A quién va dirigido — A quienes encuentran términos como «quant», «sistemático», «algo» y «bot» utilizados como sinónimos y quieren comprender qué parte del proceso describe en realidad cada uno.
El trading cuantitativo formula y evalúa decisiones de mercado mediante datos, mediciones y modelos explícitos. El trading sistemático establece de antemano reglas repetibles para las señales, la cartera, el riesgo o la ejecución. Muchas estrategias reúnen ambas propiedades, pero los términos no son equivalentes: una regla sencilla de rebalanceo puede ser sistemática sin necesitar un modelo estadístico complejo, mientras que un análisis cuantitativo puede servir de apoyo a una decisión final discrecional.
«Algorítmico» describe el uso de un procedimiento computacional para tomar o ejecutar decisiones. «Automatizado» significa que algunas acciones se producen sin confirmación humana para cada evento. Un algoritmo puede limitarse a programar una orden decidida en otro lugar; un sistema puede generar señales y dejar su envío a una persona. Ninguna de estas propiedades demuestra que una estrategia posea una ventaja económica.
Cuatro propiedades, no cuatro niveles
| Propiedad | Pregunta diagnóstica | ¿Puede existir sin las demás? |
|---|---|---|
| Sistemática | ¿la misma información produce la misma decisión con reglas conocidas? | sí, incluso con cálculo y ejecución manuales |
| Cuantitativa | ¿los datos y un modelo permiten medir la hipótesis y su incertidumbre? | sí, aunque la decisión final sea humana |
| Algorítmica | ¿un procedimiento computacional genera o ejecuta instrucciones? | sí, incluso sin alfa propietario |
| Automatizada | ¿el sistema actúa sin autorización caso por caso? | sí, pero exige controles operativos más sólidos |
Un proceso sistemático reduce la discrecionalidad dentro de cada evento, pero no elimina el juicio. Las personas y las organizaciones eligen los datos, el objetivo, el modelo, las restricciones, la frecuencia, los costes, los umbrales y los puntos de revisión. Esas elecciones pueden incorporar sesgos aunque el código sea determinista. Por ello, la transparencia del proceso importa más que la etiqueta «quant».
Anatomía de un sistema
- Hipótesis económica o conductual. Explica por qué podría existir la relación, quién soporta el riesgo y qué podría hacerla desaparecer.
- Información observable. Identifica los datos, las marcas temporales de disponibilidad, las revisiones, el universo y las transformaciones permitidas.
- Señal. Traduce la hipótesis en una cantidad calculable sin utilizar el futuro; incluye la frecuencia y las condiciones de ausencia de señal.
- Construcción de cartera. Convierte puntuaciones o previsiones en posiciones, teniendo en cuenta exposiciones, concentración, apalancamiento y restricciones.
- Ejecución. Define orden, mercado o centro de negociación, momento, urgencia y supuestos sobre ejecuciones, spread, impacto, préstamo de valores y financiación.
- Controles y gobernanza. Establece versiones, responsabilidades, límites, escalado, monitorización, suspensión y recuperación.
Una regla de entrada aislada no constituye una estrategia completa. La misma señal puede producir resultados distintos con un universo point-in-time en vez del actual, ponderaciones iguales en lugar de basadas en riesgo, una orden de mercado en vez de limitada o una capacidad diez veces mayor. Por tanto, la especificación debe abarcar todo el ciclo.
Investigación y producción son sistemas distintos
| Investigación | Producción |
|---|---|
| explora hipótesis y alternativas | ejecuta una versión aprobada |
| puede reproducir datos históricos | recibe los eventos una sola vez y en orden |
| compara modelos | aplica controles y límites predefinidos |
| estima costes y capacidad | afronta colas, rechazos, retrasos y ejecuciones reales |
| preserva una prueba final | genera observaciones prospectivas para la monitorización |
La paridad entre ambos entornos exige definiciones compartidas de calendarios, zonas horarias, símbolos, acciones corporativas, redondeos, precios y estados de las órdenes. Una diferencia silenciosa puede parecer un deterioro del modelo cuando en realidad es un problema de implementación. Las pruebas unitarias, la reproducción de eventos y la conciliación entre señal teórica, orden y ejecución ayudan a aislar la causa.
Qué significa «ventaja» en este contexto
En lenguaje operativo, una «ventaja» o edge es una ventaja esperada condicionada a una estrategia y a un entorno. No puede observarse directamente en un único resultado. El rendimiento histórico puede proceder del mecanismo propuesto, de exposiciones al riesgo no declaradas, del azar, de la selección entre muchas pruebas, de filtraciones de información, de costes subestimados o de un régimen irrepetible.
Una evaluación útil compara al menos:
- una referencia sencilla y un benchmark coherente;
- rendimiento bruto y neto con supuestos de ejecución documentados;
- periodos e instrumentos no utilizados para elegir la configuración;
- sensibilidad a parámetros, datos, subperiodos y costes;
- incertidumbre estadística y número total de intentos;
- concentración de beneficios, rotación y capacidad.
No existe un umbral universal de ratio de Sharpe, profit factor, porcentaje de aciertos o número de operaciones que convierta automáticamente un resultado en evidencia suficiente.
Ejemplo ilustrativo
Un investigador plantea que los rendimientos relativos persisten durante un horizonte determinado. El componente cuantitativo define una puntuación, un universo, una estimación y una comparación de referencia. El componente sistemático fija cuándo se recalcula la puntuación, cómo se ordenan los instrumentos, cómo se construyen las posiciones y cómo se aplican los límites. El componente algorítmico puede generar y fraccionar órdenes. El componente automatizado puede enviarlas sin confirmación manual y detenerse cuando los datos o el riesgo vulneran un control.
El ejemplo no ofrece parámetros para copiar. Muestra cómo pueden convivir cuatro propiedades en un mismo proceso y cómo cada una introduce preguntas de validación diferentes.
Riesgos característicos
| Riesgo | Manifestación | Control informativo |
|---|---|---|
| Filtración de datos | el modelo utiliza información no disponible en el momento de la decisión | auditoría de marcas temporales y del flujo de ajuste y transformación |
| Selección | solo se hace visible el mejor de muchos intentos | registro completo de experimentos e inferencia por pruebas múltiples |
| Riesgo de modelo | la especificación, estimación o utilización es inadecuada | validación, revisión crítica efectiva y límites de uso |
| Brecha de ejecución | el precio simulado no podía obtenerse | modelo de órdenes, costes, impacto y capacidad |
| Riesgo operativo | dato ausente, orden duplicada o pérdida de conectividad | monitorización, interruptor de emergencia, idempotencia y procedimientos |
| Cambio de régimen | cambian la relación, los participantes o la microestructura | escenarios, monitorización y criterios de escalado |
El informe de la SEC de 2020 describe efectos tanto beneficiosos como adversos del trading algorítmico en los mercados de capitales estadounidenses. La conclusión correcta no es «los algoritmos son buenos» ni «los algoritmos son malos»: el propósito, la arquitectura, la interacción y los controles determinan los riesgos observables.
Lista de comprobación para una lectura crítica
- ¿La terminología identifica qué parte es sistemática, cuantitativa, algorítmica o automatizada?
- ¿Se declararon la hipótesis, el universo y el benchmark antes del resultado?
- ¿El conjunto de datos reconstruye lo que estaba disponible en cada momento?
- ¿La señal y la ejecución siguen una secuencia causal realizable?
- ¿Son visibles los costes, la capacidad, las variantes probadas y los resultados fallidos?
- ¿Existe una separación real entre desarrollo, selección y prueba?
- ¿Se pueden reproducir las versiones de código, datos y configuración?
- ¿Están predefinidos los límites, las responsabilidades y las respuestas a incidentes?
Una respuesta negativa no demuestra que el sistema vaya a fracasar, pero reduce lo que puede inferirse del material presentado.
Fuentes
- U.S. Securities and Exchange Commission, Staff Report on Algorithmic Trading in U.S. Capital Markets — descripción institucional de las formas, usos y efectos del trading algorítmico.
- Joseph Simonian, CFA Institute Research Foundation, Investment Model Validation: A Guide for Practitioners — ciclo de validación de los modelos de inversión y técnicas principales.
- Federal Reserve, SR 26-2 — Revised Guidance on Model Risk Management — orientación bancaria vigente sobre desarrollo, uso, validación y gobernanza; sus principios se citan por analogía, no como una obligación universal.
- National Futures Association, Interpretive Notice 9025 — Hypothetical Results — límites y divulgaciones aplicables a resultados hipotéticos dentro de su ámbito regulatorio estadounidense.