Quien haya investigado a mano estrategias de trading de muy corto plazo (el scalping, donde cada operación dura de segundos a minutos) sabe que lo difícil no son las cuentas.
¿Qué hago cuando sale la señal A? ¿Y si sale la B al mismo tiempo? ¿La dejo cuando el precio se mueve mucho y la descarto cuando está tranquilo? ¿Apuesto en contra aquí y me quedo fuera allá?
Si compruebas cada rama una por una, una noche cualquiera se convierte en un laboratorio privado. Pasar unas horas al día durante años para quedarte con una sola estrategia que sobrevive no es raro.
Entonces llega una IA que explora por su cuenta.
En cierto tipo de uso, prueba miles de variantes en pocas horas, investiga por qué las ganancias no son estables y usa cada fracaso para elegir lo siguiente que probar. La reacción de la gente suele ser la misma:
«¿Cuántos días le tomaría eso a una persona?»
Pero quedarse en «la IA puede probar 4.000 estrategias, así que ganamos» es peligroso. En finanzas, poder probar tanto también aumenta el riesgo de confundir la suerte con el talento. [1][2]
La conclusión de este artículo es sencilla:
lo que funciona es combinar tu propia idea, la búsqueda de la IA, la IA tratando de romper lo que encontró y una corrección estadística que tenga en cuenta cuántas cosas se probaron.
No basta con una IA que busque ganadoras. Hace falta otra que se dedique a destrozarlas.
1. Por qué años de trabajo manual pueden acortarse de golpe
Investigar una estrategia a mano es una cadena de pasos pequeños:
- Se te ocurre una idea.
- La conviertes en una regla.
- La pruebas con datos pasados (backtest).
- Lees el resultado.
- Te preguntas por qué no es estable.
- Separas la regla en partes.
- Pruebas otra vez.
Ningún paso es difícil por sí solo. Lo duro es repetirlos cientos o miles de veces.
Y por el camino te preguntas: «¿Qué probé ayer?», «¿Ya usé este filtro?». El cerebro humano no trae de fábrica un registro de investigación. Quizá algunos sí lo traen, pero nadie recibe avisos de actualización.
El valor de una IA que explora está en que mantiene el ciclo en marcha sin parar.
No se queda en «dio ganancias». Sigue preguntando: ¿las ganancias vienen solo de unos pocos días?, ¿desaparecen al contar las comisiones?, ¿solo funciona en una franja horaria?, ¿se cae si quito una pieza? Abre ramas y devuelve las razones del fracaso como nuevas hipótesis.
Eso es más que hacer backtests más rápido.
Es un ciclo de investigación más rápido.
2. Astra parece fuerte menos por «saberse la respuesta» y más por moverse bien en un lugar nuevo
ARC-AGI-3 sirve para entender qué significa eso.
Es una prueba interactiva en la que la IA maneja un mundo nuevo de cuadrícula en 2D, sin instrucciones ni una meta declarada. Tiene que explorar, descubrir cómo funciona ese mundo, adivinar el objetivo, hacer un plan, actuar y corregirse. [3][4]
En julio de 2026, GPT-5.6 Sol sacó 7,78 % en el conjunto semiprivado de ARC Prize. En otro conjunto, público, OpenAI mostró que guardar el estado del razonamiento y comprimir el contexto subía a Sol de 13,3 % a 38,3 %. [5]
En septiembre, Astra sacó 62,7 % en ese mismo conjunto semiprivado con el entorno de evaluación estándar de ARC Prize, y 99,9 % con un Provider Adapter, un entorno que conserva más del razonamiento entre una acción y la siguiente. El entorno cambia mucho la nota, así que no se puede leer como un simple 99,9 contra 7,78. Lo que sí se ve es un gran salto en explorar, entender cómo funcionan las cosas y mantener el hilo en tareas largas. [6][3]
ARC Prize también informó de que, en el 96 % de los niveles que Astra completó, usó menos acciones que la mediana de las personas que los terminaron. [3]
Es otro tipo de fuerza distinto a resolver una ecuación difícil de un tirón.
Se parece más a esto:
«¿Qué pasa si toco esto? Bien, ¿y si pruebo aquello? Ah, ya entendí la regla.»
Las pruebas parecen juegos. Algunas son tan simples que un niño jugaría con ellas, y aun así a las IA les costaron mucho durante años. Por eso un salto repentino ahí dice algo sobre aprender un lugar nuevo tocándolo.
El propio ARC Prize no dice que sacar una nota alta en ARC-AGI-3 demuestre una inteligencia general como la humana. Un juego cerrado con reglas fijas no es el mundo real. [3]
3. Por qué explorar un juego en 2D se parece a investigar scalping
El mercado no es un juego. Los precios no los fija un reglamento ordenado.
Aun así, los pasos de la investigación se parecen bastante.
Digamos que agregas una condición basada en el libro de órdenes (la fila de órdenes de compra y de venta) y tu backtest mejora.
No te quedas ahí.
- ¿Esa inclinación del libro de órdenes realmente predice algo?
- ¿Solo funciona cuando el precio se mueve mucho?
- ¿Solo se ve así porque la diferencia entre precio de compra y de venta era pequeña?
- ¿Desaparece si tus órdenes se ejecutan un escalón peor?
- ¿Existe solo en una franja horaria?
Observas. Cambias una condición. Miras el resultado. Reescribes tu idea.
Es parecido al ciclo de ARC-AGI-3: observar, actuar, ver la reacción, actualizar el mapa mental y volver a actuar. [3][4]
Por eso, en vez de «busca los parámetros que más ganen», conviene pedirle:
«Descompón por qué existe esta ganancia, encuentra las condiciones que la matan y convierte cada fallo en el siguiente experimento.»
No es un examen de adivinar la estrategia ganadora.
Se lo entregas como un juego de investigación en terreno desconocido.
4. La experiencia humana no desaparece: la corazonada de que «por aquí hay algo raro» vale más
Es tentador dejar que la IA busque todo desde cero.
Pero cuanto más grande es la zona de búsqueda, más sirve tu experiencia como mapa de dónde empezar a cavar.
Quien ha leído los libros y ha probado indicadores y patrones de precios uno por uno suele tener notas como estas:
- Es débil por sí sola, pero puede servir como regla de «aquí mejor no operar».
- Seguramente solo sirve cuando el mercado tiene una tendencia clara.
- Se ve genial con datos pasados, pero las comisiones se la comen.
- Sirve más para frenar una mala entrada que para predecir la dirección.
- Parece fuerte, pero seguramente se concentra en un solo periodo.
Esto no es una lista de respuestas correctas.
Es una corazonada sobre dónde mirar primero.
En la ciencia pasa igual. Co-Scientist (2026) parte de un objetivo y de evidencia que dan los investigadores, y repite un ciclo: genera hipótesis, las critica, las ordena y las mejora, usando más tiempo de cómputo para profundizar. [7]
En finanzas se puede usar la misma idea.
Una persona planta una semilla: «esto parece fuerte».
La IA cava miles de direcciones alrededor.
Si los resultados contradicen la corazonada, se descarta sin piedad.
La experiencia no se usa como respuesta, sino como pista de dónde gastar primero el esfuerzo de búsqueda.
Así, los puntos débiles del «prejuicio del veterano» y de la «fuerza bruta de la IA» se compensan un poco entre sí.
5. Por qué combinar muchas condiciones es un infierno a mano
Imagina 20 ingredientes.
Con solo decidir «lo uso o no lo uso» para cada uno ya hay
2^20 = 1.048.576 combinaciones.
Si son tres opciones (no usarlo, usarlo tal cual, usarlo al revés), son
3^20 = 3.486.784.401 combinaciones.
Claro que nadie las prueba todas. Con lo que sabes, descartas las que no tienen sentido.
Pero la investigación real añade más: valores de corte, franjas horarias, cuánto se mueve el precio, la diferencia entre compra y venta, cuánto tiempo mantienes la posición, evitar los momentos de noticias, compras frente a ventas, cómo se ejecutan las órdenes.
Así que la rutina de siempre del investigador:
«¿Y si miro esto también? ¿Y si excluyo este caso? ¿Y si solo en este tipo de mercado?»
era, en la práctica, una persona recorriendo a pie un árbol enorme de ramificaciones.
No extraña que tardara años.
La hoja de cálculo no tiene la culpa. El universo es demasiado grande.
6. Lo valioso de la IA no es la fuerza bruta, sino elegir el siguiente experimento
Un buen uso de una IA que explora bien no es barrer todos los ajustes a ciegas.
Una buena búsqueda cambia la siguiente prueba según lo que acaba de pasar.
Si una estrategia se compone de A+B+C+D, quita las piezas de una en una y mira qué cambia.
- Quito D y casi nada cambia: D puede ser decoración.
- B es débil sola, pero A+B reduce mucho las rachas de pérdidas: B puede ser un filtro (una regla de «no operar»), no un predictor.
- C es débil en general pero fuerte cuando el precio se mueve mucho: C puede depender del tipo de mercado.
A quitar piezas para ver qué aporta cada una se le suele llamar prueba de ablación.
El nombre importa menos que la idea: desarmar una estrategia complicada y quedarte solo con las piezas que de verdad funcionan.
Explorar, fallar, clasificar la causa, volver a explorar.
Si automatizas ese ciclo, la IA deja de ser una herramienta que solo busca números y empieza a parecerse a un asistente de investigación.
7. El mayor enemigo es la suerte: prueba 4.000 cosas y aparecerá un «genio con suerte»
Esta es la parte más peligrosa de investigar con dinero.
Si pruebas 4.000 estrategias y te quedas solo con la más bonita, esa ganadora pudo ganar por casualidad, no por mérito.
White explicó que, cuando se usan los mismos datos una y otra vez para sacar conclusiones y elegir modelos, un resultado que se ve bueno puede venir de la suerte y no de un método realmente mejor. A eso se le llama data snooping, algo así como «husmear en los datos». [1]
Combinar varias señales lo empeora.
Novy-Marx mostró que, al elegir y combinar varias señales, el sesgo de ajustarse demasiado a los datos pasados se hace más fuerte. Incluso señales aleatorias, sin ninguna capacidad real de predecir, pueden producir un backtest que parece impresionante. [2]
Por eso la capacidad de búsqueda de la IA corta por los dos lados.
Puede equivocarse 4.000 veces más rápido que una persona.
Y puede darle el trofeo al error más hermoso.
Cuanto más busques, más tiene que estar la protección contra la suerte metida en la búsqueda misma, y no dejada como una revisión final.
8. La protección empieza anotando cada intento y escondiéndole a la IA la prueba final
Si buscas a gran escala, los 3.999 fracasos también forman parte del registro de la investigación.
Como mínimo, incluye esto en el proceso:
- Anota cada intento. Guarda cuántos probaste, qué cambiaste y por qué descartaste cada uno.
- Separa los datos de búsqueda de los datos de la prueba final. No mires los de la prueba final mientras eliges estrategias.
- Comprueba hacia adelante en el tiempo. Usa la validación walk-forward: construyes con el pasado y compruebas con el periodo posterior.
- Empeora las condiciones a propósito. Aumenta la diferencia entre compra y venta, las comisiones, el desvío del precio de ejecución, el retraso, la dificultad para que se ejecute una orden.
- Mira si sobrevive con ajustes cercanos. Desconfía de una estrategia que funciona con un valor exacto y se cae un paso más allá.
- Separa por tipo de mercado. Revisa si la ganancia se concentra en periodos de mucho movimiento o de calma, en ciertas franjas horarias, en ciertos años, o en compras frente a ventas.
- Corrige por la cantidad de cosas que probaste.
Una forma de corregirlo es el Deflated Sharpe Ratio, o DSR. Al probar muchos candidatos, el ratio de Sharpe (una nota que compara el rendimiento con el riesgo) sale más alto de lo que debería. El DSR lo ajusta, y también ajusta por rendimientos que no se reparten de forma simétrica. [8]
La Probability of Backtest Overfitting, o PBO, se creó para backtests de inversión. Estima la probabilidad de que la estrategia elegida esté sobreajustada al pasado, con un método llamado validación cruzada simétrica combinatoria. [9]
El Reality Check de White comprueba el data snooping entre muchos candidatos. La prueba de Superior Predictive Ability de Hansen, o SPA, la mejora para que los candidatos débiles o irrelevantes la distorsionen menos. [1][10]
No hace falta memorizar todos los nombres.
La idea es una sola:
si fue la mejor de 4.000 intentos, júzgala como la ganadora de un torneo de 4.000 intentos.
Y si miras los datos que habías apartado y luego cambias la estrategia, esos datos ya no están intactos. La versión modificada necesita datos nuevos, sellados.
9. La configuración más fuerte usa dos IA: una encuentra ganadoras y la otra intenta matarlas
Con una sola IA exploradora, la inclinación siempre es a buscar algo atractivo.
Así que se reparten los papeles.
La exploradora
- Crea condiciones nuevas.
- Reordena las ideas de la persona.
- Investiga cómo funciona cada tipo de mercado.
- Convierte las razones de los fallos en los siguientes candidatos.
La crítica
- Empeora los costos.
- Retrasa las ejecuciones.
- Quita algunos días.
- Mueve los ajustes.
- Se lleva la estrategia a otro periodo o a otro mercado.
- Aplica DSR, PBO, Reality Check, SPA y similares para corregir por la cantidad de intentos.
- Comprueba si la ganancia está en solo unos pocos días o unas pocas operaciones.
La exploradora vuelve con un «¡Encontré una!» y la crítica responde: «¿En serio?»
Si sobrevive, se le pega otra vez.
En la investigación con dinero, ese lado antipático es calidad.
El objetivo debería pasar de «la máxima ganancia» a
«algo que sigue en pie y que puedes explicar cuando dañas un poco las condiciones, cambias de periodo o empeoras los costos».
10. Cuando sale un modelo nuevo, busca la capacidad que de pronto superó un muro, no la nota total
Esto no es solo cosa del scalping.
Cuando sale un modelo de IA nuevo, fijarse solo en si la nota general subió un 5 % puede hacer que te pierdas dónde está el dinero.
La pregunta útil es:
«¿Qué trabajo no era rentable con el modelo anterior y de repente sí lo es?»
En el caso de Astra, lo que destacó en ARC-AGI-3 fue explorar un mundo desconocido, resumir cómo funciona en un modelo mental corto y avanzar con pocas acciones. [3]
Desde ahí, razona al revés.
- ¿Hay algún trabajo que consista en probar enormes cantidades de ideas?
- ¿Hay tareas en las que la gente pierde tiempo decidiendo qué probar después?
- ¿Se puede medir el éxito o el fracaso con un número?
- Si se repite 100 o 1.000 veces, ¿es grande la diferencia en costo de mano de obra?
- ¿Esa mejora de capacidad se traduce directo en ganancias, menores costos o desarrollo más rápido?
Donde coinciden esas cinco cosas, la cosa se pone interesante.
También en la ciencia ya se hace a gran escala el ciclo de generar, criticar, comparar y mejorar, como en Co-Scientist. [7]
Así que conviene tratar el anuncio de un modelo nuevo no como leer una ficha técnica, sino como
una búsqueda del tesoro: ¿qué paso que antes era una pesadez para las personas ya puede hacerlo una máquina?
En la investigación del trading de corto plazo, ya empieza a asomar una respuesta.
La corazonada que una persona construyó durante años, «por aquí se ve fuerte», no hay que tirarla.
Se la pasas a la IA y la dejas cavar miles de direcciones.
Después haces que la misma IA intente romper sus propios resultados, los pasas por los filtros estadísticos y guardas un último conjunto de datos que nadie haya tocado.
El resumen más corto es este:
La persona dibuja el mapa. La IA cava más allá de sus bordes. La estadística pregunta al final: «¿Eso de verdad es oro?»
Cuanto más fuerte es la IA, más hace falta que alguien al final se mantenga frío y desconfiado.
Y ese alguien también puede ser una IA, claro.
- Halbert White — A Reality Check for Data Snooping, Econometrica 68(5), 2000 onlinelibrary.wiley.com
- Robert Novy-Marx — Backtesting Strategies Based on Multiple Signals, NBER Working Paper 21329, 2015 nber.org
- ARC Prize — OpenAI's GPT-6 Astra on ARC-AGI-3 (2026-09-03) arcprize.org
- ARC Prize — Announcing ARC-AGI-3 / ARC-AGI-3 documentation https://docs.arcprize.org/ arcprize.org
- OpenAI — How two settings tripled our ARC-AGI-3 scores (GPT-5.6 Sol) openai.com
- OpenAI — GPT-6 Astra: A new generation of intelligence openai.com
- Juraj Gottweis et al. — Accelerating scientific discovery with Co-Scientist, Nature, 2026 nature.com
- David H. Bailey & Marcos López de Prado — The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting, and Non-Normality, 2014 doi.org
- David H. Bailey, Jonathan Borwein, Marcos López de Prado & Qiji Jim Zhu — The Probability of Backtest Overfitting, 2015 papers.ssrn.com
- Peter Reinhard Hansen — A Test for Superior Predictive Ability, Journal of Business & Economic Statistics 23(4), 2005 tandfonline.com
