En esta crónica, Pau vuelve a una de sus obsesiones cíclicas: buscar patrones de mercado y crear estrategias de trading. La diferencia respecto a otros ciclos es que esta vez tiene inteligencia artificial para probar hipótesis, cruzar datos, hacer backtesting y convertir ideas que antes requerían programadores en estrategias que puede desarrollar prácticamente por su cuenta.
Pau incluso utiliza su propia obsesión como una especie de indicador informal: recuerda que otras etapas en las que se volcó especialmente con los mercados coincidieron con inicios de ciclos alcistas o bajistas. Ahora lleva aproximadamente una semana y media concentrado en uno o dos patrones muy concretos y cree haber encontrado una estrategia con estadísticas suficientemente llamativas como para empezar a probarla con dinero real.
Pero el episodio no va solo de encontrar una estrategia ganadora. También conecta con una pregunta que Darío le hizo semanas atrás: ¿cuánto dinero está generando realmente gracias a la IA? Hasta ahora Pau podía medir sobre todo ahorro de costes. El siguiente experimento es comprobar si toda esa infraestructura de agentes y modelos puede producir una rentabilidad directa.
Menciones y herramientas del episodio
- Sociedad Ninja: comunidad cuyos miembros tienen acceso a algunos de los indicadores y experimentos que Pau ha desarrollado.
- Agentes de Pau Ninja: sistema propio que Pau utiliza para enfrentar modelos, probar estrategias y ejecutar tareas mientras él está lejos del ordenador.
- TradingView: plataforma donde Pau ha creado durante años indicadores propios para analizar ciclos y detectar zonas de mercado.
- Radar de suelos: indicador creado por Pau para detectar zonas próximas a mínimos de mercado y diferenciar cuándo considera más interesante Bitcoin o las altcoins.
- QNT / Quant: activo sobre el que Pau cuenta haber tenido una convicción especialmente alta durante este ciclo.
- Inteligencia artificial: herramienta que ahora utiliza para programar, hacer backtesting, cruzar variables y probar hipótesis mucho más rápidamente que cuando dependía de desarrolladores externos.
- Stan Weinstein: autor de Los secretos para ganar dinero en los mercados alcistas y bajistas, cuyo sistema de etapas Pau está cruzando con sus nuevas señales.
- Etapas de Weinstein: clasificación del mercado en cuatro fases que Pau utiliza para analizar sectores, subsectores y grupos antes de valorar una señal.
- Backtesting: proceso central de esta fase, utilizado para comprobar cómo habrían funcionado las señales durante décadas antes de intentar llevarlas al mercado real.
Lo que cuenta Pau en este episodio
- Pau empieza explicando que sus obsesiones funcionan por ciclos. Como buen multipotencial, puede pasar temporadas completamente centrado en salud, entrenamiento, productividad o mercados financieros.
- Mirando atrás, cree detectar un patrón curioso: algunas de sus etapas de mayor obsesión con el mercado han coincidido con cambios importantes de ciclo. Ahora siente de nuevo esa necesidad de analizar gráficos y estrategias y lo interpreta como una posible señal de que comienza un nuevo tramo alcista.
- En ciclos anteriores ya creó distintos indicadores. Algunos los programó pagando a terceros y otros los empezó a desarrollar con las primeras versiones de ChatGPT.
- Uno de los que mejor resultado le ha dado es su radar de suelos de mercado. Pau explica que trabaja con velas mensuales y que recientemente volvió a señalar una zona que terminó coincidiendo con un mínimo importante del mercado.
- Prefiere analizar gráficos mensuales porque considera que contienen mucho menos ruido que los marcos temporales pequeños y le permiten observar mejor los grandes ciclos.
- Durante el episodio expone también su visión personal de que los movimientos del mercado están fuertemente condicionados por algoritmos y grandes actores. Desde ese marco intenta interpretar los patrones técnicos como reflejos del comportamiento colectivo y de la psicología de masas.
- Su hipótesis es que, si determinados movimientos consiguen provocar respuestas psicológicas repetibles entre los inversores, esas respuestas deberían dejar patrones detectables en el precio.
- Pau menciona a una persona que conoce y que analiza enormes cantidades de comentarios de Reddit, Facebook, Instagram, TikTok y otras redes para medir sentimiento sobre acciones concretas.
- Esa persona utiliza agentes y sistemas de inteligencia artificial para cruzar millones de comentarios, detectar si son positivos o negativos y construir estrategias de inversión a partir del sentimiento agregado.
- Inspirado en ese tipo de enfoque, Pau lleva aproximadamente una semana y media probando uno o dos patrones que cree especialmente interesantes.
- Uno de ellos le está dando en backtesting cifras cercanas al 2.000% acumulado y un win rate superior al 70%, según las pruebas que describe en el episodio.
- Aun así, reconoce que la estrategia todavía está incompleta. Por ahora ha trabajado principalmente la entrada y todavía necesita definir mejor las salidas, el stop loss y otros elementos de gestión de riesgo.
- La existencia de una señal actual le está generando precisamente un conflicto: quiere comprobar qué ocurre con dinero real, pero sabe que todavía está en fase experimental.
- Su primera reacción fue plantearse una entrada pequeña, después subirla y finalmente considerar incluso un ETF apalancado x2 relacionado con la acción que está siguiendo.
- Pau reconoce con humor el riesgo clásico del backtesting: que una estrategia parezca perfecta durante décadas y deje de funcionar justo cuando uno decide poner dinero real.
- Este experimento conecta directamente con una conversación anterior con Darío. Darío le preguntó cuánto dinero había generado realmente gracias a la inteligencia artificial.
- Pau reconoce que hasta ahora el impacto económico de la IA ha llegado sobre todo por ahorro de costes: ya no necesita trabajar de la misma forma con editor de vídeo, ilustradora, programador y distintos freelancers.
- Su primera regla es sencilla: si gasta alrededor de 1.000 € mensuales en suscripciones de inteligencia artificial, como mínimo quiere que esas herramientas le ahorren más de 1.000 € en otros costes.
- El siguiente nivel es conseguir que la IA genere beneficios de forma directa. Esta estrategia de trading podría convertirse en uno de sus primeros experimentos realmente medibles en ese sentido.
- Pau también reflexiona sobre la posibilidad de que los sistemas de trading institucionales lleven mucho tiempo utilizando machine learning y tecnologías mucho más avanzadas que las herramientas que ahora llegan al público general.
- Desde su visión, eso explicaría por qué determinadas estrategias dejan de funcionar cuando demasiadas personas empiezan a detectarlas: el mercado cambia y obliga a seguir adaptándose.
- Ahí vuelve a aparecer su multipotencialidad. Pau sabe que probablemente no estará siempre obsesionado con trading, así que intenta exprimir esta fase de interés al máximo y dejar sistemas construidos que pueda recuperar cuando vuelva a entrar en otro ciclo de obsesión financiera.
- La nueva estrategia la está probando principalmente en temporalidades mensual y semanal. Al utilizar señales tan poco frecuentes, algunos años pueden aparecer muy pocas oportunidades e incluso ninguno.
- Esa escasez también le parece interesante: si de repente aparecen muchas señales simultáneamente, quizá puedan utilizarse no solo como entradas individuales, sino como información adicional sobre el estado general del mercado.
- Para añadir contexto está cruzando las señales con las cuatro etapas de Stan Weinstein, analizando primero el bosque y después los árboles: sectores, subsectores, grupos y finalmente activos concretos.
- Por ejemplo, si aparece una señal aparentemente buena en una acción cuyo grupo completo está en una fase bajista, ese contexto podría explicar por qué determinadas operaciones históricas terminaron siendo perdedoras.
- La IA le permite cruzar todos esos factores de una manera que antes habría requerido muchísimo trabajo manual o contratar a otras personas.
- Mientras desarrolla estas estrategias, Pau continúa mejorando sus agentes de Pau Ninja. Una de las novedades importantes es que ya los ha subido a su propio servidor.
- Esto significa que ya no necesita dejar el ordenador encendido mientras sale a caminar, duerme o hace otras cosas. Los agentes pueden seguir trabajando directamente en el servidor.
- El siguiente paso será conectarlos con Telegram para que le avisen automáticamente cuando hayan terminado una tarea, cerrando todavía más el círculo de automatización.
Esta crónica representa bastante bien la transición que Pau quiere hacer con la inteligencia artificial: pasar de utilizarla únicamente para construir herramientas y ahorrar dinero a emplearla para crear sistemas capaces de producir resultados económicos directamente medibles.
La estrategia todavía está en pruebas y Pau reconoce que unos resultados históricos extraordinarios no garantizan absolutamente nada hacia delante. Pero precisamente por eso quiere empezar a probarla de verdad: pasar del backtesting al mercado real y comprobar si la señal sigue funcionando cuando hay dinero encima de la mesa.
La idea de fondo
Durante meses, la inteligencia artificial le ha servido a Pau para ahorrar.
Programadores.
Freelancers.
Edición.
Ilustración.
Horas de trabajo.
Ahora quiere comprobar si puede hacer algo diferente:
utilizarla para generar dinero directamente.
No pidiéndole a ChatGPT una estrategia mágica.
Sino haciendo lo que ya hacía antes:
observar patrones, construir indicadores, cruzar datos, probar hipótesis y esperar señales.
Solo que ahora tiene un ejército de modelos trabajando detrás.
Y ese quizá sea el verdadero cambio:
no que la IA encuentre por él el santo grial del trading, sino que le permita investigar en días lo que antes habría necesitado meses para probar.
