¿Qué es Quantitative Analysis (QA)?
Quantitative Analysis (QA) es la práctica de tomar decisiones de trading a partir de datos, no de presentimientos. Convierte números en reglas mediante matemáticas, estadística y código. Imagina a un amigo tranquilo que revisa los recibos antes de pedir otra ronda y luego pregunta si la operación aún tiene sentido.
Quantitative Analysis (QA) no es un conjunto de robots que imprime dinero gratis. Es un marco para probar ideas y gestionar probabilidades, y aún pierde cuando los mercados cambian o los datos están desordenados.
Cómo funciona
Quantitative Analysis (QA) sigue un ciclo simple: recopilar, probar, decidir, repetir. Imagínate un trader que construye una pequeña estrategia de momentum en BTC.
- Paso 1: Obtén datos limpios, como precios de mercado históricos y en vivo.
- Paso 2: Crea variables, por ejemplo una media móvil y una tendencia de volumen, luego filtra valores atípicos obvios.
- Paso 3: Escribe una regla, por ejemplo comprar cuando el precio está por encima de su media y el volumen sube, de lo contrario mantenerse al margen.
- Paso 4: Realiza backtests a lo largo de varios años, incluye comisiones y slippage, y reserva algunos datos sin ver para pruebas fuera de muestra.
- Paso 5: Si resiste, ejecútalo manualmente o intégralo en Trading Algorítmico con alertas y dimensionamiento de posiciones.
Manténlo aburrido y comprobable. Sí, esa es la idea.
Por qué importa
Entonces, ¿por qué deberías interesarte en Quantitative Analysis (QA) si te interesan las criptomonedas y la tecnología?
- Beneficio: Convierte opiniones vagas en planes repetibles que pueden ahorrar tiempo y, a veces, dinero.
- Perspectiva: Encaja con la tendencia de trading basado en datos y aporta disciplina mediante una mejor gestión de riesgos.
- Relevancia: Te toparás con ello en mesas de prop trading, DAOs cuantitativas y bots personales. Combinado con una diversificación inteligente, puede suavizar el recorrido entre monedas y estrategias.
Empieza con una regla clara, luego añade solo lo que la mejore en pruebas fuera de muestra. Más parámetros implica más sobreajuste.
Características clave
Lo que hace que Quantitative Analysis (QA) destaque:
- Datos: Fuerte enfoque en entradas limpias y relevantes, no en corazonadas.
- Reglas: Las decisiones siguen lógica explícita que se puede probar y repetir.
- Pruebas: Backtests y pruebas prospectivas intentan detectar si un patrón es real o solo suerte.
- Automatización: Fácil de convertir en alertas o bots una vez que se demuestra.
Variantes
Diferentes tipos que verás:
- Estadístico: Reversión a la media, momentum y pruebas clásicas de series temporales.
- Aprendizaje automático: Modelos que aprenden patrones a partir de características y etiquetas.
- Factor: Reglas construidas a partir de impulso, carry o valor.
- HFT: Modelos de horizonte muy corto que priorizan la velocidad y la microestructura.
- Onchain: Señales a partir de tarifas, flujos, direcciones y actividad de la red.
Basura entra, basura sale. Si los datos son incorrectos o el régimen cambia, incluso un modelo pulido tropezará, así que sigue actualizando tus supuestos y costos.
Ejemplo
Un fondo cripto prueba una regla de momentum simple en ETH, limita el riesgo por operación y la ejecuta en vivo solo después de que la prueba fuera de muestra confirme el backtest.
Dato curioso
La palabra quant se popularizó en Wall Street después de que la valoración de opciones despegara en los años 70, y muchos de los primeros quants eran físicos; algunos después ayudaron a construir modelos de market making en cripto.
Resumen
En una línea: Quantitative Analysis (QA) convierte datos en reglas que puedes probar, en las que puedes confiar y ajustar cuando el ánimo del mercado cambia.