1. Punto de partida: ¿qué "aprendió" Meruem frente a Netero?
Si hubiera que elegir un solo término de aprendizaje automático para explicar cómo Meruem atravesó el Kannon de las Cien Formas de Netero, el más cercano es el modelado de oponente en tiempo real. Consiste en observar al rival mientras peleas y corregir poco a poco tu idea de qué jugada elegirá en cada situación.[1]
Pero llamarlo simplemente "aprendizaje por refuerzo" se queda corto. Meruem hace varias cosas a la vez:
- Observa el último movimiento de Netero, la distancia, la dirección del ataque y el ritmo.
- Calcula las preferencias de Netero en cada situación, es decir, sus manías inconscientes.
- Predice la siguiente jugada.
- Cambia su forma de atacar para provocar una reacción concreta.
- Busca, varias jugadas más adelante, un camino para pasar.
Por eso, la descripción más exacta es modelado del oponente + aprendizaje en tiempo real + predicción de secuencias + planificación. Es la habilidad que entrenó en el Gungi (el juego de mesa de la serie), leer las decisiones del rival y comparar ramas futuras, llevada al combate.
2. Incluso un uno contra uno tiene demasiadas combinaciones. ¿Por qué se puede leer?
Imagina que cada lado solo tiene cinco opciones: atacar, defender, esquivar, moverse y fintar. Un turno de los dos ya da 25 combinaciones. Diez turnos dan 25^10, unos 95 billones (95 millones de millones). En una pelea real, la dirección, la velocidad, la distancia, la fuerza y el momento cambian de forma continua, así que el número real es casi infinito.
Meruem no memorizó todas las secuencias. Lo importante es que las personas no usan todas sus opciones con la misma frecuencia.
Supón que Netero tiene 100 defensas, pero a cierta distancia elige la A el 50 % de las veces, la B el 30 % y la C el 15 %, y casi nunca las demás. Entonces lo que importa se reduce a A, B y C. Y si Meruem ataca de modo que la A sea más probable, las opciones del rival se reducen aún más.
La idea de fondo no es probar todos los casos. Es esta:
Limita la situación, encuentra el sesgo del rival y usa tus propias acciones para reducir cómo puede responder.
3. En el mercado no se ve directamente quién es "el fuerte"
En el duelo, el rival es solo Netero, así que se pueden aprender sus manías. En un mercado hay a la vez grandes inversores, casas de bolsa, creadores de mercado, operadores de alta velocidad, operadores profesionales y pequeños inversores de corto plazo. Con el libro de órdenes y la lista de operaciones normales no se sabe de quién es cada orden.
Por eso, en el scalping (operar movimientos de pocos segundos o minutos) "copiar al mejor" es peligroso. Lo que se ve no son personas, sino las huellas que dejan las operaciones:
- Cuántos ticks se movió el precio tras una compra.
- Si el precio no bajó aunque hubo ventas.
- Si las órdenes de venta consumidas se volvieron a llenar enseguida.
- Si las órdenes de compra subieron a un precio más alto.
- Si siguieron las operaciones después de un nuevo máximo.
- Si el diferencial entre compra y venta (el spread) se mantuvo estrecho o se abrió de golpe.
Así que la pregunta del mercado no es "¿quién está comprando?". Es:
En este momento, ¿qué lado, compradores o vendedores, mueve de verdad el precio?
4. Investigaciones que apoyan que una estrategia tipo rémora puede funcionar
La rémora es un pez que nada pegado a un tiburón y come lo que sobra. La idea es: "no compitas en velocidad con el fuerte que se mueve primero; toma lo que queda del movimiento después". Varios estudios respaldan esta idea.
Primero, las órdenes grandes se dividen. Si lanzas una orden enorme de golpe, empujas el precio en tu contra, así que los grandes inversores suelen partir una orden madre grande en muchas órdenes hijas pequeñas. Un estudio con más de nueve años de datos por cuenta de la Bolsa de Tokio apoyó con cifras que dividir órdenes explica por qué a una compra le suele seguir otra compra, y a una venta otra venta, durante mucho tiempo.[2]
Segundo, otros operadores leen las divisiones fáciles de predecir. Cuanto más claro es el patrón de las órdenes hijas de una orden grande, más lo aprovechan quienes anticipan órdenes, y mayores son el costo de ejecución y el impacto de precio que llega más tarde.[6][7] Esto se parece al "back-running" o anticipación de órdenes: adivinar la siguiente orden a partir del flujo pasado y ponerse detrás.
Tercero, la primera carrera es demasiado rápida para una persona. Un estudio con mensajes de una bolsa del Reino Unido encontró que una carrera típica decidida solo por velocidad dura de 5 a 10 microsegundos, y que más del 20 % del volumen estaba relacionado con algún tipo de carrera de velocidad.[9] Una persona que mira la pantalla y hace clic no puede competir por ese primer movimiento.
Por eso, lo que una persona puede buscar no son diferencias de precio que desaparecen en microsegundos, sino órdenes divididas, órdenes de seguimiento y falta de liquidez que duran de segundos a minutos.
Pero esto no significa que "comprar la segunda ola tras una subida siempre gane". Cuando termina la ejecución de una orden grande, parte del impacto de precio puede revertirse, y el primer comprador puede vender a los que llegan tarde y salir. El centro de la estrategia rémora no es el hecho de que el precio subió, sino comprobar que el movimiento todavía no ha terminado.
5. Cuatro huellas que se ven en datos públicos
5-1. Desequilibrio del flujo de órdenes (OFI)
El OFI no cuenta solo las órdenes a mercado: suma también las órdenes límite añadidas o canceladas en los mejores precios, y mide la diferencia entre la presión de compra y la de venta. Un estudio de 50 acciones de EE. UU. encontró que los cambios de precio en intervalos cortos se relacionaban de forma más estable con el OFI que con el volumen simple, y que el mismo OFI movía más el precio cuando el libro de órdenes era delgado.[3]
Piensa en un tira y afloja. No cuenta solo cuántas personas se unieron: cuenta hacia qué lado se movió de verdad la cuerda y si en el lado contrario entró o salió gente.
5-2. Desequilibrio del libro (queue imbalance)
Llama B a la cantidad en la mejor compra y A a la cantidad en la mejor venta. Una medida sencilla del desequilibrio es:
QI = (B - A) / (B + A)
Cuanto más cerca de 1 está el QI, más gruesa es la compra; cuanto más cerca de -1, más gruesa es la venta. Un estudio de 10 acciones del NASDAQ encontró una relación estadística entre el QI y la dirección del siguiente cambio del precio medio, con mejoras de predicción mayores en acciones con ticks grandes.[4]
Pero una orden gruesa no tiene por qué quedarse. Si se cancela, desaparece. Por eso no basta mirar una foto del grosor: hay que ver cómo cambian las altas, las cancelaciones y las operaciones.
5-3. Cómo reacciona el precio a las órdenes
Lo más claro y útil es mirar, más que el tamaño de las órdenes, cómo se movió el precio al recibirlas.
- Entran muchas compras a mercado y el precio no sube: puede que arriba una venta fuerte las esté absorbiendo.
- Entran ventas a mercado y el precio no baja: puede que abajo haya demanda que las absorbe.
Si piensas seguir a los compradores, una señal más fuerte que "hay muchas compras" es que el precio aguanta incluso cuando los vendedores contraatacan.
5-4. Qué tan rápido se recupera el libro
Cuando una orden grande se come parte del libro, la rapidez con que este se vuelve a llenar se llama resiliencia. Un estudio de una acción de la Bolsa de Londres encontró que el libro no siempre se recuperaba, pero cuando lo hacía, la vida media era de unos 20 segundos. También se vieron indicios de órdenes a mercado de seguimiento.[5]
No es una regla universal del tipo "opera en 20 segundos". La velocidad cambia según el mercado, la acción y la época. Lo importante es medir, poco después del primer movimiento, si el otro lado del libro vuelve o no.
6. Hipótesis de entrada: no compres el primer impulso, compra la segunda aceleración tras aguantar
La idea rémora más simple en el lado comprador tiene cinco pasos:
- Primer impulso: el precio, la frecuencia de operaciones y el OFI positivo suben por encima de lo normal.
- Espera: no persigas. Espera a que los vendedores contraataquen.
- Comprueba que aguanta: entran ventas a mercado, pero el retroceso es pequeño, las compras se rellenan y no se rompe el punto de partida del primer impulso.
- Segunda aceleración: el OFI positivo vuelve a crecer, las ventas se consumen y el precio marca un nuevo máximo reciente.
- Participa: toma solo el tramo corto que continúa tras confirmar la segunda aceleración.
Ejemplo con números: el precio sube rápido de 1000 yenes a 1010, retrocede a 1007, y cuando lo golpean los vendedores no rompe 1007 y vuelve a superar 1010. Ese punto es un candidato. Le dejas los primeros 10 yenes al jugador fuerte y tomas solo lo que queda tras confirmar.
Sin embargo, esta no es una regla ganadora terminada en un artículo científico. Lo que la investigación muestra directamente es que la dirección de las órdenes persiste, que el OFI y el desequilibrio del libro predicen un poco a corto plazo, y que existe quien opera por delante de órdenes predecibles. Los cinco pasos de arriba son una hipótesis por comprobar, armada para un particular a partir de esos hallazgos.
7. Toma de ganancias: piensa en cuánto dura tu razón de entrada, no en cuántos yenes quieres
La razón para comprar con este método es esta creencia:
"El impulso comprador de corta vida todavía está ahí y pronto llegarán compradores que sigan."
Por eso es natural decidir la salida según si esa creencia sigue viva, y no solo según cuánta ganancia llevas.
Piensa en la toma de ganancias y la salida como cuatro tipos que se usan juntos.
7-1. Salir cuando se rompe la razón
Estos cambios indican que ya no se cumple que "la compra va a continuar":
- El precio rompe hacia arriba y enseguida vuelve a caer por debajo.
- Rompe el mínimo del retroceso.
- El OFI cambia hacia la venta.
- Siguen entrando compras a mercado, pero el precio no sube.
- Las ventas se rellenan una y otra vez muy rápido.
- Las compras se retiran y el spread se abre.
En estos casos sales aunque no hayas llegado a tu objetivo. Si ibas corriendo detrás de un corredor fuerte y se detiene, no hay motivo para correr tú solo la distancia que fijaste al principio.
7-2. Salida por tiempo
Este método busca un movimiento que continúa enseguida. Si dentro del tiempo que esperabas no llega un nuevo máximo ni una segunda aceleración, que no pase nada ya es información.
Pero no hay una respuesta correcta como "20 segundos para todas las acciones". Cada señal se apaga a su propio ritmo, y un modelo de trading dinámico muestra que, si hay costos, debes ajustar tu posición a cuánto dura la señal.[12] Con tus propios datos, mide en cuántos segundos o eventos empiezan a subir las operaciones ganadoras, y usa esa fecha de caducidad como tu salida por tiempo.
7-3. Objetivo fijo
Un objetivo fijo no es malo, pero "3 ticks" o "ganar 2 por cada 1 que pierdo" sin base es débil. Reúne el máximo recorrido a favor después de entrar (MFE, hasta dónde llegó la operación a tu favor), resta comisiones y deslizamiento, y compara qué objetivo da el mejor valor esperado.
En forma simple, el valor esperado es:
valor esperado = tasa de acierto × ganancia media − tasa de fallo × pérdida media − costo de operar
Un objetivo más lejano da más por operación ganada, pero se alcanza menos veces. Hay que mirar a la vez el tamaño de la ganancia y la probabilidad de llegar.
7-4. Stop dinámico (trailing) y ganancias parciales
Para conservar las pocas operaciones que corren mucho, puedes usar un stop dinámico, que sube tu línea de salida a medida que sube el precio. La investigación matemática muestra que, si se supone cierto tipo de proceso de precios, una orden límite de venta combinada con un stop dinámico puede ser lo óptimo.[11] Pero eso no quiere decir que "siempre 2 ticks por debajo" sea lo mejor en todos los mercados.
Tomar ganancias en partes suele hacer los resultados menos irregulares, pero sueltas pronto la ganancia de tus mejores operaciones y aumentas el número de operaciones y los costos. No hay evidencia general de que "vender la mitad" sea siempre mejor. Hay que comparar en los mismos datos la salida total fija, la salida por tiempo, el stop dinámico y las salidas parciales.
8. Un stop-loss más cercano no es mejor por sí mismo
Un estudio teórico sobre el stop-loss encontró que, si los precios siguen un paseo aleatorio, un stop mecánico baja el rendimiento esperado; pero si los rendimientos tienden a seguir en la misma dirección, es decir, hay momentum, el stop puede valer la pena porque recorta pérdidas.[10]
La estrategia rémora busca que el momentum de corto plazo continúe, así que un stop del tipo "se rompió la razón" puede encajar bien. Pero un stop más estrecho que las pequeñas oscilaciones normales se activa una y otra vez, y solo pagas el spread y las comisiones.
Por eso tiene sentido separar los papeles:
- Stop inicial: el precio o el estado de las órdenes en que la jugada ya no se cumple.
- Stop de tiempo: cuando pasó el periodo en que el movimiento debía continuar.
- Stop tras ganancia: sigue el último mínimo del retroceso o un giro del flujo de órdenes.
9. Las personas tienen sesgos al tomar ganancias
Un estudio famoso con unas 10 000 cuentas encontró que los inversores tienden a vender demasiado pronto las acciones que ganan y a mantener demasiado tiempo las que pierden. Se llama efecto disposición.[13]
En el scalping pasa también lo contrario: no quieres perder una ganancia de 2 ticks, así que la tomas enseguida, pero esperas a que una pérdida de 2 ticks se recupere. El resultado son ganancias pequeñas y pérdidas grandes.
Para evitarlo, no salgas por la tranquilidad del momento. Sal por una razón definida de antemano:
- Se rompió la razón de entrada.
- Se acabó el tiempo.
- Se llegó al objetivo estadístico.
- Se tocó la condición del stop dinámico.
10. Lo que la investigación ha mostrado y lo que no
Bastante respaldado
- El modelado de oponente, que estima cómo actúan los demás y cambia tu propia estrategia, es un área de investigación útil en problemas con muchos participantes.[1]
- Dividir órdenes grandes es una causa de que las órdenes sigan en la misma dirección.[2]
- Los cambios de precio a corto plazo se relacionan más con el OFI que con el volumen solo.[3]
- El desequilibrio del libro a veces tiene poder estadístico para predecir la siguiente dirección del precio.[4]
- Que otros lean ejecuciones grandes y predecibles y operen después, la llamada anticipación de órdenes, se ha estudiado en teoría y con datos.[6][7]
- Las carreras de precio más rápidas son demasiado rápidas para que participen personas.[9]
- El valor de los stops y de los stops dinámicos depende del proceso de precios, de cuánto dura la señal y de los costos de operar.[10][11][12]
Lo que aún no está demostrado en general
- Que comprar un retroceso pequeño y una nueva ruptura tras una subida permita a un particular ganar de forma estable después de costos.
- Que mirando el libro se puedan identificar las órdenes de "scalpers hábiles".
- Que 20 segundos, 3 ticks o vender la mitad sean los valores óptimos para todas las acciones.
- Que una alta precisión de predicción se convierta directamente en una alta ganancia neta.
- Que una regla que funcionó en un periodo pasado siga funcionando cuando cambian los participantes y las normas.
11. Un diseño mínimo para comprobarlo
Antes de dejarlo todo en manos de una IA, es mejor registrar primero un solo tipo de situación entre 100 y 300 veces.
Registro de la situación
- Acción, hora, spread, tamaño del tick.
- Tamaño y duración del primer impulso, y frecuencia de operaciones.
- OFI, o una medida simple de presión de compra y venta.
- Tamaño del retroceso tras el primer impulso.
- Cuánto cayó el precio cuando golpearon los vendedores.
- Altas, cancelaciones y velocidad de relleno de las órdenes de compra y venta.
- Si hubo segunda aceleración y nuevo máximo.
Registro tras entrar
- Ganancia o pérdida a 1, 5, 10, 20 y 30 segundos.
- Máximo recorrido a favor (MFE).
- Máximo recorrido en contra (MAE, hasta dónde llegó la operación en tu contra).
- Tiempo hasta el precio máximo.
- Tiempo hasta que el OFI se invirtió.
- Precio real de ejecución, deslizamiento y comisiones.
Salidas que comparar
- Objetivo fijo y stop fijo.
- Razón rota + salida por tiempo.
- Objetivo fijo y, para el resto, stop dinámico.
- Salir de todo cuando el flujo de órdenes se invierta.
Separa el periodo de aprendizaje y el de prueba por fechas. No mezcles datos del futuro. Crea las reglas con datos antiguos y compruébalas con datos más nuevos. Como el mercado cambia, también hace falta repetir la prueba con el tiempo (validación walk-forward).
Por último, compara siempre después de costos. Aunque tu pronóstico acierte, si la ganancia es de 1 tick y el spread más el deslizamiento son 1 tick, no es una estrategia que funcione.
Conclusión
La idea principal de Netero contra Meruem no es memorizar todos los patrones.
Aprende el sesgo a partir de la conducta que puedes ver, limita la situación, comprueba cómo reacciona el otro lado y entonces entra por el camino corto que sigue abierto.
En el mercado, esto significa que no buscas a un "súper operador" con nombre. Lees las huellas que las órdenes fuertes dejan en los datos públicos. Le dejas el primer movimiento a los participantes rápidos, esperas a que el mercado aguante un contraataque y solo sigues si la presión de órdenes vuelve a acelerar.
Para tomar ganancias, no preguntes solo cuántos yenes ganaste. Pregunta:
¿Sigue viva la razón para seguir? ¿Continuó dentro del tiempo que esperabas? ¿Queda margen de movimiento después de los costos?
En su forma más corta:
No intentes ganarle al líder. Comprueba que el movimiento que creó sigue en marcha, súbete un rato y, cuando se detenga, bájate sin importar la distancia que te habías puesto de objetivo.
Este es el esqueleto básico del "scalping estilo rémora" que se puede sacar con sensatez de la investigación.
