Investigación cuantitativa.

Evaluación sistemática de modelos dedicados por activo frente a arquitecturas cross-seccionales estándar. El estudio cubre el universo NASDAQ-6 durante el período May 2024–May 2026, utilizando walk-forward validation sin look-ahead bias. Los modelos por activo logran un Sharpe ratio de 0.86 frente a 0.40 en Buy & Hold, con una reducción del drawdown máximo de 8.53 puntos porcentuales.

Análisis de la persistencia de señales factoriales en horizonte largo. El universo NASDAQ-20 se estudia durante 6 años completamente out-of-sample, con constituyentes point-in-time para evitar survivorship bias. Se documenta un Information Ratio de 0.47, retorno terminal 9.3 veces superior al benchmark y un exceso anual medio de +5.2% sobre el índice de referencia.

Documentación técnica completa del proceso de paso de investigación a producción en el portfolio NASDAQ-10 MVP. Se analizan en detalle la calibración del filtro de confianza al 67%, los costes de ejecución reales frente a estimados, el impacto del slippage y el diseño del pipeline de entrega post-mercado. Sharpe ratio en producción de 4.28 y retorno acumulado de +314.2%.

Descripción técnica de la arquitectura de entrenamiento paralelo desarrollada por CNW para mantener modelos dedicados por activo con reentrenamiento diario. Se detallan el diseño del cluster GPU, la gestión de dependencias entre modelos, el benchmark de rendimiento (latencia de entrega, tiempo de entrenamiento por activo), y el diseño completo del pipeline de señal post-mercado vía REST API.

Filtro de eventos extremos basado en cuantiles sobre retornos estandarizados por volatilidad condicional retardada, integrado en HARCH simétrico y asimétrico. GateHARCH(A) q=0.99: hit rate 53.8%, Sharpe positivo out-of-sample en renta variable de alta frecuencia. Propone un mecanismo de activación de señal más preciso que los umbrales fijos estándar.

Descomposición del diferencial estrategia–benchmark en componentes estructurales: contribución de drawdown, de alpha puro y de correlación gaussiana entre retornos. Marco analítico que permite atribuir el exceso de retorno a factores específicos del diseño de señal, útil para auditoría de modelos y comparación entre arquitecturas.

Mecanismo probabilístico de tres pasos: las desviaciones amplifican volatilidad (H1), la volatilidad engrosa las colas de distribución (H2), las colas hacen la corrección estadísticamente inevitable (H3). Reconcilia eficiencia de mercado débil con reversión empírica observada. Base teórica del framework VIMR-GARCH.

Validación empírica completa del modelo VIMR-GARCH: estimación de parámetros, comparativas AIC/BIC frente a GARCH(1,1) estándar, backtests cross-seccionales sobre 31 valores y análisis de robustez. Contiene la especificación matemática completa del modelo. Disponible para contrapartes cualificadas bajo NDA.

Especificación técnica completa del sistema r_atr_ha_guard: parámetros ATR, lógica Heikin-Ashi, modos aggressive/conservative por activo, umbrales de activación, protocolo de rebalanceo y resultados por ticker. Incluye código de evaluación y pseudocódigo del pipeline. Disponible bajo NDA para clientes institucionales.

Documentación técnica de la arquitectura del MVP: pipeline de calibración automática, gestión de activación por ticker, sistema de rebalanceo rolling, detección de degradación de señal y entrega via API REST. Incluye diagramas de arquitectura y benchmarks de latencia de entrega.

Documentación técnica completa de la señal compuesta del NASDAQ-20 Baseline: construcción del factor de momentum, filtro de calidad ajustado por volatilidad, confirmación cross-horizon, lógica de benchmark tilting dinámico y overlay de régimen de mercado. Walk-forward 6 años (2020–2026).