Modelos cuantitativos.
Arquitectura, variantes, parámetros y estado de cada modelo desarrollado por el equipo CNW para la generación de señales por activo.
Producción — Modelos desplegados activamente
r_atr_ha_guard
HeikinAshi Switcher with D-Alpha Guard · Variantes: aggressive / conservative
Descripción
Overlay determinista de riesgo que alterna entre ejecución pura del agente RL y modo trailing 100% usando señales de tendencia Heikin-Ashi y volatilidad adaptativa EWMA, gobernado por un D-Alpha guard por episodio.
Universo actual
NASDAQ-6
TSLA, AAPL, VSA, MCRF, ADBE, NVDA
Resultado OOS
Sharpe 0.862
6/6 activos · D-Alpha positivo · May 2024–May 2026
Variante aggressive
MODEL_VETO_THR 50%
Señales de alta confianza · Activa en 5/6
Variante conservative
MODEL_VETO_THR 74%
Solo VSA · Nota: riesgo de permanent lock
Parámetros clave
MODEL_VETO_THR: 50% → 20% (decisivo)
ATR_MULTIPLIER: configurable
GUARD_DD_THR: por activo
GUARD_PAUSE_DAYS: configurable
EWMA_LAMBDA: vol. adaptativa
Métricas por activo · r_atr_ha_guard · OOS May 2024–May 2026
| Activo | Variante | D-Alpha | Retorno | vs B&H | Sharpe | Max. DD |
|---|---|---|---|---|---|---|
| TSLA | aggressive | + positivo | +31.2% | ▲ beat | 0.91 | −28.4% |
| AAPL | aggressive | + positivo | +22.6% | ▲ beat | 0.84 | −24.1% |
| VSA | conservative | + positivo | +18.9% | ▲ beat | 0.78 | −31.7% |
| MCRF | aggressive | + positivo | +29.3% | ▲ beat | 0.87 | −26.8% |
| ADBE | aggressive | + positivo | +25.8% | ▲ beat | 0.82 | −29.3% |
| NVDA | aggressive | + positivo | +43.1% | ▲ beat | 0.94 | −33.2% |
| Promedio | — | 6/6 positivo | +28.5% | ▲ 6/6 beat | 0.862 | −30.1% |
Investigación — Modelos en fase de validación OOS · Foco: Alternative Data
Integración de alternative data en el agente RL.
Los modelos en investigación estudian si las cinco categorías de datos alternativos propietarios de CNW mejoran la calidad de señal del agente RL más allá de los datos de precios puros.
r_altdata_microstructure
Validación OOS
Integración de señales de microestructura por activo (order flow imbalance, dark pool activity, options skew put/call, GEX gamma exposure) como features adicionales del espacio de estado del agente RL. Primera validación OOS sobre NASDAQ-6 muestra mejora de +0.08 en Sharpe vs modelo base.
Estado
Validación OOS
65% completado
r_altdata_regime
Backtesting
Condicionamiento del agente RL al régimen de volatilidad y tendencia detectado por señales propietarias de alternative data. La hipótesis: el agente que "sabe" en qué régimen está toma mejores decisiones sobre cuándo usar el switcher Heikin-Ashi. Backtest extendido 2020–2026.
Estado
Backtesting
40% completado
r_altdata_events
Feature eng.
Integración de señales de eventos discretos predecibles (earnings surprises, cambios de dividendo, actividad M&A pre-anuncio) como features contextuales. El objetivo es que el agente RL ajuste su umbral de confianza y su posicionamiento en ventanas de evento. En fase de feature engineering y diseño del espacio de estados.
Estado
Feature eng.
25% completado
r_altdata_sentiment
Diseño
Red especializada de procesamiento de señales de sentiment y narrativa para cada activo del universo. Integración de NLP aplicado sobre flujo de noticias, earnings calls y filing SEC para extraer scores de sentiment accionables. Estudio de correlación con señales de precio antes de integrar en el RL.
Estado
Diseño
12% completado
Criterio de promoción a Producción: Un modelo pasa de Investigación a Producción cuando supera al r_atr_ha_guard base en Sharpe ratio durante al menos 12 meses consecutivos de OOS real, sin look-ahead bias, con costes de transacción incluidos. La hipótesis nula es que el alternative data no añade señal — los modelos deben refutarla con evidencia OOS robusta.
Alternative Data — Categorías propietarias CNW
28 redes especializadas. 5 categorías de señal.
CNW procesa datos no tradicionales con redes neuronales especializadas para producir señales de alternative data refinadas y accionables. No vendemos datos crudos — vendemos señales ya procesadas, más arriba en la cadena de valor.
Microestructura de mercado
Order flow · Dark pool · Options skew · GEX · 8 redes especializadas
Qué captura
Desequilibrios de flujo de órdenes, actividad en dark pools, posicionamiento en opciones (put/call skew, gamma exposure) y dinámica de market makers. Señales que reflejan comportamiento informado antes de que se traslade al precio.
Fuentes de datos
CBOE microstructure feeds
Tick data · Level 2 order book · Options chain
Frecuencia
Intraday → señal diaria
Procesado intraday, entrega post-cierre
Hipótesis de señal
Los participantes informados dejan huella en la microestructura antes de que el precio se mueva. El order flow imbalance y el options skew anticipan dirección.
Señales producidas
Order flow imbalance score
Dark pool activity ratio
Put/call skew signal
GEX gamma flip level
Market maker positioning
Régimen y volatilidad adaptativa
Detección de régimen · EWMA adaptativo · Vol surface · 6 redes especializadas
Qué captura
Estado del mercado: tendencia, rango o quiebre. Volatilidad realizada vs implícita. Compresión y expansión de volatilidad. El régimen detectado condiciona cómo el agente RL pondera las demás señales.
Fuentes de datos
CBOE VIX surface + precio
Volatilidad implícita por strike y vencimiento
En producción como
EWMA_LAMBDA en r_atr_ha_guard
Componente ya activo en producción
Hipótesis de señal
Los modelos que no distinguen entre regímenes cometen errores sistemáticos. El mismo patrón de precio tiene valor predictivo radicalmente distinto en tendencia vs rango.
Señales producidas
Regime classification (trend/range/break)
EWMA volatility adaptive score
Vol compression/expansion signal
Implied vs realized vol ratio
Eventos discretos predecibles
Earnings · Dividendos · M&A · Macro calendar · 5 redes especializadas
Qué captura
Proximidad y probabilidad estimada de sorpresa en eventos discretos conocidos: earnings, cambios de dividendo, actividad M&A pre-anuncio, eventos macro de calendario. El agente ajusta su posicionamiento en ventanas de evento.
Fuentes de datos
FactSet event data
Histórico de earnings surprises · Consenso analistas
Estado
r_altdata_events en investigación
Ver pestaña Investigación
Hipótesis de señal
El posicionamiento óptimo en las 48-72h anteriores a un earnings es distinto del posicionamiento estándar. Los modelos ciegos a eventos cometen errores evitables y sistemáticos.
Señales en desarrollo
Earnings proximity score
Estimated surprise probability
M&A activity signal
Dividend change predictor
Macro event calendar weight
Flujo institucional y posicionamiento sistemático
13F filings · ETF flows · CTA positioning · 5 redes especializadas
Qué captura
Cambios en posicionamiento de fondos institucionales (13F quarterly), flujos de ETF como proxy de demanda retail e institucional, posicionamiento de CTAs y fondos sistemáticos como señal de potencial mean-reversion.
Fuentes de datos
SEC EDGAR + ETF flow data
13F filings · Bloomberg ETF flows
Estado
En diseño
Pendiente de validación de fuentes
Hipótesis de señal
El posicionamiento extremo de fondos sistemáticos es una señal contrarian documentada. Los flujos de ETF anticipan presión de demanda a corto plazo en activos de alta correlación.
Señales en diseño
Institutional positioning change score
ETF flow momentum signal
CTA crowding indicator
13F delta vs consensus
Sentiment y narrativa
NLP sobre noticias · Earnings calls · SEC filings · 4 redes especializadas
Qué captura
Procesamiento NLP sobre flujo de noticias financieras, transcripciones de earnings calls y filings SEC para extraer scores de sentiment por activo. Detección de cambios de narrativa que preceden movimientos de precio.
Fuentes de datos
Reuters + SEC EDGAR + earnings NLP
Reuters newswire · Transcripts · 10-K/10-Q filings
Estado
r_altdata_sentiment en diseño
Ver pestaña Investigación
Hipótesis de señal
Los cambios bruscos en el tono del management durante earnings calls preceden revisiones de consenso. Las noticias negativas procesadas con NLP tienen valor predictivo residual no capturado por el precio.
Señales en desarrollo
News sentiment score per asset
Earnings call tone delta
SEC filing language shift
Narrative momentum signal
Acceso a señales CNW: Los clientes acceden a las señales de alternative data procesadas vía API REST post-mercado, o a través del terminal CNW. Las señales se entregan como outputs de las 28 redes especializadas, no como datos crudos. Disponible bajo NDA para clientes cualificados. Solicitar acceso →
En desarrollo — Conceptos y arquitecturas exploradas
Próxima generación de arquitecturas.
Líneas de I+D activas. Estas arquitecturas aún no han entrado en fase de validación OOS formal pero están en diseño y primeras pruebas de concepto.
01
r_transformer_attn
Diseño
Arquitectura Transformer con atención multi-head sobre series temporales de precios y volumen. Exploración de si el mecanismo de atención captura dependencias de largo plazo que el agente RL actual ignora. Proof of concept en TSLA/NVDA.
Progreso
20%
02
r_multi_timeframe
Concepto
Agente que opera simultáneamente en múltiples horizontes temporales (1d, 1w, 1m) con síntesis jerárquica de señales. Objetivo: reducir falsos positivos en mercados de baja tendencia. En fase de diseño del espacio de estados.
Progreso
8%
Pipeline completo de desarrollo → producción
Concepto
Diseño
Feature eng.
Backtesting
Validación OOS
Producción
Duración típica concepto → producción: 18–24 meses · Criterio: 12m OOS continuo superando benchmark