Visual de Caja Inversora AI que representa un análisis del mercado criptográfico basado en datos

Un modelo orientado a los estudiantes para el análisis criptográfico

Un modelo predictivo para los mercados criptográficos, creado para ser verificado, no para confiar ciegamente.

Caja Inversora AI aplica modelos estocásticos a los datos de precios y volúmenes y luego publica las señales resultantes antes de que se conozcan sus resultados. Los estudiantes pueden leer el razonamiento, no sólo el resultado.

Explora los registros Analizar el modelo →

Cada señal tiene una marca de tiempo y se guarda en el registro público antes de que se muevan los mercados, por lo que el registro no se puede editar en retrospectiva.

Metodología

Cómo razona el modelo sobre el riesgo

El sistema se basa en una pequeña cantidad de ideas de finanzas cuantitativas, traducidas a un lenguaje sencillo para estudiantes sin experiencia en estadística.

Modelado estocástico, en términos sencillos

Los precios de las criptomonedas se mueven de manera en parte aleatoria y en parte basada en patrones. El modelado estocástico trata esa aleatoriedad explícitamente, describiendo no un precio predicho sino una variedad de resultados plausibles y la probabilidad de cada uno de ellos.

Varianza predictiva

La varianza predictiva es una medida de qué tan amplio es ese rango de resultados. Un rango estrecho significa que el modelo tiene relativa confianza; uno ancho significa que las condiciones son inestables y cualquier posición debe dimensionarse en consecuencia.

Riesgo asimétrico

Una configuración asimétrica es aquella en la que la pérdida potencial en una posición se mantiene deliberadamente menor que la ganancia potencial. El modelo no intenta predecir la dirección a la perfección; intenta estructurar las entradas de modo que equivocarse cueste menos que acertar.

Mesa de investigación de IA de Caja Inversora con gráficos y notas utilizadas para documentar el comportamiento del modelo
La documentación modelo está escrita para revisión, no solo para uso interno.
  1. 01

    Ingestión de datos

    El libro de pedidos, el volumen y el historial de precios se extraen de múltiples intercambios y se normalizan en un período de tiempo común.

  2. 02

    Extracción de características

    La serie bruta se convierte en indicadores que el modelo puede comparar entre activos, como agrupaciones de volatilidad y cambios de volumen.

  3. 03

    Modelado estocástico

    El modelo genera una distribución de resultados probables en lugar de un precio objetivo único y estima la varianza en torno a él.

  4. 04

    Señal ajustada por varianza

    Se calcula el tamaño de la posición y el rango de entrada para que la desventaja permanezca limitada en relación con la subida modelada.

Glosario, sin jerga

estocástico
Implica un componente aleatorio que se modela explícitamente en lugar de ignorarse.
Variación
Qué tan dispersos están los posibles resultados en torno al esperado.
Riesgo asimétrico
Una posición estructurada de manera que la pérdida sea menor, en principio, que la ganancia a la que se enfrenta.

Resultados verificados por la comunidad

Un registro público, no un carrete destacado

Las señales se registran antes de que se conozca su resultado y otros usuarios de la plataforma las revisan posteriormente. Las señales perdedoras permanecen en el registro junto con las ganadoras.

Fecha de registro Señal modelo Resultado realizado banda de varianza Verificación
Fila ilustrativa Exposición reducida, activo A Dentro del rango modelado Estrecho Confirmado
Fila ilustrativa Mayor exposición, activo B Fuera del rango modelado ancho En revisión
Fila ilustrativa Sin posición, activo C No aplicable ancho Confirmado

Diseño ilustrativo del gráfico de desempeño histórico. Una vez que un lote público de señales ha madurado, esta vista se completa con la variación realizada correspondiente para cada entrada.

Qué significa la insignia de verificación

Una señal se marca como "Confirmada" una vez que al menos dos revisores comunitarios independientes han verificado la entrada registrada, la marca de tiempo y el resultado con los datos de intercambio sin procesar y no han encontrado ninguna discrepancia.

Pista de auditoría

Cada entrada lleva una marca de tiempo, la instantánea de los datos de entrada utilizada en ese momento y la señal resultante. No es posible realizar ediciones posteriores; las correcciones se adjuntan como entradas nuevas con fecha separada.

Gestión de riesgos

Creado para el presupuesto de un estudiante, no para una mesa de operaciones

Las restricciones de capital cambian lo que significa "riesgo razonable". El modelo tiene en cuenta esto directamente en lugar de asumir una cartera grande y diversificada.

En lugar de maximizar el rendimiento esperado, la configuración predeterminada minimiza cuánto puede costar una sola señal mal calculada. El tamaño de la posición está vinculado a la varianza modelada: cuando el rango de resultados probables se amplía, la exposición sugerida se reduce automáticamente en lugar de permanecer fija.

Esto no elimina el riesgo de los mercados criptográficos, que siguen siendo volátiles por naturaleza. Cambia dónde se encuentra ese riesgo, manteniendo cualquier entrada lo suficientemente pequeña como para que una decisión incorrecta no requiera una ganancia descomunal para recuperarse.

Perfil de asignación

El modo conservador limita el tamaño de posición sugerido y amplía el umbral de variación requerido antes de que se registre una señal. Es el valor predeterminado para las cuentas de nuevos estudiantes.

Revisión colectiva

La verificación proviene de los usuarios, no del marketing.

La afirmación central de la plataforma, que sus registros son precisos, es verificada por las personas que la utilizan en lugar de tomarse por fe.

Estado de consenso
Confirmado
Estado de consenso
En revisión
Estado de consenso
Disputado
Base de revisión
Comprobado por pares
Actividad reciente de la plataforma (muestra)
  • Revisión independiente enviada para una señal registrada
  • Banda de variación actualizada después de nuevos datos de volumen
  • Entrada marcada como confirmada después de la verificación del segundo revisor
  • Nueva cohorte de estudiantes agregada al modo conservador

Acceso de estudiantes

Solicitar acceso a la cohorte beta

El acceso beta está dirigido a estudiantes universitarios que quieran leer el razonamiento de un modelo antes de decidir si seguirlo.

  • Lea el registro público completo de señales pasadas antes de tomar cualquier decisión.
  • Comience en modo conservador con el tamaño de posición limitado de forma predeterminada.
  • Revise las mismas bandas de varianza y definiciones utilizadas en la sección de metodología.
Cohorte beta: actualmente inscribiéndose