YouMind
Iniciar sesión

Cómo construir una mesa de trading cuantitativo 24/7 con Opus 5.5 (GUÍA COMPLETA)

@Av1dlive
INGLÉS07 oct 2026
172K
168
17
29
398

TL;DR

Este artículo ofrece una guía detallada sobre cómo construir un escritorio de investigación cuantitativa impulsado por IA usando Opus 5.5 y Minara, centrándose en la definición de universos invertibles, la validación de datos y la implementación de protocolos de prueba rigurosos.

así es como se construye una mesa 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 crear tu propia versión.

empezaremos con un piloto funcional de Minara y luego construiremos el pipeline de datos e investigación que necesita la mesa completa.

pídele a un chat de IA todas las acciones de empresas de IA del mundo y probablemente te dé 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 en decisiones pasadas.

en esta propuesta, cada herramienta tiene una única función:

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 verificada su entrega.

antes de pedir un modelo, quiero evidencia que pueda inspeccionar.

¿qué emisores cotizados califican, por qué se incluyen y qué puede responder la información?

el núcleo previsto abarca renta variable común cotizada y ADRs donde las fuentes identificadas ofrecen cobertura por país. mapearé 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 independientes una vez que sus inputs superen la revisión.

«global» requiere una cobertura documentada. no todos los mercados ni emisores aparecerán automáticamente.

esto es investigación sin conexión a bróker, ruta de órdenes, billetera ni despliegue en vivo.

las capturas originales pueden mostrar etiquetas de cuenta. registran la interfaz actual o guardada; no he reproducido los resultados de forma independiente.

qué admite Minara hoy

recorrí Minara para inspeccionar sus herramientas de investigación. la base de datos global aún está por construirse.

la Factor Library mostraba 376 factores, incluidas varias formas de definir el momentum.

un ejemplo de Strategy Studio contenía 31 instrumentos actuales, entre ellos ETFs y valores no estadounidenses.

eso sirve para un piloto de interfaz. la composición histórica de la renta variable mundial 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.

Avid - inline image

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

Avid - inline image

• izquierda: quedó una ejecución previa de investigación institucional con cobertura global incompleta. la flecha marca las fases completadas de la mesa redonda sobre NVDA.

• centro: un informe exclusivo de NVDA sin universo global de IA. la flecha marca su titular y la recomendación de mantener (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. añade el ticker después.

un ticker identifica una cotización. el estudio suele necesitar al emisor que hay 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.

mantendré 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 cotizaciones guarda listing_id, el vínculo con el emisor, el ticker, el mercado, la clase de acción, el tipo de instrumento, la divisa, el calendario, las fechas de vigencia y cualquier ratio de ADR o valor subyacente.

una entidad legal y un valor necesitan identificadores distintos, unidos mediante un mapa fechado de emisor a cotización.

un mapa sin resolver deja la entrada fuera de la muestra principal.

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 único emisor, incluso si ambos tienen ticker.

antes de hacer pruebas, congelaré la regla de cotización principal o elegiré explícitamente un estudio a nivel de cotización.

los resultados de los factores no pueden cambiar esa decisión.

cada etiqueta de «empresa de IA» necesita evidencia. una casilla de verificación de un mercado no basta para zanjarlo.

usaré 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 identificables, memoria, equipos de fabricación, redes, capacidad en la nube, sistemas de centros de datos, energía, refrigeración u otros insumos para el despliegue de IA.

• solo lista de seguimiento: una afirmación de la dirección, un posicionamiento general o un vínculo plausible carece del detalle suficiente para incluirse en el núcleo.

cada registro de evidencia almacena la afirmación, el fragmento fuente, el periodo 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 localizar fragmentos y señalar conflictos. las etiquetas históricas siguen requiriendo 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 a cada clase para que la falta de evidencia siga visible.

«mundial» exige un libro de cobertura para cada fuente.

registra países, mercados, tipos de instrumentos, historial, nombres dados de baja, eventos corporativos, campos financieros, licencias y vacíos.

marca cada par país/mercado como incluido, parcial o no disponible. define el subconjunto admitido por el proveedor como alcance del estudio.

un título global no arregla una cobertura incompleta.

construye 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, antigüedad de las fuentes y exclusiones.

informa de los recuentos en cada paso: candidatos, emisores y cotizaciones mapeados, duplicados, instrumentos rechazados, etiquetas desconocidas y miembros finales.

un revisor debe poder rastrear la lista inicial hasta la composición final.

los tickers cambian. el historial de identidad debe sobrevivir.

las empresas cambian de nombre, de mercado y de clase de acciones. las cotizaciones pueden suspenderse, fusionarse o darse de baja.

conserva alias fechados, fuentes de mapeo y el motivo de cada cambio.

los vínculos y ratios de los ADR también necesitan fechas de efecto.

el directorio de mercados de hoy ayuda a identificar las cotizaciones actuales. no establece la composición histórica ni cuándo se hizo pública la evidencia de IA.

los informes oficiales pueden ofrecer fechas de publicación, pero no rentabilidades totales ni datos de exclusión.

si el historial necesario no está disponible o no tiene licencia, significa no calculado.

cada cotización tiene una divisa, un calendario, reglas de horario de verano y una hora de cierre.

usaré rentabilidades sin cobertura en una divisa base, probablemente USD, con una fuente y marca de tiempo de FX identificadas.

define el método de rentabilidad total, la política de eventos corporativos y dividendos, el tratamiento de exclusiones y la hora de ejecución.

los cierres de la misma fecha no demuestran disponibilidad. comprueba las marcas de tiempo reales de Tokio y de los mercados que cierran más tarde.

registra la hora de la decisión y la siguiente sesión local ejecutable en el manifiesto.

conserva las rentabilidades en moneda local para diagnósticos. documenta la conversión a USD porque el tipo de cambio puede alterar los rankings.

alinea festivos y sesiones no coincidentes con los calendarios de los mercados. una unión genérica a fin de mes puede ocultar errores de timing.

cuando no sea posible un timing coherente, usa el subconjunto alineable y declara el límite.

tres hipótesis. tres modos de fallo.

un agente no debería probar miles de factores hasta que aparezca un gráfico bonito.

congela tres hipótesis sencillas, limita las variantes y pruébalas de una en una.

el momentum va primero. sus definiciones ya se pueden inspeccionar en Minara.

la calidad y el ciclo de inversión se quedan solo en diseño hasta que los inputs históricos superen la auditoría.

1. momentum. compara la rentabilidad total simple a 12 meses, capitalizando de t−12 a t−1, con el momentum 12–2, capitalizando de t−12 a t−2 y omitiendo t−1.

congela el universo punto en el tiempo de emisores/cotizaciones, 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 rentabilidades.

2. calidad. congela una definición transnacional reducida antes de ordenar.

una candidata combina rentabilidad, resiliencia del balance y estabilidad de beneficios.

define las unidades de cada input, el ejercicio fiscal, la política de reformulación, la marca de tiempo de publicación y el tratamiento de campos incomparables o ausentes.

las normas contables, las divisas, los sectores y los calendarios fiscales pueden arruinar una puntuación global ingenua.

muestra la cobertura de cada componente junto a la puntuación combinada. los campos faltantes deben 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 previsiones, los compromisos anunciados, las obras en curso y los objetivos de la dirección. cada uno tiene significados y fechas distintos.

el anuncio de un centro de datos a varios años no es capex completado.

congela la métrica y el desfase antes de probar. las rentabilidades no pueden reescribirlos.

registra la dirección esperada, los inputs, el timing, la muestra elegible, los controles, el benchmark, las variantes, la regla de rechazo y el conjunto de validación en cada manifiesto.

mantén el estado de «solo diseño» hasta que el diccionario de datos y las reglas de tiempo de publicación superen la revisión.

la investigación publicada sobre momentum puede inspirar la pregunta. sus resultados históricos no se trasladan a este universo.

usaré French Mom como referencia de construcción. esta muestra tendrá su propia definición.

Avid - inline image

• arriba a la izquierda: el catálogo de la Factor Library no valida señales. la flecha marca las pestañas y los recuentos 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 equivalente. la flecha marca el encabezado de categoría/recuento.

• abajo a la derecha: el formulario de estrategia muestra los controles disponibles, sin ninguna estrategia nueva enviada. la flecha marca los controles de activo y cartera.

empieza con un piloto acotado de Minara

antes de construir un conjunto de datos a escala mundial, pídele a Minara una prueba comparativa plain-versus-skip-month sobre un subconjunto admitido específico.

solicita primero el informe de disponibilidad: activos exactos, identificadores, definiciones de factores, reglas de rebalanceo, fechas, costos y campos de exportación.

un elemento obligatorio no confirmado bloquea el backtest.

la Factor Library mostraba definiciones simples de 12 meses, de 3 y 6 meses omitiendo un mes, e intermedias de 7 a 12 meses.

un par equivalente de 12 meses simple y 12–2 aún necesita verificación.

inspecciona los ID de los factores y el código para confirmarlo.

Avid - inline image

el wrapper actual del código de momentum se puede inspeccionar.

una prueba de 12 meses frente a 6 meses no sustituye a un par 12–2 ausente.

una señal personalizada necesita una ruta admitida, código inspeccionable e inputs reproducibles. de lo contrario, calcula el par fuera de línea.

la cesta observada TradFi 30 mostró 31 instrumentos actuales, incluidos ETFs y cotizaciones no estadounidenses.

reutilízala como piloto de interfaz de cesta fija. la composición histórica global de IA requiere datos aparte.

congela solo posiciones largas en los cinco primeros, pesos iguales, rebalanceo mensual, 1x, benchmark y costos. cambia únicamente la señal.

guarda la configuración, los miembros y los resultados de ambas ejecuciones.

después prueba una cuadrícula de costos unidireccionales, por ejemplo 0, 10, 25 y 50 puntos básicos.

la vista general sin comisiones mostraba comisiones de ejecución. esa discrepancia sigue sin resolverse; el slippage no se ha verificado de forma independiente.

el interruptor de comisiones no establece el modelo de costos.

Codex calculará la rotación y las deducciones supuestas a partir de las posiciones y rentabilidades exportadas. si faltan artefactos, significa no calculado.

Avid - inline image

• arriba a la izquierda: el borrador y la solicitud de momentum guardados muestran la construcción actual. la flecha marca los controles de universo y cartera.

• 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: la vista general actual de momentum no registra ninguna ejecución nueva. la flecha marca las métricas principales.

• abajo a la derecha: las ejecuciones de momentum guardadas no se han reproducido de forma independiente. la flecha marca las ejecuciones y comisiones.

la ventana 2024–2026 inspeccionada es material de desarrollo. ya no puede servir como conjunto de validación intacto.

reserva un bloque histórico solo con datos punto en el tiempo con licencia. de lo contrario, inicia la validación prospectiva tras congelar las definiciones.

Minara organiza el experimento. cada cifra de rendimiento mostrada sigue necesitando evidencia de respaldo.

Avid - inline image

• arriba a la izquierda: los resultados por símbolo son evidencia reportada por el producto. la flecha marca el P&L realizado y no realizado.

• 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: las ejecuciones guardadas actuales no tienen reproducción independiente. la flecha marca la tabla de ejecuciones.

• 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 fuera de línea con una comprobación mínima: reconstruye el Mom mensual de Kenneth French a partir de los seis componentes publicados de carteras tamaño-por-momentum.

esto verifica la aritmética. el universo global de IA y la cartera propuesta requieren una validación aparte.

comprueba el parser, la alineación de fechas, las unidades de rentabilidad y la matemática long-short.

text
1Mom[t] = 0.5 * (SmallHigh[t] + BigHigh[t])
2 - 0.5 * (SmallLow[t] + BigLow[t])

French forma seis carteras ponderadas por valor usando tamaño y rentabilidad previa (2–12). Mom promedia las dos carteras de alta rentabilidad previa y resta el promedio de las dos de baja rentabilidad.

descarga los seis componentes y la serie Mom publicada por separado. fija la versión de un archivo, une los meses comunes y compara la reconstrucción de cuatro componentes con la línea publicada.

establece la tolerancia residual a partir de la precisión publicada antes de calcular.

una coincidencia respalda la mecánica de la fórmula.

no verifica los inputs 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 momento de reinversión mensual de dividendos difiere entre ambos.

no unas esos formatos en una serie «continua» sin una comparación documentada aparte.

conserva 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 compilación de Data Studio antes de confiar en sus datos

el constructor muestra Claude Opus 5.5 como modelo seleccionado. esa es la configuración de modelo capturada para este panel.

la mesa global aún está por construirse. revisaré su código y sus datos de forma independiente antes de usar cualquier resultado.

Minara informa de la versión 1.2.1 de la app. las versiones del panel tienen su propia numeración.

el proyecto anterior de Data Studio decía Version 1, pero combinaba una vista previa de Bitcoin con un plan de Nvidia/Palantir.

Avid - inline image

• arriba a la izquierda: la página de inicio de Data Studio muestra proyectos guardados, no cálculos verificados. la flecha señala el input en lenguaje natural.

• arriba a la derecha: la vista previa anterior de Bitcoin de Version 1 no coincidía con la solicitud posterior. la flecha señala los paneles vacíos de Version 1.

• abajo a la izquierda: el plan anterior de Nvidia/Palantir no demuestra que su vista previa funcionara. la flecha señala el objetivo de renta variable mezclado con requisitos de Bitcoin.

• abajo a la derecha: las solicitudes de datos anteriores fallaron. la flecha señala los errores 504 de historial y cotizaciones de FMP.

Avid - inline image

• arriba a la izquierda: la configuración anterior muestra ajustes, no resultados. la flecha señala el estado Ready de Financial Modeling Prep.

• arriba a la derecha: la vista de código anterior no demuestra que la obtención de datos funcionara. la flecha señala un título de renta variable con componentes de Bitcoin.

• abajo a la izquierda: contexto del proyecto anterior de Bitcoin, separado de la nueva solicitud de comparación. la flecha señala el prompt del panel de solo investigación antes de enviarlo.

• abajo a la derecha: la vista previa anterior de Bitcoin muestra un refinamiento de acciones fallido. la flecha señala esa solicitud fallida.

su pestaña Data mostraba cuatro peticiones a FMP con errores 504. eso no estableció una comparación de acciones funcional.

Avid - inline image

• arriba a la izquierda: la pestaña Data anterior muestra cuatro errores 504 de FMP. la flecha señala esos fallos 504.

• arriba a la derecha: el plan guardado anterior de comparación de acciones no coincidía con la vista previa de Bitcoin. la flecha señala el objetivo del plan.

• abajo a la izquierda: las plantillas del panel de acciones muestran opciones disponibles, no estudios terminados. la flecha señala las plantillas de acciones y macro.

• abajo a la derecha: About informa de la app Minara 1.2.1. la pequeña captura mantiene su tamaño nativo; la flecha señala la línea de versión.

envié una solicitud de investigación independiente de Nvidia frente a Palantir pidiendo observaciones reales, marcas de tiempo y errores visibles. la solicitud exacta y los seguimientos están guardados en archivos de prompt separados.

la primera compilación se atascó en el paso 3/5.

Avid - inline image

• izquierda: la Version 1 guardada tenía cotizaciones; el historial y la correlación seguían pendientes. la flecha señala 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: la extensión del historial seguía ejecutándose aquí. más tarde guardó Version 2; la flecha señala el panel de historial pendiente.

la extensión del historial guardó Version 2. la app informa de que las comprobaciones de compilación y vista previa se superaron.

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 rentabilidades diarias emparejadas. no la he reproducido de forma independiente.

describe rentabilidades históricas. no predice el próximo movimiento.

Avid - inline image

• arriba a la izquierda: la interfaz final de Version 2 muestra cotizaciones y precios históricos. la flecha señala los gráficos de cierre diario de Version 2.

• arriba a la derecha: Version 2 reporta 127 cierres cada una y 126 rentabilidades emparejadas. la flecha señala las fechas y las filas de cobertura 127/127.

• abajo a la izquierda: el historial de solicitudes muestra seis fallos HTTP 403 antes de respuestas de historial exitosas. la flecha señala esos fallos HTTP 403 y las respuestas HTTP 200 posteriores.

• abajo a la derecha: esto muestra el inicio del código de comparación, no el archivo completo. la flecha señala el parser y el manejo de fechas duplicadas.

Avid - inline image

la Version 2 guardada muestra precios indexados y la correlación reportada por la interfaz. no he reproducido el cálculo de forma independiente.

la vista previa también incluyó solicitudes fallidas. la pestaña acumulativa Data muestra 18 llamadas a FMP y seis errores.

seis intentos de historial devolvieron 403 y luego dos devolvieron HTTP 200. la vista previa final se renderizó con esos fallos aún en el historial de solicitudes.

Avid - inline image

• izquierda: el plan guardado final informa de que la compilación terminó. la flecha señala sus contratos de origen de cotizaciones e historial.

• derecha: la configuración final no valida los datos de forma independiente. la flecha señala la disponibilidad de FMP y la cadencia de una sola carga.

las fuentes registradas verificadas siguen sin proporcionar inputs de materias primas, cadena de suministro o previsiones de 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 inspeccionar. esas simulaciones y ese código no establecen la validez del estudio de renta variable.

Avid - inline image

• arriba a la izquierda: este ejemplo de Pine es independiente del estudio global de renta variable. la flecha señala su explicación de dimensionamiento y costos.

• arriba a la derecha: los inputs de costos actuales de Pine no demuestran los costos de ejecuciones anteriores. la flecha señala los valores de costo de backtest del cuadro de diálogo.

• abajo a la izquierda: la vista general guardada de Pine reporta una simulación que no he reproducido. la flecha señala sus resultados principales.

• abajo a la derecha: las ejecuciones guardadas de Pine son una simulación aparte, no órdenes en vivo. la flecha señala la primera fila de operación completada.

Avid - inline image

• arriba a la izquierda: el cuadro de diálogo de importación de código muestra una superficie de entrada, no una conversión validada. la flecha señala el área de entrada de Pine/código.

• arriba a la derecha: esta vista general guardada de Pine es independiente del estudio de renta variable. la flecha señala las métricas principales del ejemplo.

• abajo a la izquierda: el código fuente de Pine pertenece a un ejemplo guardado distinto. la flecha señala su código.

• abajo a la derecha: la lista de operaciones guardada muestra el resultado de una simulación, no órdenes en vivo. la flecha señala sus filas.

fija el repositorio y el contrato de datos

empezaré pequeño: 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 fase 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.

markdown
1quant-research-lab/
2 AGENTS.md README.md pyproject.toml uv.lock
3 config/ schemas/ manifests/{sources,universes,hypotheses}/
4 src/qrlab/
5 data/{ingest,identifiers,calendar,fx,validate}.py
6 universe/{build,evidence,coverage}.py
7 factors/{momentum,quality,investment_cycle}.py
8 portfolio/{weights,returns,costs}.py
9 validation/{splits,metrics,review}.py
10 runner.py registry.py reporting.py
11 tests/fixtures/ tests/test_*.py
12 data/{raw,normalized}/ # ignorado por Git
13 runs/ # carpetas de ejecución inmutables
14 reports/

Git recibe código, esquemas, fixtures sintéticos y manifiestos no sensibles.

los datos brutos o con licencia se quedan fuera de Git.

conservaré los archivos fuente bit a bit y calcularé el hash del archivo más cada entrada.

cada instantánea normalizada de Parquet lleva su versión de esquema, la instantánea de origen, la divisa, la unidad y el linaje de transformación.

una ejecución necesita un input fijado. no leerá latest.csv.

cuatro registros hacen que la cadena sea inspeccionable.

  1. DataManifest registra la fuente, la licencia, el formato, la marca de tiempo de descarga, el hash, la cobertura, el parser y la antigüedad.
  2. UniverseManifest congela las reglas de composición, las etiquetas de evidencia, los mapas emisor-cotización, los recuentos, las exclusiones y las reglas de fecha de corte.
  3. ExperimentSpec define la hipótesis, los inputs, la señal, las fechas, el mapeo de la cartera, los benchmarks, los costos y las reglas de rechazo.
  4. 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 independiente cita los artefactos y enumera los problemas sin resolver.

  1. 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.
  2. 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.
  3. los valores financieros necesitan inicio/fin del periodo, available_at, divisa original, unidad, valor reportado, estado de reformulación y fuente.
  4. las rentabilidades necesitan un método de precio o rentabilidad total, política de eventos corporativos, tratamiento de exclusiones, conversión a divisa base y marca de tiempo de FX.

una fecha de fin de periodo no me dice cuándo estuvo disponible el informe oficial.

  1. las pruebas imponen available_at <= decision_at. la operación sigue a una señal conocible; la rentabilidad objetivo empieza tras la ejecución.
  2. dividiré las fechas antes de expandir las filas en cotizaciones.
  3. la misma fecha de decisión se queda en un fold. las etiquetas de entrenamiento se purgan cuando sus intervalos de rentabilidad se solapan con la validación.
  4. un único hueco numérico no cubrirá horizontes ni calendarios distintos.

congela las reglas de cálculo y de fallo antes del backtesting

cada ejecución separa señales, posiciones, rentabilidades brutas y costos.

  • las señales ordenan a los emisores elegibles usando la información disponible en el momento de la decisión.
  • los empates siguen una regla determinista.
  • la construcción de la cartera selecciona el número predefinido de nombres, normaliza los pesos, gestiona las cotizaciones ausentes 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.
  • las rentabilidades brutas no pueden etiquetarse como rendimiento neto.

la especificación de rentabilidad global fija una divisa base y una marca de tiempo de conversión.

el rendimiento total local y el rendimiento cambiario se combinan de forma multiplicativa: (1 + local_return) \ (1 + fx_return) - 1.*

necesito datos reales de rendimiento total o dividendos y eventos corporativos documentados. el «precio de cierre ajustado» por sí solo no explica las matemáticas.

los rendimientos de exclusión de cotización que falten generan una advertencia de cobertura. las empresas que fracasan no desaparecen sin dejar rastro.

  1. 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 dado (point-in-time), los festivos locales, los cierres asincrónicos, la conversión de divisas, la exclusión de cotización, las observaciones duplicadas, los filings faltantes y los pesos de la cartera.
  2. los fixtures de French Mom verifican el signo, la conversión porcentual única, la alineación de meses comunes, la exclusión de la sección anual y los límites de redondeo.
  3. 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 son un historial de país no soportado, un mapeo de emisor sin resolver, una temporalidad de divisa desconocida o la falta de un par de factores Minara coincidente.
  • el agente no puede adivinar para saltarse un campo faltante.
  • los recuentos de cobertura y los valores 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, retraso de disponibilidad, universo elegible, horizonte, tiempo de formación y ejecución, benchmark, costes, 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.

  1. igualar la aritmética de French puede otorgar un verified_reconstruction. validar un modelo de acciones requiere pruebas independientes.
  2. research_qualified exige trazabilidad de la fuente, cálculos deterministas, comprobaciones point-in-time, validación congelada, tratamiento de costes y un revisor capaz de reproducir el resultado.
  3. eso da derecho a un paso de paper-research. no autoriza capital.
  4. 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 de la cartera necesitan intervalos de incertidumbre y un método que maneje la dependencia serial.

un resultado estadísticamente significativo puede seguir teniendo problemas de supervivencia, etiquetas obsoletas, cobertura o ejecución.

dale a cada herramienta un trabajo que pueda hacer

Minara organiza la mesa de investigación. lo usaré para organizar preguntas, inspeccionar superficies de factores y estrategias, y registrar los activos soportados.

  1. las primeras entregas son manuales.
  2. un adaptador posterior podrá 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 de investigación.
  3. la documentación actual describe POST /v1/developer/chat y una ruta de estado.
  4. 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.

  1. la ruta documentada aún necesita una prueba de cuenta. sus respuestas deben verificarse antes de convertirse en datos de mercado point-in-time.
  2. Codex se encarga del trabajo determinista. cada tarea obtiene una salida, un repositorio, un ID de manifiesto, entradas aprobadas, efectos secundarios prohibidos y comprobaciones de aceptación.
  3. Codex puede escribir parsers, pruebas de respuesta conocida, validadores de datos, informes y código experimental.
  4. un resultado débil no puede alterar el factor congelado. una comprobación 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, las unidades, los tiempos de publicación, las reglas de datos faltantes, el tipo de rendimiento y las pruebas independientes pasan primero por puertas estrictas.

una puerta fallida devuelve blocked. Jev no puede anularla.

  1. si el artefacto pasa, Jev puede clasificarlo como needs_evidence, schema_issue o ready_for_human_review.
  2. el umbral actual de 0.65 es una configuración de enrutamiento propuesta, no un límite de seguridad calibrado.
  3. menor confianza significa abstenerse. mayor confianza sigue requiriendo la revisión de una persona.
  4. 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.

  1. 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.
  2. lo probaré con una nota hostil que intente redirigir al agente. debe mantenerse dentro del campo de evidencia.

constrúyelo punto de control por punto de control

0. congela la pregunta. Elige los tipos de cotización objetivo, las clases de exposición a la IA, los países candidatos, la divisa base y la evidencia mínima de origen.

el resultado es un documento de alcance.

los rendimientos esperan.

1. audita la cobertura. Inventa el universo de acciones disponible de Minara y cada fuente de datos externa propuesta.

  • produce la matriz país/bolsa/fecha/campo, la nota de licencia y los vacíos.
  • Minara cuenta como subconjunto soportado solo cuando su superficie y exportación son verificables.
  • si falta la membresía histórica o los rendimientos totales, significa not_calculated para el estudio afectado.

2. construye tablas de identidad y evidencia.

  • Mapea emisores y cotizaciones con alias fechados, enlaces ADR, calendarios, divisas y etiquetas de evidencia.
  • prueba la prevención de duplicados y la lógica histórica known_at con ejemplos revisados manualmente.
  • la comprobación: un revisor puede explicar por qué cada entidad fue incluida o excluida en una fecha determinada.

3. crea el núcleo offline.

  • Añade 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 comprobación: un checkout limpio valida datos sintéticos sin una clave API de producto.

4. valida la aritmética.

  • Reconstruye una vintage fija de French Mom y ejecuta las pruebas de fixture de datos globales.
  • establece la tolerancia antes de ver el resultado.
  • la comprobación: nada de vintages mezcladas o 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 exacto del mismo universo y la configuración requerida son inspeccionables, congélalos y compáralos.
  • 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.
  • empieza solo con el estudio cuyo universo, entradas, marcas de tiempo, cobertura de miembros excluidos y costes superen la revisión.
  • los otros dos se quedan en design_only. sus resultados no pueden dirigir la primera prueba.

7. añade las integraciones al final.

  • Verifica la clave API y el coste con una única solicitud exclusiva de 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 tarea limitado estén claros.
  • el núcleo offline debe seguir funcionando si una integración falla.

cómo es la primera victoria

la primera victoria es una auditoría de universo que pueda inspeccionar.

  1. muestra qué está cubierto, por qué cada emisor califica y dónde se agota el historial.
  2. una comprobación de fórmula y un pequeño piloto de producto muestran entonces qué partes puedo reproducir.
  3. 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 informe, 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.

Avid - inline image

• 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/vídeos.

empieza con el prompt de universe-audit que aparece abajo. un número de rendimiento se vuelve interesante cuando otra persona puede reconstruirlo.

las seis primeras solicitudes que le daré al laboratorio

ejecuta estos seis prompts en orden. cada artefacto restringe al siguiente, con la cobertura y la evidencia comprobadas antes que el rendimiento. guardaré cada prompt exacto con su manifiesto e ID de ejecución.

1. Auditoría de universo

markdown
1Crea una propuesta de alcance de universo para acciones globales cotizadas de IA. No devuelvas una simple lista de tickers.
2
3Separa el emisor de la cotización y define el núcleo de acciones ordinarias/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 solo para lista de seguimiento.
4
5Enumera 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.
6
7Devuelve 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

markdown
1Usando únicamente los filings fechados y documentos fuente proporcionados, mapea cada emisor candidato a la taxonomía propuesta de la cadena de valor de la IA.
2
3Para 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.
4
5Distingue entre ingresos directos por IA declarados, proveedores/habilitadores identificables y evidencia débil o basada únicamente en afirmaciones de la dirección.
6
7Si la evidencia falta 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

markdown
1Redacta tres especificaciones de investigación separadas y prerregistrables para el universo auditado: (a) momentum simple de 12 meses frente a 12-2, (b) un pequeño índice compuesto de calidad con inputs contables point-in-time, y (c) una medida del ciclo de inversión en IA que separe el capex realizado de las guías o compromisos.
2
3Para cada una, indica la fórmula, la dirección esperada, el retraso de disponibilidad, la muestra elegible, el benchmark, el horizonte, los controles, las variantes, los costes, la regla de rechazo y el holdout.
4
5No 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

markdown
1Antes de ejecutar una estrategia, reporta qué cotizaciones de acciones globales, definiciones de factores, fechas, configuraciones de cartera, configuraciones de costes y campos de exportación están realmente soportados en esta cuenta de Minara.
2
3 Propón una comparación emparejada de 12 meses simple frente a 12-2 solo si ambas fórmulas usan el mismo universo verificado y todas las configuraciones excepto la señal son idénticas.
4
5Si no hay disponible un par con el mismo lookback, una membresía point-in-time o una salida requerida, detente y devuelve not_calculated. No sustituyas otro lookback ni cites un rendimiento no verificado como evidencia.

5. Tarea de ingeniería de Codex

markdown
1Implementa únicamente el hito aprobado de auditoría de universo offline y validación de datos en el repositorio quant-research-lab.
2
3Parte del UniverseManifest y DataManifest aprobados.
4
5Usa fixtures sintéticos a menos que se proporcionen explícitamente instantáneas de fuentes con licencia. Añade deduplicación de emisores/cotizaciones, etiquetas de evidencia de IA fechadas, recuentos de cobertura, comprobaciones de marcas de tiempo y divisas/calendarios, pruebas deterministas y salidas de ejecución inmutables.
6
7No 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

markdown
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.
2
3Intenta falsificar el mapeo del universo y cualquier afirmación de rendimiento.
4
5Comprueba emisores/ADR duplicados, sesgo de supervivencia, filtrado futuro (lookahead) de etiquetas de IA, países faltantes, derechos de datos no verificados, divisas obsoletas, cierres asincrónicos, temporalidad de divisas, eventos corporativos, exclusiones de cotización, supuestos de costes, fugas en las pruebas y cada cambio respecto al plan prerregistrado.
6
7Cita rutas y hashes exactos de los artefactos.
8
9No repares ni vuelvas a ejecutar nada. Devuelve pass, blocked o not_reproduced para cada requisito, enumera contraejemplos e indica qué es lo que el resultado no demuestra.

notas de las fuentes

• Minara, Descripción general de la API de Agent y referencia del endpoint de claves 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 vintages de la 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.

Guardar con un clic

Lee artículos virales en profundidad con IA en YouMind

Guarda la fuente, haz preguntas concretas, resume el argumento y convierte un artículo viral en notas reutilizables en un único espacio de trabajo con IA.

Explora YouMind
Para creadores

Convierte tu Markdown en un artículo de 𝕏 impecable

Cuando publicas tus propios textos largos, dar formato en 𝕏 a imágenes, tablas y bloques de código es un fastidio. YouMind convierte un borrador completo en Markdown en un artículo de 𝕏 impecable y listo para publicar.

Prueba Markdown a 𝕏

Más patrones por descifrar

Artículos virales recientes

Explorar más artículos virales