I+D · Aprendizaje por refuerzo
Laboratorio para investigar hipótesis de aprendizaje por refuerzo en agentes de trading. Rigor científico y cero autoengaño.
En trading algorítmico es facilísimo engañarse: un modelo que «gana» en el histórico casi siempre ha memorizado ruido. Cada idea nueva —una recompensa, un filtro, un modelo de ejecución— acababa en scripts sueltos, con resultados imposibles de comparar y conclusiones imposibles de reproducir.
Construimos un laboratorio en el que cada idea se registra como hipótesis, con su criterio de falsación, antes de lanzarse. Se monta con componentes aislados y testeados, se entrena en local o en GPU en la nube con presupuesto limitado y se evalúa fuera de muestra contra referencias obligatorias. Si el veredicto es FAIL, es FAIL: ningún modelo llega a «campeón» sin superar la evaluación. Los agentes de IA operan el laboratorio por MCP siguiendo un protocolo estricto.
Cada experimento está ligado a una hipótesis con su diario: qué cambió, qué se observó y por qué se da el siguiente paso.
Periodos fuera de muestra «quemados», varias semillas, bootstrap con intervalos de confianza y estrés de deslizamiento.
Todo modelo compite contra no operar, entradas aleatorias, Donchian y un control con el tiempo barajado.
Términos de recompensa, modificadores y modelos de ejecución como piezas independientes, cada una con su test.
Panel con PnL, recompensa, winrate, value loss y repetición de cada operación sobre el gráfico.
Entrenamiento en GPU en la nube con límite de coste y de tiempo por experimento.
Proyecto de investigación. No es un producto de inversión ni asesoramiento financiero.
Cuéntanoslo con un café. La auditoría inicial y las primeras ideas corren de nuestra cuenta.
Invitar a café