A continuación 13 claves que aplicamos en las estrategias de inversión cuantitativa para que realmente funcionen:
1. Métrica propietaria: Array Regression. Un coeficiente que evalúa relaciones N a N (por ejemplo, estrategias vs. activos) para detectar activos no predecibles y algoritmos con baja capacidad predictiva. Hay ejemplos y demostraciones disponibles en GitHub.
2. Familias de estrategias. Introduce un componente aleatorio para generar múltiples variantes y comprobar que los retornos siguen una distribución estable (sin picos ni “ruido”).
3. Validación secuencial (walk-forward). Divide el histórico en ventanas: entrena en A y valida en B; luego entrena en A+B y valida en C, y así sucesivamente. Esto impide que se filtre información futura y ofrece métricas reales, no ilusiones.
4. Aprendizaje continuo + walk-forward. La combinación perfecta para minimizar el riesgo de filtración de información futura.
5. Sin ajuste global de parámetros. Evita optimizar con algoritmos genéticos sobre toda la serie temporal: acabarás sobreentrenando.
6. Estabilidad evolutiva. Diseña estrategias cuyo rendimiento no se degrade ante pequeñas variaciones paramétricas; así evitas que una versión “hermana” parasite a otra.
7. Oportunidades, no impulsos. Aplica la regla del percentil 95: se ejecuta cuando la oportunidad es estadísticamente excepcional.
8. Órdenes límite. Controla el precio de entrada y salida; mejora el coste de ejecución.
9. Moneda alineada con el mercado objetivo. Opera en la misma divisa para reducir comisiones y fricciones.
10. Mide el “gap” simulación–realidad. Incorpora un proceso sistemático para cuantificar la desviación entre el backtest y la operativa en vivo.
11. Señales no masificadas. Evita estrategias compartidas que generen las mismas señales para todos: el primero que opera perjudica al resto.
12. Modelos simples, robustos. Prioriza la regresión múltiple frente a redes neuronales complejas para evitar el sobreentrenamiento.
13. Solo datos históricos públicos. Usa exclusivamente información histórica de las cotizaciones para mantener integridad y reproducibilidad científica.
La Caverna de Platón
¿Lo conseguirán viendo el movimiento?
Esta animación ilustra una metáfora del problema abordado por la Estrategia B. Representa cómo una realidad de 2 dimensiones es percibida por un «ojo» de 1 dimensión que debe aprender a interpretarla.
Los brazos (modelos) en rojo representan a los peores individuos de la población, quienes no sobrevivirán al proceso de selección.
Para entender el símil, debes saber que: tienes el precio que es la proyección del azul. Y tienes una realidad el brazo azul. Finalmente tienes varios modelos que tratan de imitar al modelo azul, estos solo ven la sombra que proyectan (puedes dar click en las animaciones para que cambien de posición).
Hay una multitud de intervenciones dando pistas de la Estrategia en youtube:
Hay un github con detalles matemáticos del coeficiente que permitió saber cuando se programan estrategias qué cosas son atribuibles al azar y que cosas superan y por cuanto el azar.
Basta un 2% de predecibilidad para obtener un 80% TAE.
A muchos os llama la atención esta parte, a nosotros nos llama la atención popularizar el sistema.
¿Listo para dejar de adivinar y empezar a predecir con datos?
Descubre cómo aplicar estas reglas y construye tu propia ventaja cuantitativa con nuestra Estrategia.
¿Te gustaría pertenecer al club?
Descubre nuestros itinerarios y opta a acceder a nuestra comunidad.