así es como puedes armar un escritorio de investigación cuantitativa con IA usando Opus 5.5, paso a paso.
un solo lugar para investigar empresas, probar ideas de trading y revisar la evidencia detrás de cada resultado.
usa los prompts, las capturas de pantalla comentadas y las verificaciones que aparecen abajo para construir tu propia versión.
empezaremos con un piloto funcional de Minara y luego armaremos el pipeline de datos e investigación que necesita el escritorio completo.
pídele a un chat de IA todas las acciones de inteligencia artificial del mundo y probablemente te devuelva una lista. primero, define qué significa exposición a la IA, qué emisiones son elegibles y qué evidencia debe aportar cada empresa.
si te saltas eso, la lista puede mezclar clientes con proveedores, contar una misma empresa tres veces y filtrar información futura hacia decisiones pasadas.
en esta propuesta, cada herramienta tiene una sola tarea:
Minara organiza la investigación y el piloto. Codex ejecuta cálculos reproducibles. Jev revisa la evidencia escrita después de superar pruebas exigentes. Dots coordina tareas acotadas una vez que se valida su traspaso.
antes de pedir un modelo, quiero evidencia que pueda revisar.
¿qué emisores listados califican, por qué se incluyen y qué puede responder la información?
el núcleo planeado abarca acciones ordinarias listadas y ADRs donde las fuentes identificadas ofrecen cobertura por país. voy a mapear la exposición a la IA de cada emisor a lo largo de la cadena de valor.
el momentum, la calidad y el ciclo de inversión tendrán pruebas separadas una vez que sus insumos superen la revisión.
“global” requiere una cobertura documentada. no todas las bolsas ni todos los emisores van a aparecer automáticamente.
esto es investigación sin conexión a ningún bróker, ruta de órdenes, billetera ni implementación en vivo.
las capturas originales pueden mostrar etiquetas de cuentas. registran la interfaz actual o guardada; no he reproducido los resultados de forma independiente.
lo que Minara soporta hoy
recorrí Minara para revisar sus herramientas de investigación. la base de datos global todavía hay que construirla.
la Factor Library mostraba 376 factores, incluidas varias formas de definir el momentum.
un ejemplo de Strategy Studio tenía 31 instrumentos actuales, entre ellos ETFs y valores no estadounidenses.
eso sirve para un piloto de interfaz. la composición histórica de las acciones globales todavía necesita sus propios datos.
el memorando amplio de momentum estadounidense devolvió “no calculado”. la cobertura histórica, la composición, la antigüedad de los datos y los precios ejecutables no estaban verificados.
también encontré discrepancias de costos y configuración en las pantallas de backtest.

el memorando actual de Minara y la solicitud original muestran los límites de la interfaz y de la investigación.

• izquierda: quedó una ejecución previa de investigación institucional con cobertura global incompleta. la flecha marca las fases completadas de la mesa redonda de NVDA.
• centro: un informe solo de NVDA sin universo global de IA. la flecha marca su titular y la declaración de mantenimiento (hold).
• derecha: la solicitud original y el memorando guardado describen un estudio no probado. la flecha marca la conclusión y el límite por falta de datos de respaldo.
primero define el universo invertible
empieza por la identidad de la empresa. el ticker va después.
un ticker identifica una emisión. el estudio suele necesitar al emisor que está detrás.
un mismo emisor puede tener varias clases de acciones, una cotización principal local y un ADR.
una búsqueda amplia también puede devolver ETFs, fondos, warrants y empresas privadas.
si cuentas todo eso como empresas de IA independientes, la muestra se rompe antes del primer cálculo.
voy a mantener dos tablas vinculadas:
el registro maestro de emisores guarda un issuer_id interno estable, la razón social, el domicilio y los identificadores externos disponibles.
el registro maestro de emisiones guarda listing_id, el vínculo con el emisor, el ticker, la bolsa, la clase de acción, el tipo de instrumento, la moneda, el calendario, las fechas de vigencia y cualquier ratio de ADR o valor subyacente.
una entidad legal y un valor necesitan identificadores distintos, unidos por un mapa fechado de emisor a emisión.
un mapa sin resolver deja la entrada fuera de la muestra central.
el primer núcleo incluye acciones ordinarias comunes y certificados de depósito.
los ETFs, fondos, derivados, activos tokenizados y empresas privadas quedan excluidos o se rastrean por separado.
un ADR y su acción subyacente cuentan como un solo emisor, incluso si ambos tienen ticker.
antes de hacer pruebas, voy a congelar la regla de cotización principal o elegir explícitamente un estudio a nivel de emisión.
los resultados de los factores no pueden cambiar esa decisión.
cada etiqueta de “empresa de IA” necesita evidencia. una casilla de verificación en la bolsa no alcanza para definirlo.
voy a usar tres categorías:
• exposición directa: el emisor vende modelos, software, sistemas o servicios de IA respaldados por evidencia divulgada de segmento o producto.
• proveedor o facilitador: vende chips, memoria, equipos de fabricación, redes, capacidad en la nube, sistemas de centros de datos, energía, refrigeración u otros insumos identificables para implementar IA.
• solo lista de seguimiento: una afirmación de la gerencia, un posicionamiento general o un vínculo plausible no tiene suficiente detalle para entrar al núcleo.
cada registro de evidencia guarda la afirmación, el fragmento fuente, el período del documento, la fecha y hora de publicación, el segmento de negocio, el momento de captura, la regla de etiquetado, el revisor y el vínculo matriz/filial.
un LLM puede ubicar fragmentos y marcar conflictos. las etiquetas históricas igual requieren fuentes fechadas y registros revisados por humanos.
known_at me impide meter la descripción de 2026 de una empresa en su registro de 2018.
sin evidencia significa desconocido. ese es un resultado válido.
cuenta los desconocidos junto con cada clase para que la falta de evidencia siga visible.
“mundial” exige un libro de cobertura para cada fuente.
registra países, bolsas, tipos de instrumentos, historial, nombres dados de baja, eventos corporativos, campos financieros, licencias y vacíos.
marca cada par país/bolsa como incluido, parcial o no disponible. define el subconjunto soportado por el proveedor como el alcance del estudio.
un título que diga “global” no arregla una cobertura incompleta.
arma el registro maestro sin duplicados ni filtraciones temporales
congela el manifiesto del universo: fecha de corte, países, mercados, tipos de instrumentos, reglas de exposición, instantánea del mapa de identificadores, filtros de calidad, tratamiento de bajas, versiones de las fuentes y exclusiones.
reporta cantidades en cada paso: candidatos, emisores y emisiones mapeados, duplicados, instrumentos rechazados, etiquetas desconocidas y miembros finales.
un revisor tiene que poder rastrear la lista original hasta la composición final.
los tickers cambian. el historial de identidad tiene que sobrevivir.
las empresas cambian de nombre, de mercado y de clase de acciones. las emisiones pueden suspenderse, fusionarse o darse de baja.
guarda alias fechados, fuentes de mapeo y el motivo de cada cambio.
los vínculos y ratios de ADR también necesitan fechas de vigencia.
el directorio de bolsas de hoy ayuda a identificar emisiones actuales. no establece la composición histórica ni cuándo se hizo pública la evidencia de IA.
las presentaciones regulatorias pueden dar fechas de publicación, pero no rendimientos totales ni datos de baja.
si el historial necesario no está disponible o no tiene licencia, significa no calculado.
cada emisión tiene una moneda, un calendario, reglas de horario de verano y una hora de cierre.
voy a usar rendimientos sin cobertura en una moneda base, probablemente USD, con una fuente de FX y una marca de tiempo definidas.
define el método de rendimiento total, la política de eventos corporativos y dividendos, el tratamiento de bajas y el momento de ejecución.
los cierres de la misma fecha no prueban disponibilidad. revisa las marcas de tiempo reales de Tokio y de las bolsas que cierran más tarde.
registra la hora de la decisión y la siguiente sesión local ejecutable en el manifiesto.
conserva los rendimientos en moneda local para diagnósticos. documenta la conversión a USD porque el tipo de cambio puede alterar los rankings.
alinea feriados y sesiones no superpuestas con los calendarios de las bolsas. un join genérico a fin de mes puede ocultar errores de timing.
cuando no sea posible mantener un timing consistente, usa el subconjunto alineable y declara el límite.
tres hipótesis. tres modos de falla.
un agente no debería probar miles de factores hasta que aparezca un gráfico bonito.
congela tres hipótesis simples, limita las variantes y prueba de a una.
el momentum va primero. sus definiciones se pueden revisar hoy en Minara.
la calidad y el ciclo de inversión quedan solo en fase de diseño hasta que los insumos históricos pasen la auditoría.
1. momentum. compara el rendimiento total simple a 12 meses, capitalizado de t−12 a t−1, con el momentum 12–2, capitalizado de t−12 a t−2 y salteando t−1.
congela el universo punto en el tiempo de emisores/emisiones, el calendario de rebalanceo, la regla de selección, los pesos, el benchmark y los costos.
cambia solo la ventana de la señal.
la prueba muestra si las definiciones seleccionan nombres distintos. no explica qué causó sus rendimientos.
2. calidad. congela una definición pequeña entre países antes de rankear.
una candidata combina rentabilidad, resiliencia del balance y estabilidad de ganancias.
define las unidades de cada insumo, el período fiscal, la política de reformulación, la fecha de publicación y el tratamiento de campos incomparables o faltantes.
las normas contables, las monedas, las industrias y los calendarios fiscales pueden romper un puntaje global ingenuo.
muestra la cobertura de cada componente junto al puntaje combinado. los campos faltantes tienen que seguir visibles.
3. ciclo de inversión. usa el gasto de capital divulgado vinculado a segmentos de IA en el registro de evidencia.
separa el capex en efectivo realizado, las proyecciones, los compromisos anunciados, las obras en curso y los objetivos de la gerencia. cada uno tiene significados y fechas distintas.
un anuncio de centro de datos a varios años no es capex completado.
congela la métrica y el rezago antes de probar. los rendimientos no pueden reescribirlos.
registra la dirección esperada, los insumos, el timing, la muestra elegible, los controles, el benchmark, las variantes, la regla de rechazo y el conjunto de retención en cada manifiesto.
mantén el estado de “solo diseño” hasta que el diccionario de datos y las reglas de tiempo de publicación pasen la revisión.
la investigación publicada sobre momentum puede inspirar la pregunta. sus resultados históricos no se transfieren a este universo.
voy a usar French Mom como referencia de construcción. esta muestra tendrá su propia definición.

• arriba a la izquierda: el catálogo de la Factor Library no valida señales. la flecha marca las pestañas y los conteos del catálogo.
• arriba a la derecha: los nombres predefinidos del universo no establecen la composición histórica. la flecha marca la elección Tradfi 30.
• abajo a la izquierda: esta vista genérica de la Factor Library no muestra un par de momentum coincidente. la flecha marca el encabezado de categoría/conteo.
• abajo a la derecha: el formulario de estrategia muestra los controles disponibles, sin ninguna estrategia nueva enviada. la flecha marca los controles de activos y portafolio.
empieza con un piloto acotado en Minara
antes de armar un dataset a escala mundial, pídele a Minara una prueba comparativa simple contra skip-month sobre un subconjunto soportado específico.
pide primero el informe de disponibilidad: activos exactos, identificadores, definiciones de factores, reglas de rebalanceo, fechas, costos y campos de exportación.
un elemento obligatorio sin confirmar bloquea el backtest.
la Factor Library mostró definiciones simples de 12 meses, de 3 y 6 meses saltando un mes, e intermedias de 7 a 12 meses.
un par comparable de 12 meses simple y 12–2 todavía necesita verificación.
revisa los IDs de los factores y el código para confirmarlo.

el wrapper actual del código de momentum se puede inspeccionar.
una prueba de 12 meses contra 6 meses no sustituye a un par 12–2 faltante.
una señal personalizada necesita una ruta soportada, código inspeccionable e insumos reproducibles. si no, calcula el par offline.
la canasta observada de TradFi 30 mostró 31 instrumentos actuales, incluidos ETFs y emisiones no estadounidenses.
reutilízala como piloto de interfaz de canasta fija. la composición histórica global de IA necesita datos aparte.
congela solo posiciones largas en los cinco primeros, pesos iguales, rebalanceo mensual, 1x, benchmark y costos. cambia únicamente la señal.
guarda configuraciones, miembros y resultados de ambas ejecuciones.
después prueba una grilla de costos de una vía, por ejemplo 0, 10, 25 y 50 puntos básicos.
el resumen sin comisiones mostraba fills con comisiones. esa discrepancia sigue sin resolverse; el slippage no se verificó de forma independiente.
el interruptor de comisiones no define el modelo de costos.
Codex calculará la rotación asumida y las deducciones a partir de las tenencias y rendimientos exportados. si faltan artefactos, significa no calculado.

• arriba a la izquierda: el borrador guardado de momentum y la solicitud muestran la construcción actual. la flecha marca los controles de universo y portafolio.
• arriba a la derecha: la configuración actual de comisiones y slippage de momentum no verifica la ejecución. la flecha marca la comisión de 10 bps y los ajustes de slippage.
• abajo a la izquierda: el resumen actual de momentum no registra ninguna ejecución nueva. la flecha marca las métricas principales.
• abajo a la derecha: los fills guardados de momentum no se reprodujeron de forma independiente. la flecha marca fills y comisiones.
la ventana 2024–2026 que se revisó es material de desarrollo. ya no puede usarse como un conjunto de retención intacto.
reserva un bloque histórico solo con datos punto en el tiempo licenciados. si no, empieza la validación prospectiva después de congelar las definiciones.
Minara organiza el experimento. cada número de rendimiento que se muestra todavía necesita evidencia de respaldo.

• arriba a la izquierda: los resultados por símbolo son evidencia reportada por el producto. la flecha marca las P&L realizadas y no realizadas.
• arriba a la derecha: las métricas actuales de momentum difieren de las métricas históricas del chat. la flecha marca las cifras principales actuales.
• abajo a la izquierda: los fills guardados actuales no tienen reproducción independiente. la flecha marca la tabla de fills.
• abajo a la derecha: esta tabla por símbolo muestra la misma evidencia guardada, sin ninguna ejecución nueva. la flecha marca la tabla.
verifica una fórmula de forma independiente
empieza offline con una comprobación mínima: reconstruye el Mom mensual de Kenneth French a partir de las seis patas publicadas de portafolios size-by-momentum.
esto revisa la aritmética. el universo global de IA y el portafolio propuesto necesitan una validación aparte.
comprueba el parser, la alineación de fechas, las unidades de rendimiento y la matemática long-short.
1Mom[t] = 0.5 * (SmallHigh[t] + BigHigh[t])2 - 0.5 * (SmallLow[t] + BigLow[t])
French arma seis portafolios ponderados por valor usando tamaño y rendimiento previo (2–12). Mom promedia los dos portafolios de alto rendimiento previo y resta el promedio de los dos de bajo rendimiento.
descarga las seis patas y la serie Mom publicada por separado. fija una versión del archivo, une los meses comunes y compara la reconstrucción de cuatro patas con la línea publicada.
define la tolerancia residual a partir de la precisión publicada antes de calcular.
una coincidencia respalda la tubería de la fórmula.
no verifica los insumos a nivel de valor, las etiquetas globales de IA, el historial de Minara, los costos ni el alpha.
la biblioteca de datos pasó de CRSP FIZ a CIZ a partir de su versión de enero de 2025. el timing de reinversión mensual de dividendos difiere entre ambos.
no unas esos formatos en una serie “continua” sin una comparación documentada por separado.
guarda la URL, la hora de descarga, el formato, el checksum, la versión del parser, las unidades y la nota de licencia de cada instantánea.
revisa la construcción en Data Studio antes de confiar en sus datos
el constructor muestra a Claude Opus 5.5 como el modelo seleccionado. esa es la configuración capturada para este dashboard.
el escritorio global todavía hay que construirlo. voy a revisar su código y sus datos de forma independiente antes de usar cualquier resultado.
Minara reporta la versión 1.2.1 de la app. las versiones del dashboard tienen su propia numeración.
el proyecto anterior de Data Studio decía Version 1, pero mezclaba una vista previa de Bitcoin con un plan de Nvidia/Palantir.

• arriba a la izquierda: la pantalla principal de Data Studio muestra proyectos guardados, no cálculos verificados. la flecha apunta al campo de texto en lenguaje natural.
• arriba a la derecha: la vista previa de Bitcoin de la antigua Version 1 no coincidía con la solicitud posterior. la flecha apunta a los paneles vacíos de Version 1.
• abajo a la izquierda: el plan antiguo de Nvidia/Palantir no demuestra que su vista previa funcionara. la flecha apunta al objetivo de acciones mezclado con requisitos de Bitcoin.
• abajo a la derecha: las solicitudes de datos anteriores fallaron. la flecha apunta a los errores 504 de historial y cotizaciones de FMP.

• arriba a la izquierda: la configuración anterior muestra ajustes, no resultados. la flecha apunta al estado Ready de Financial Modeling Prep.
• arriba a la derecha: la vista de código anterior no demuestra que la obtención de datos haya funcionado. la flecha apunta a un título de acciones con componentes de Bitcoin.
• abajo a la izquierda: contexto del proyecto anterior de Bitcoin, separado de la nueva solicitud de comparación. la flecha apunta al prompt del dashboard de solo investigación antes de enviarlo.
• abajo a la derecha: la vista previa anterior de Bitcoin muestra un refinamiento de acciones fallido. la flecha apunta a esa solicitud fallida.
su pestaña Data mostraba cuatro solicitudes a FMP con errores 504. eso no logró establecer una comparación de acciones funcional.

• arriba a la izquierda: la pestaña Data anterior muestra cuatro errores 504 de FMP. la flecha apunta a esas fallas 504.
• arriba a la derecha: el plan guardado de comparación de acciones no coincidía con la vista previa de Bitcoin. la flecha apunta al objetivo del plan.
• abajo a la izquierda: las plantillas del dashboard de acciones muestran opciones disponibles, no estudios terminados. la flecha apunta a las plantillas de acciones y macro.
• abajo a la derecha: About reporta Minara app 1.2.1. la captura pequeña mantiene su tamaño original; la flecha apunta a la línea de versión.
envié una solicitud de investigación aparte de Nvidia contra Palantir pidiendo observaciones reales, marcas de tiempo y errores visibles. la solicitud exacta y los seguimientos están guardados en archivos de prompts separados.
la primera construcción se trabó en el paso 3/5.

• izquierda: la Version 1 guardada tenía cotizaciones; el historial y la correlación seguían pendientes. la flecha apunta a los valores de cotización y las marcas de tiempo de origen de Version 1.
• centro: las llamadas de cotización de Version 1 devolvieron HTTP 200. La flecha destaca dos llamadas de cotización con HTTP 200.
• derecha: aquí la extensión del historial seguía corriendo. después guardó Version 2; la flecha apunta al panel de historial pendiente.
la extensión del historial guardó Version 2. la app reporta que las verificaciones de construcción y vista previa pasaron.
la interfaz muestra cobertura del 1 de abril al 1 de octubre de 2026: 127 cierres válidos de 127 devueltos para cada símbolo. ambas series de precios empiezan en 100 en la primera fecha común.
la interfaz reporta una correlación de Pearson de 0.1421 en 126 rendimientos diarios pareados. no la reproduje de forma independiente.
describe rendimientos históricos. no predice el próximo movimiento.

• arriba a la izquierda: la interfaz final de Version 2 muestra cotizaciones y precios históricos. la flecha apunta a los gráficos de cierre diario de Version 2.
• arriba a la derecha: Version 2 reporta 127 cierres cada una y 126 rendimientos pareados. la flecha apunta a las fechas y a las filas de cobertura 127/127.
• abajo a la izquierda: el historial de solicitudes muestra seis fallas HTTP 403 antes de las respuestas exitosas de historial. la flecha apunta a esas fallas HTTP 403 y a las respuestas HTTP 200 posteriores.
• abajo a la derecha: esto muestra el inicio del código de comparación, no el archivo completo. la flecha apunta al parser y al manejo de fechas duplicadas.

la Version 2 guardada muestra precios indexados y la correlación reportada por la interfaz. no reproduje el cálculo de forma independiente.
la vista previa también incluyó solicitudes fallidas. la pestaña acumulada Data muestra 18 llamadas a FMP y seis errores.
seis intentos de historial devolvieron 403, luego dos devolvieron HTTP 200. la vista previa final se renderizó con esas fallas todavía en el historial de solicitudes.

• izquierda: el plan final guardado reporta la construcción completa. la flecha apunta a sus contratos de origen de cotizaciones e historial.
• derecha: la configuración final no valida los datos de forma independiente. la flecha apunta a la disponibilidad de FMP y a la cadencia de una sola carga.
las fuentes registradas verificadas siguen sin entregar insumos de commodities, cadena de suministro ni pronósticos basados en noticias. el pipeline global sigue siendo un plan de construcción.
inspecciona la estrategia guardada y los flujos de importación
la estrategia BTC guardada y los ejemplos de Pine muestran otro flujo de trabajo para revisar. esas simulaciones y ese código no establecen la validez del estudio de acciones.

• arriba a la izquierda: este ejemplo de Pine está separado del estudio global de acciones. la flecha apunta a su explicación de tamaño y costos.
• arriba a la derecha: los insumos de costo actuales de Pine no demuestran los costos de ejecuciones anteriores. la flecha apunta a los valores de costo de backtest del cuadro de diálogo.
• abajo a la izquierda: el resumen guardado de Pine reporta una simulación que no reproduje. la flecha apunta a sus resultados principales.
• abajo a la derecha: los fills guardados de Pine son una simulación aparte, no órdenes en vivo. la flecha apunta a la primera fila de operación completada.

• arriba a la izquierda: el cuadro de importación de código muestra una superficie de entrada, no una conversión validada. la flecha apunta al área de entrada de Pine/código.
• arriba a la derecha: este resumen guardado de Pine está separado del estudio de acciones. la flecha apunta a las métricas principales del ejemplo.
• abajo a la izquierda: el código fuente de Pine pertenece a un ejemplo guardado aparte. la flecha apunta a su código.
• abajo a la derecha: la lista de operaciones guardadas muestra el resultado de una simulación, no órdenes en vivo. la flecha apunta a sus filas.
fija el repositorio y el contrato de datos
voy a empezar chico: Python, NumPy, pandas, PyArrow, Pydantic, pytest, Ruff y un entorno uv bloqueado.
statsmodels y Matplotlib esperan hasta que un informe los necesite. scikit-learn espera una etapa de modelado definida.
DuckDB puede consultar Parquet si el panel crece.
seis series de factores no necesitan un servidor, una base de datos vectorial ni un framework de agentes autónomos.
1quant-research-lab/2 AGENTS.md README.md pyproject.toml uv.lock3 config/ schemas/ manifests/{sources,universes,hypotheses}/4 src/qrlab/5 data/{ingest,identifiers,calendar,fx,validate}.py6 universe/{build,evidence,coverage}.py7 factors/{momentum,quality,investment_cycle}.py8 portfolio/{weights,returns,costs}.py9 validation/{splits,metrics,review}.py10 runner.py registry.py reporting.py11 tests/fixtures/ tests/test_*.py12 data/{raw,normalized}/ # ignorado por Git13 runs/ # carpetas de ejecución inmutables14 reports/
Git recibe código, esquemas, fixtures sintéticos y manifiestos no sensibles.
los datos crudos o con licencia quedan fuera de Git.
voy a conservar los archivos fuente bit a bit y calcular el hash del archivo más cada entrada.
cada instantánea normalizada de Parquet lleva su versión de esquema, la instantánea de origen, la moneda, la unidad y el linaje de transformación.
una ejecución necesita un insumo fijado. no va a leer latest.csv.
cuatro registros hacen que la cadena sea inspeccionable.
- DataManifest registra la fuente, la licencia, el formato, la marca de tiempo de descarga, el hash, la cobertura, el parser y la versión.
- UniverseManifest congela las reglas de composición, las etiquetas de evidencia, los mapas emisor-emisión, los conteos, las exclusiones y las reglas de fecha de corte.
- ExperimentSpec define la hipótesis, los insumos, la señal, las fechas, el mapeo del portafolio, los benchmarks, los costos y las reglas de rechazo.
- RunManifest registra el commit de código, el lockfile, los hashes de entrada, el comando, el entorno, los hashes de salida, las llamadas externas y el estado.
un ReviewResult aparte cita los artefactos y enumera los problemas sin resolver.
- para cada miembro del universo, necesito issuer_id, listing_id, valid_from, valid_to, known_at, instrument_type, country, exchange, currency y source_snapshot_id.
- cada afirmación de evidencia también necesita marcas de tiempo de publicación y captura, texto de la afirmación, fuente de evidencia, regla de clasificación y revisor.
- los valores financieros necesitan inicio/fin del período, available_at, moneda original, unidad, valor reportado, estado de reformulación y fuente.
- los rendimientos necesitan un método de precio o rendimiento total, política de eventos corporativos, tratamiento de bajas, conversión a moneda base y marca de tiempo de FX.
una fecha de cierre de período no me dice cuándo estuvo disponible la presentación regulatoria.
- las pruebas imponen available_at <= decision_at. la operación sigue una señal conocible; el rendimiento objetivo empieza después de la ejecución.
- voy a dividir las fechas antes de expandir las filas en emisiones.
- la misma fecha de decisión se queda en un solo fold. las etiquetas de entrenamiento se purgan cuando sus intervalos de rendimiento se superponen con la validación.
- un solo salto numérico no va a cubrir horizontes ni calendarios distintos.
congela las reglas de cálculo y de falla antes del backtesting
cada ejecución separa señales, tenencias, rendimientos brutos y costos.
- las señales rankean emisores elegibles usando la información disponible al momento de la decisión.
- los empates siguen una regla determinista.
- la construcción del portafolio selecciona la cantidad predefinida de nombres, normaliza los pesos, maneja emisiones faltantes o suspendidas y registra las posiciones rechazadas.
- la capa de costos aplica las comisiones declaradas, la rotación, el spread, el slippage y los supuestos de FX.
- los rendimientos brutos no pueden etiquetarse como rendimiento neto.
la especificación de rendimiento global fija una moneda base y una marca de tiempo de conversión.
el rendimiento total local y el rendimiento cambiario se combinan de forma multiplicativa: (1 + rendimiento_local) \ (1 + rendimiento_fx) - 1.*
necesito datos reales de rendimiento total o dividendos y eventos corporativos documentados. El "precio de cierre ajustado" por sí solo no explica la matemática.
los rendimientos de deslistado faltantes generan una advertencia de cobertura. las empresas que fracasan no desaparecen en silencio.
- antes de usar datos con licencia, los fixtures sintéticos prueban la deduplicación de ADR, el mapeo de clases de acciones, los cambios de etiquetas en un momento específico (point-in-time), los feriados locales, los cierres asincrónicos, la conversión de divisas, el deslistado, las observaciones duplicadas, las presentaciones faltantes y los pesos del portafolio.
- los fixtures de Mom de French verifican el signo, la conversión porcentual única, la alineación de meses comunes, la exclusión de secciones anuales y los límites de redondeo.
- reproduce el mismo manifiesto, código y entradas. los artefactos numéricos deben coincidir.
si un hash cambia, la ejecución se detiene.
- un resultado puede ser verified_reconstruction, not_reproduced, not_calculated o blocked.
- blocked necesita un motivo. algunos ejemplos incluyen historial de país no soportado, mapeo de emisor sin resolver, temporalidad de moneda desconocida o un par de factores de Minara coincidente faltante.
- el agente no puede adivinar para sortear un campo faltante.
- los conteos de cobertura y los datos faltantes van junto a la tabla de rendimientos.
dale a cada idea una entrada en el libro de pruebas
antes del cálculo, cada idea recibe un manifiesto de hipótesis versionado: justificación económica, fórmula exacta, campos requeridos, rezago de disponibilidad, universo elegible, horizonte, tiempo de formación y ejecución, benchmark, costos, ventana de desarrollo, holdout, variantes planificadas y criterios de rechazo.
el libro registra cada ejecución, incluidos los fallos del parser y los resultados negativos.
- cambiar la fórmula después de ver el resultado crea una nueva versión del manifiesto. el registro anterior se conserva.
- el registro puede usar estados como proposed, design_only, data_audited, implemented, challenged, independently_reviewed, research_qualified, rejected y paper_research.
estos nombres de estado son propuestas. el registro aún no está construido.
- igualar la aritmética de French puede obtener un verified_reconstruction. validar un modelo de acciones requiere evidencia separada.
- research_qualified exige trazabilidad de fuentes, cálculos deterministas, verificaciones point-in-time, validación congelada, tratamiento de costos y un revisor capaz de reproducir el resultado.
- eso da derecho a un paso de paper-research. no autoriza capital.
- para la inferencia, mantén juntos los nombres de la misma fecha. reporta la correlación de rangos transversal por fecha; no trates cada día-acción como independiente.
las estimaciones del Sharpe del portafolio necesitan intervalos de incertidumbre y un método que maneje la dependencia serial.
- elige la estadística antes de ver el holdout. reporta cuántas hipótesis y variantes se probaron.
- El análisis de Two Sigma sobre la estimación de Sharpe y las pruebas de hipótesis es una referencia metodológica útil.
un resultado estadísticamente significativo aún puede tener problemas de supervivencia, etiquetas obsoletas, cobertura o ejecución.
dale a cada herramienta un trabajo que pueda hacer
Minara organiza el escritorio de investigación. lo usaré para organizar preguntas, inspeccionar superficies de factores y estrategias, y registrar los activos soportados.
- las primeras entregas son manuales.
- un adaptador posterior puede usar la API de chat documentada después de que yo pruebe los derechos de la cuenta, la autenticación, la facturación, los límites de tasa, el formato de respuesta y un prompt exclusivo para investigación.
- la documentación actual describe POST /v1/developer/chat y una ruta de estado.
- especifican background: true solo con stream: false, documentan la idempotencia de requestId y conservan el estado completed durante 24 horas.
almacenaré en caché una respuesta aceptada antes de que ese estado expire.
- la ruta documentada aún necesita una prueba de cuenta. sus respuestas deben verificarse antes de convertirse en datos de mercado point-in-time.
- Codex se encarga del trabajo determinista. cada tarea obtiene una salida, repositorio, ID de manifiesto, entradas aprobadas, efectos secundarios prohibidos y verificaciones de aceptación.
- Codex puede escribir parsers, pruebas de respuesta conocida, validadores de datos, reportes y código de experimentos.
- un resultado débil no puede alterar el factor congelado. una verificación no ejecutada no puede convertirse en un aprobado. la prosa no puede hacer que un candidato sea elegible.
cada cambio se convierte en un diff de código adjunto a una nueva ejecución.
Jev verifica la evidencia tipada. los hashes de origen, unidades, tiempos de publicación, reglas de datos faltantes, tipo de rendimiento y pruebas independientes pasan primero por puertas estrictas.
una puerta fallida devuelve blocked. Jev no puede anularla.
- si el artefacto pasa, Jev puede clasificarlo como needs_evidence, schema_issue o ready_for_human_review.
- el umbral actual de 0.65 es una configuración de enrutamiento propuesta, no un límite de seguridad calibrado.
- menor confianza significa abstenerse. mayor confianza aún requiere la revisión de una persona.
- Jev no puede clasificar valores, calcular rendimientos, anular pruebas fallidas ni aprobar un modelo.
Dots coordina el trabajo. una vez que existe un proyecto en la nube aprobado, puede rastrear el estado, mantener la lista de verificación y preparar resúmenes de tareas acotados.
Codex sigue ejecutando el código.
- hasta que se pruebe y guarde una entrega soportada, iniciaré las tareas de Codex manualmente y compararé el commit, el manifiesto, el ID de ejecución y los enlaces de evidencia devueltos.
- lo probaré con una nota hostil que intente redirigir al agente. debe mantenerse dentro del campo de evidencia.
constrúyelo un punto de control a la vez
0. congela la pregunta. elige los tipos de cotización objetivo, las clases de exposición a la IA, los países candidatos, la moneda base y la evidencia mínima de origen.
el resultado es un documento de alcance.
los rendimientos esperan.
1. audita la cobertura. haz un inventario del universo de acciones disponible de Minara y de cada fuente de datos externa propuesta.
- produce la matriz país/bolsa/fecha/campo, la nota de licencia y las brechas.
- Minara cuenta como un subconjunto soportado solo cuando su superficie y exportación son verificables.
- si falta membresía histórica o rendimientos totales, significa not_calculated para el estudio afectado.
2. construye tablas de identidad y evidencia.
- mapea emisores y cotizaciones con alias fechados, enlaces de ADR, calendarios, monedas y etiquetas de evidencia.
- prueba la prevención de duplicados y la lógica histórica known_at con ejemplos revisados manualmente.
- la verificación: un revisor puede explicar por qué cada entidad fue incluida o excluida en una fecha determinada.
3. crea el núcleo offline.
- agrega esquemas, un lockfile, carpetas de ejecución inmutables, hashes, datasets de fixture y comandos CLI propuestos: qrlab universe-audit, qrlab validate-data, qrlab run y qrlab report.
- esos nombres de comandos son propuestas. aún no funcionan.
- la verificación: un checkout limpio valida datos sintéticos sin una clave de API del producto.
4. valida la aritmética.
- reconstruye una cosecha (vintage) fija de Mom de French y ejecuta las pruebas de fixture de datos globales.
- establece la tolerancia antes de ver el resultado.
- la verificación: sin mezclar cosechas ni alineaciones silenciosas, residuos acotados y archivos reproducibles.
- si falla, registra not_reproduced. no muevas el límite para forzar un aprobado.
5. ejecuta el piloto de Minara. solicita primero un manifiesto de disponibilidad.
- si el par plain/skip exactamente del mismo universo y la configuración requerida son inspeccionables, congélalos y compara.
- de lo contrario, Minara sigue organizando la investigación. la comparación no coincidente queda sin ejecutar.
- antes de publicar, elimina los identificadores de cuenta y describe exactamente qué muestra cada captura de pantalla.
6. prerregistra los tres estudios.
- congela por separado las definiciones de momentum, calidad y ciclo de inversión.
- comienza solo con el estudio cuyo universo, entradas, marcas de tiempo, cobertura de miembros deslistados y costos pasen la revisión.
- los otros dos permanecen en design_only. sus resultados no pueden influir en la primera prueba.
7. agrega las integraciones al final.
- verifica la clave de API y el costo con una sola solicitud exclusiva para investigación.
- mide el comportamiento de falso positivo y abstención de Jev en casos etiquetados manualmente.
- configura Dots después de que los permisos en la nube y un contrato de tareas estrecho estén claros.
- el núcleo offline debe seguir funcionando si una integración falla.
cómo se ve la primera victoria
la primera victoria es una auditoría de universo que pueda inspeccionar.
- muestra qué está cubierto, por qué califica cada emisor y dónde se agota el historial.
- luego, una verificación de fórmula y un pequeño piloto del producto muestran qué partes puedo reproducir.
- después de eso, el momentum, la calidad y el ciclo de inversión obtienen sus propios estudios.
el laboratorio se fortalece cuando puede explicar un rechazo. los datos faltantes dejan un vacío en el reporte, nunca una suposición confiada.
más funciones de la app para inspeccionar
estos paneles muestran más superficies de la app y estados intermedios de construcción. el sistema de investigación global aún necesita construirse.

• izquierda esta interfaz de código pertenece a otro proyecto guardado. la flecha apunta a las acciones de explorar, construir, revisar y corregir.
• derecha el cuadro de diálogo de importación muestra una superficie disponible, no una importación completada. la flecha apunta al área para soltar imágenes/videos.
comienza con el prompt de universe-audit que aparece abajo. un número de rendimiento se vuelve interesante cuando alguien más puede reconstruirlo.
las primeras seis solicitudes que le daré al laboratorio
ejecuta estos seis prompts en orden. cada artefacto restringe al siguiente, verificando la cobertura y la evidencia antes que el rendimiento. guardaré cada prompt exacto con su manifiesto e ID de ejecución.
1. Auditoría de universo
1Crea un alcance de universo propuesto para acciones globales cotizadas de IA. No devuelvas una simple lista de tickers.23Separa el emisor de la cotización y define el núcleo de acciones comunes/ADR, los tipos de instrumentos excluidos, las preguntas de cobertura por país y bolsa, y la evidencia necesaria para clasificar la exposición directa a la IA, los proveedores/habilitadores y las afirmaciones exclusivas para la lista de seguimiento.45Enumera las fuentes y campos que necesitaríamos para la membresía actual e histórica. Marca todo lo desconocido. No infieras una cobertura global completa ni asignes etiquetas históricas a partir de descripciones actuales.67Devuelve únicamente un borrador versionado de UniverseManifest y una lista de verificación de auditoría de cobertura; no hagas backtesting.
2. Evidencia de la cadena de valor
1Usando únicamente las presentaciones fechadas y los documentos fuente proporcionados, mapea cada emisor candidato a la taxonomía propuesta de la cadena de valor de IA.23Para cada etiqueta, cita o localiza la evidencia de respaldo, registra la fecha del documento y la marca de tiempo de publicación, el segmento de negocio, los identificadores de emisor/cotización, el hash de origen, la regla de etiqueta y el estado del revisor.45Distingue entre ingresos directos por IA divulgados, proveedores/habilitadores identificables y evidencia débil o basada únicamente en afirmaciones de la gerencia.67Si la evidencia está ausente o entra en conflicto, usa unknown/watchlist y explica por qué. No crees etiquetas históricas anteriores a la fecha en que el documento fue público.
3. Tres hipótesis
1Redacta tres especificaciones de investigación separadas y prerregistrables para el universo auditado: (a) momentum simple de 12 meses vs. 12–2, (b) un pequeño índice compuesto de calidad con insumos contables point-in-time, y (c) una medida de ciclo de inversión en IA que separe el capex realizado de las proyecciones o compromisos.23Para cada una, indica la fórmula, la dirección esperada, el rezago de disponibilidad, la muestra elegible, el benchmark, el horizonte, los controles, las variantes, los costos, la regla de rechazo y el holdout.45No estimes el rendimiento ni combines las hipótesis en una sola puntuación. Marca cualquier especificación como design_only cuando un campo requerido o el historial no estén disponibles.
4. Comparación de subconjuntos soportados de Minara
1Antes de ejecutar una estrategia, reporta qué cotizaciones de acciones globales, definiciones de factores, fechas, configuraciones de portafolio, configuraciones de costos y campos de exportación están realmente soportados en esta cuenta de Minara.23 Propón una comparación emparejada de 12 meses simples vs. 12–2 solo si ambas fórmulas usan el mismo universo verificado y todas las configuraciones, excepto la señal, son idénticas.45Si no hay disponible un par con el mismo periodo de retrospectiva, una membresía point-in-time o una salida requerida, detente y devuelve not_calculated. No sustituyas otro periodo de retrospectiva ni cites un rendimiento no verificado como evidencia.
5. Tarea de ingeniería de Codex
1Implementa únicamente el hito aprobado de auditoría de universo offline y validación de datos en el repositorio quant-research-lab.23Comienza desde el UniverseManifest y DataManifest aprobados.45Usa fixtures sintéticos a menos que se proporcionen explícitamente instantáneas de fuentes con licencia. Agrega deduplicación de emisores/cotizaciones, etiquetas de evidencia de IA fechadas, conteos de cobertura, verificaciones de marcas de tiempo y moneda/calendario, pruebas deterministas y salidas de ejecución inmutables.67No llames a APIs externas, cambies hipótesis congeladas, obtengas datos con licencia, generes operaciones ni afirmes que la cobertura global está completa. Devuelve el diff, el comando, la salida de la prueba, los hashes, los campos bloqueados y la siguiente decisión para revisión humana.
6. Auditoría escéptica
1Revisa los manifiestos congelados, los archivos fuente, el diff de código, la salida de la prueba y los artefactos de ejecución sin depender del resumen.23Intenta refutar el mapeo del universo y cualquier afirmación de rendimiento.45Verifica emisores/ADR duplicados, sesgo de supervivencia, filtración futura (lookahead) de etiquetas de IA, países faltantes, derechos de datos no verificados, monedas obsoletas, cierres asincrónicos, temporalidad de divisas, eventos corporativos, deslistados, supuestos de costos, filtración en las pruebas y cada cambio respecto al plan prerregistrado.67Cita rutas y hashes exactos de los artefactos.89No repares ni vuelvas a ejecutar nada. Devuelve pass, blocked o not_reproduced para cada requisito, enumera contraejemplos y aclara qué es lo que el resultado no demuestra.
notas de fuentes
• Minara, Descripción general de la API de Agent y referencia del endpoint de clave de API. Los derechos del producto y el acceso a la cuenta siguen sin probarse.
• Kenneth French, Construcción del Factor de Momentum Mensual y Notas sobre versiones de Data Library y CRSP FIZ/CIZ.
• AQR, Fact, Fiction, and Momentum Investing.
• Two Sigma, Estimación del ratio de Sharpe y pruebas de hipótesis.
• TypeSafe, Jev y salidas de decisiones tipadas; OpenAI, Presentamos Dots.
• DuckDB, Documentación de Parquet; pytest, documentación.





