Estado por activo
Precio, tendencia, liquidez y contexto.
Un modelo de reinforcement learning que convierte el estado de cada activo en una decisión diaria de cartera.
Ruty no elige en qué empresas invierte el fondo. Analiza las posiciones que ya existen y ajusta su peso para buscar rendimiento adicional con el riesgo bajo control.
Precio, tendencia, liquidez y contexto.
La política transforma el estado en decisión.
Postura, convicción y peso final.
Define cuánto capital puede asignarse a la posición.
Elige una versión para consultar su arquitectura, decisiones y controles de riesgo. La salida diaria se mantiene clara y operable en ambas generaciones.
La decisión nace de componentes explícitos. Ruty separa la representación del activo, la política del agente y las capas deterministas que convierten la señal base en una exposición final.



Preserva la calidad de la señal antes de convertirla en exposición.
Revisar componente
Restricciones de concentración, exposición, turnover y mandato antes de entregar el weight final.
Revisar componente
Teoría de volatilidad y reversión para construir un estado de mercado observable.
Abrir paper
Baseline y evidencia de asignación sobre un universo líquido de veinte activos.
Abrir paper
Evidencia de que los modelos dedicados por activo superan los enfoques cross-sectional.
Abrir paperDirección y peso dentro de un mandato, overlay de riesgo o entorno de validación antes de producción.
Dirección y peso dentro de un universo y límites acordados.
Una segunda capa que reduce, veta o espera sobre un proceso existente.
Entorno controlado para validar hipótesis, señales y filtros antes de producción.
Baseline auditable con backtesting por activo y conexión a Interactive Brokers para paper trading.
En desarrollo: estado enriquecido con los modelos predictivos del Terminal para mejorar alpha y precisión.