiquetar la fiabilidad de las afirmaciones: teórica, de terceros, de backtest o propia. Las herramientas permiten explorar también indicadores discutibles, con sus limitaciones documentadas.
La refundación separa un núcleo de funciones que devuelven datos (fuentes, indicadores puros, validación) de unos scripts que orquestan y presentan, con un conector común al bróker configurado por defecto para solo lectura y una regla expresa de no enviar órdenes desde las herramientas. Al lado, una base de conocimiento de estrategias, indicadores, señales y estudios. Antes, entre 2023 y 2024, herramientas sueltas, un framework de backtesting y una aplicación Django.
- Un banco de pruebas que estudia la relación entre indicadores y retornos futuros: percentiles calculados con el pasado, correlación de rangos, ventanas sin solapar, bootstrap por bloques y corrección por comparaciones múltiples.
- Estudios con conclusiones escritas sobre las muestras analizadas, que documentan los resultados favorables, los refutados y sus limitaciones.
- Una base de conocimiento organizada como un modelo relacional: entidades definidas una vez y tablas de cruce que son el esquema del futuro panel de recomendaciones.
Las evidencias13
- Rigor en el análisis de datosCódigo · Bajo petición
Percentil de cada valor calculado solo con el pasado, correlación de rangos con el retorno futuro, tabla por deciles, estabilidad entre mitades de la muestra, correlación con ventanas sin solapar, intervalo por bootstrap de bloques con corrección por comparaciones múltiples y recuento de episodios separados. El veredicto combina correlación, consistencia entre submuestras e inferencia por bloques; la estabilidad entre mitades se calcula aparte. La documentación pide revisar supervivencia, ajustes de precios, retardos de publicación y selección a posteriori.
- Estadística aplicadaDocumento · Bajo petición
- Transparencia técnicaDocumento · Bajo petición
- Documentación técnicaDocumento · Bajo petición
- Diseño modularDecisión escrita · Bajo petición
- Integración de APIs de tercerosCódigo · Bajo petición
- Desarrollo con agentes de código (AI-native)Documento · Bajo petición
- Desarrollo web full stackCódigo · Bajo petición
- ETL e ingesta de datosCódigo · Bajo petición
- Aprendizaje rápidoHistorial de commits · Bajo petición
- Modelado y simulaciónCódigo · Bajo petición
- Machine learning aplicadoCódigo · Bajo petición
- Entregables portables (HTML autocontenido)Código · Bajo petición
Principios que se ven aquí6
- PrincipioLa autocrítica se publica, no se guarda
- Los estudios dejan escrito lo refutado igual que lo confirmado, y una validación inflada se corrige en el documento ancla en lugar de borrarse
- PrincipioConstruyo sistemas, no piezas: diseño la siguiente fase y construyo solo la actual
- El cálculo devuelve datos para que una interfaz futura lo reutilice sin reescribirlo, pero esa interfaz no existe y nada se extrae a común hasta que lo usan dos herramientas
- PrincipioLos agentes, más para contrastar que para producir; y lo que dicen se verifica
- El contexto del proyecto obliga al agente a señalar las afirmaciones flojas, mías o suyas, en lugar de asentir
- PrincipioEl dato dice cuánto sabe: vacío, provisional o validado
- Las afirmaciones de rendimiento se etiquetan por fiabilidad —teórica, de terceros, de backtest o propia— y los indicadores se contrastan antes de confiar en ellos
- PrincipioLa documentación es el contexto de quien viene detrás, y cambia en el mismo paso que el código
- Una base de conocimiento escrita a la vez como manual y como contexto estructurado para un agente
- PrincipioNada existe sin consumidor
- Al núcleo común solo pasa lo que usan dos herramientas