Ahora es la noche del 20 de abril de 2026.

Estos días he seguido avanzando en la experimentación de la dinámica de los tres cuerpos del mercado de capitales, principalmente implementándola primero en Pine Script como un prototipo que se pueda ver, probar y en el que se pueda iterar rápidamente.

El enfoque esta vez no era lograr inmediatamente un rendimiento espectacular de la estrategia, sino responder primero a algunas preguntas más fundamentales: ¿Cómo deberían modelarse realmente las tres variables de estado del mercado $\delta$, $\mu$, $\sigma$? ¿Son realmente independientes entre sí? Y, ¿puedo ver al menos un atisbo de mi idea previa de las compuertas de tres cuerpos en la estrategia más simple?

Primero, la conclusión: esta ronda de experimentos ha sido fructífera, y bastante, pero más en el sentido de validación y convergencia. Algunas de las hipótesis planteadas anteriormente en la dinámica de los tres cuerpos han sido validadas aún más en este prototipo Pine; además, también han surgido nuevos problemas a nivel de implementación. La combinación de estas dos partes es lo que me ha permitido converger hacia las direcciones que realmente merecen una mayor profundización.

1. Primero, convertir la dinámica de los tres cuerpos en un prototipo Pine

Primero convertí el mecanismo de tres variables + ocho fases + compuertas en un prototipo de indicador Pine. Esto me permite al menos visualizar en TradingView en qué estado se clasifica el mercado en diferentes etapas.

El núcleo de este prototipo son tres cosas:

1. Estimar las tres variables de estado $\delta$, $\mu$, $\sigma$;
2. Estandarizarlas para formar estados alto/bajo;
3. Mapear el estado ternario alto/bajo a las ocho fases, y luego mapearlas a las compuertas para los tres tipos de estrategias: momentum, valor y market making.

Este paso en realidad no tiene nada de misterioso. La verdadera dificultad no está en dibujar el color de fondo de las ocho fases, sino en el primer problema: cómo calcular exactamente estas tres cantidades, especialmente $\delta$.

2. Primera validación importante: usar la desviación de la media móvil para definir $\delta$ ha sido refutado experimentalmente, de nuevo

Al principio, la idea más natural era definir la prima como la desviación del precio respecto a una media móvil lenta central. Porque es intuitivo y fácil de calcular.

Sin embargo, para ser más preciso, no es un "descubrimiento", sino una confirmación experimental más. Ya lo había explicado claramente en "Esquema de modelado de variables de estado del mercado para compuertas de tres cuerpos": si se usa la desviación de la media móvil para definir $\delta$, entonces degenera en una variante linealmente correlacionada con $\mu$. Más estrictamente, cualquier filtro lineal lento, si se usa para definir ese llamado "centro" o "valor intrínseco", hará que $\delta$ eventualmente se convierta en una variante del momentum.

Después de implementarlo realmente en Pine esta vez, vi el mismo problema nuevamente: el $\delta$ definido de esta manera está altamente correlacionado con $\mu$, son casi lo mismo. No es un problema de ajuste de parámetros, sino un error estructural. Teóricamente ya lo había argumentado antes, esta vez solo lo confirmé a nivel experimental.

Este problema es crucial.

Porque para que la dinámica de los tres cuerpos sea válida, la premisa es que $\delta$, $\mu$, $\sigma$ deben ser realmente tres dimensiones relativamente independientes. Si $\delta$ termina siendo solo $\mu$ disfrazado, entonces todo el sistema colapsa desde el principio.

Por lo tanto, ahora creo que este camino puede descartarse claramente. Al menos, ya no se puede llamar $\delta$ a cosas como la "desviación de la media móvil lenta". Como mucho, es una variante de algún filtro de momentum, no la variable de estado de prima que estoy buscando aquí.

3. Segunda convergencia importante: ahora tiendo a entender $\delta$ como un grado de desviación, no como una dirección

Luego convergí en otra conclusión: $\delta$, al menos en mi sistema actual, su significado central no es "si el precio se desvía hacia arriba o hacia abajo", sino "qué tan lejos está el precio de la zona de consenso y cuánta presión de retroceso hay".

Por lo tanto, $\delta$ se parece más a una intensidad de desviación, no a una variable direccional.

Precisamente por eso, luego cambié muchas de las expresiones originalmente direccionales, tendiendo a entenderlo en términos de valor absoluto, magnitud o intensidad del gradiente. Se hizo un tratamiento similar con $\mu$ y $\sigma$. Al menos en esta versión del prototipo, no quiero que estas tres cantidades codifiquen inherentemente la dirección alcista/bajista. Por ahora prefiero estudiar primero la "fuerza del estado", no la "determinación de la dirección".

En otras palabras, en esta ronda de experimentos:

• $\delta$ se parece más al grado de desviación / intensidad de la presión de retroceso;
• $\mu$ se parece más a la intensidad del movimiento continuo;
• $\sigma$ se parece más a la intensidad de la volatilidad.

Después de este ajuste, la semántica de las tres variables es mucho más clara que antes.

4. Tercera convergencia importante: el espacio logarítmico es un sistema de coordenadas más apropiado

Al avanzar más, se descubre que si la entrada es una serie de precios, muchas cosas es mejor manejarlas de manera unificada en el espacio logarítmico.

Porque el rendimiento es inherentemente el rendimiento logarítmico, y la volatilidad también se define más naturalmente sobre el rendimiento logarítmico. Si $\delta$ permanece en el espacio de precios lineal, todo el sistema se vuelve un poco incómodo.

Así que luego cambié la implementación al sistema de coordenadas de precio logarítmico / rendimiento logarítmico. Después de este paso, las dimensiones y la interpretación dentro del modelo se volvieron mucho más coherentes.

Ahora básicamente no tengo dudas sobre esto. Si continúo avanzando en el futuro, asumiré por defecto pensar en esto en el espacio logarítmico.

5. Sobre $\delta$, el esquema del centro basado en cuantiles es útil, pero no estoy satisfecho

En la fase del prototipo Pine, también probé un esquema más adecuado que el centro de la media móvil: en lugar de una sola media móvil, usar una banda de cuantiles dentro de una ventana fija, y luego tomar su centro para describir la "zona de consenso".

Este esquema es definitivamente mucho mejor que la desviación de la media móvil. Es más estable y se parece más a describir un rango de aceptación de precios, no una sola línea.

Y gráficamente, es más sensible a algunos puntos de reversión local.

Pero luego me fui descontentando cada vez más con este esquema. La razón es simple: la mediana de ventana fija, o la banda de cuantiles, esencialmente realizan una compresión de información brutal. Originalmente, en el eje de precios podrían existir múltiples puntos de anclaje psicológico, múltiples zonas de congestión de volumen, estructuras multimodales, pero al final se las fuerza a comprimir en un "centro" o una "banda", lo que en realidad destruye mucha información.

En entornos unimodales, con tendencias claras, esta simplificación podría ser aceptable. Una vez que se entra en entornos de oscilación compleja, con múltiples puntos de anclaje coexistiendo, se vuelve muy parcial.

Así que mi conclusión actual es: el esquema del centro basado en cuantiles puede ser una buena línea base, una aproximación práctica muy útil en Pine, pero no es el $\delta$ que realmente quiero.

6. La dirección que ahora respaldo más es el "campo gravitacional anclado al volumen"

La comprensión que ahora respaldo más es: el valor intrínseco no es un punto, sino un campo endógeno generado por el comportamiento transaccional del mercado.

Quién negoció a qué precio, cuánto volumen se negoció, qué tan lejos están esas transacciones del presente, si esos anclajes han expirado, todas estas cosas determinan conjuntamente la presión de retroceso que sufre el precio actual.

Por lo tanto, $\delta$ no debería entenderse como "cuánto se desvía el precio actual de un punto de anclaje", sino como "cuánta presión neta de retroceso experimenta el precio actual en toda la red histórica de anclajes".

Esta es también la razón por la que luego me orienté hacia el esquema del campo gravitacional. Porque, según mi intuición teórica previa, lo verdaderamente razonable nunca debería ser un punto de anclaje único, sino un campo resultante de la acción conjunta de múltiples puntos de anclaje.

La intuición es bastante simple:

1. Cuanto mayor sea el volumen, más fuerte es el consenso en ese rango de precios;
2. Las transacciones históricas más cercanas al presente deberían tener un efecto de anclaje más fuerte;
3. Los puntos de anclaje más cercanos al precio actual deberían contribuir más a la fuerza de retroceso;
4. Lo verdaderamente significativo no es el valor del campo en sí, sino su gradiente respecto al precio, es decir, la "fuerza que lo empuja de vuelta".

Esta intuición es mucho más natural que "tomar la mediana de una ventana larga", y se ajusta mejor a mi comprensión del comportamiento del capital de valor.

7. Pero la primera implementación del campo gravitacional también reveló un problema práctico: demasiados parámetros y propenso a explotar

Luego implementé una aproximación de este esquema de campo gravitacional también en Pine.

El resultado fue una explosión numérica muy exagerada desde el principio, llegando directamente a valores superiores a $10^{10}$. Esto no es sorprendente, porque si simplemente se suman términos de gradiente ponderados por volumen y se superpone un parámetro de ancho de banda muy agresivo, las dimensiones se descontrolan fácilmente.

Luego le agregué normalización y decaimiento temporal, y finalmente logré controlar los valores numéricos.

Pero surgió un nuevo problema: aunque este esquema es teóricamente más elegante, la ventaja percibida en los puntos de reversión local no fue tan grande como esperaba originalmente. Especialmente en comparación con el esquema de cuantiles, en escalas de tiempo similares, ambos finalmente mostraron una correlación bastante fuerte.

Esto indica dos cosas.

Primero, la implementación actual del campo gravitacional no es lo suficientemente buena, es solo un prototipo aproximado muy rudimentario en Pine.

Segundo, lo verdaderamente crucial no está en agregar ciegamente más ventanas y parámetros, sino en si las suposiciones de comportamiento incorporadas en la fórmula son correctas.

Si el modelo mental es incorrecto, de nada sirve ajustar los parámetros de manera elegante.

8. Lo que realmente merece seguir investigándose no es la ventana, sino la asimetría en las finanzas conductuales

Hacia el final de esta ronda de experimentos, cada vez estoy más convencido de que lo que realmente merece una investigación profunda sobre $\delta$ no es "si la ventana es 200 o 500", ni "qué coeficiente de suavizado usar", sino algunas preguntas más fundamentales:

1. ¿Cómo decae exactamente el efecto de anclaje psicológico?
2. ¿El efecto disposición hará que la función núcleo sea inherentemente asimétrica?
3. Cuando existe un sesgo alcista, ¿la "dureza" del soporte y la resistencia es inherentemente diferente?
4. A medida que pasa el tiempo, ¿la "probabilidad de supervivencia" de un punto de anclaje histórico debería incorporarse en el peso?

Si estas preguntas son válidas, entonces no deberíamos seguir usando un núcleo simple y simétrico para describir todos los efectos de anclaje.

Cada vez tiendo más a la siguiente conclusión: los anclajes residuales en el mercado no son simétricos. Las posiciones con ganancias a menudo se liquidan más rápido, mientras que las posiciones con pérdidas tienden a mantenerse con más facilidad. Después de esta capa de selección de supervivientes, el poder de anclaje que realmente permanece en el mercado se inclina naturalmente hacia el lado de las pérdidas.

Si además se superpone el hecho de que la mayoría de los mercados son inherentemente alcistas, entonces muchas veces, que los niveles de soporte sean más "duros" que los de resistencia no es un fenómeno casual, sino el resultado natural de este mecanismo.

Creo que esto merece mucho la pena seguir desarrollándolo.

9. Los resultados preliminares del experimento con la estrategia de compuertas no me han satisfecho

Además del indicador, también escribí un archivo de estrategia Pine por separado, usando la estrategia más simple de cruce de dos medias móviles como señal base, y luego agregando un interruptor momentum_gate para ver si esta compuerta realmente aporta una mejora.

Hasta ahora, los resultados muestran que la mejora no es evidente. Al menos en esta configuración experimental muy prototípica, aún no ha dado una respuesta que me satisfaga.

Este resultado no es sorprendente, pero sí indica algunos problemas.

Ahora creo que lo más probable no es que "las compuertas de tres cuerpos sean completamente inútiles", sino que mi configuración experimental actual es demasiado burda.

Los dos problemas más probables son:

1. Se debería usar un cambio de estado a gran escala para controlar las señales a pequeña escala, no autocontrolarse en el mismo período;
2. Actualmente, todos los parámetros siguen siendo a nivel de prototipo, muy lejos de estar adaptados al mercado.

Especialmente el primer punto, ahora me parece más crucial. Porque un filtro de régimen es inherentemente más parecido a una variable de estado de alto nivel; debería funcionar en escalas de tiempo más grandes, no contaminarse mutuamente con las señales de bajo nivel en la misma banda de frecuencia.

Por lo tanto, esta ronda de experimentos con compuertas no dio resultados particularmente buenos, pero al menos me ayudó a confirmar una cosa: a continuación, debo hacer experimentos verdaderamente multitemporales o directamente pasar a un marco de investigación con datos fuera de línea. De lo contrario, seguir ajustando parámetros en el mismo período en Pine tendrá rendimientos marginales cada vez menores.

10. La ganancia más importante de esta ronda de experimentos es, en realidad, la convergencia de la dirección de investigación

Si solo se mira el rendimiento a corto plazo de la estrategia, esta ronda de experimentos no puede considerarse muy exitosa.

Pero desde la perspectiva de la investigación en sí, creo que es muy valiosa. Porque me ayudó a separar muchos problemas que originalmente estaban mezclados, y también a distinguir "cuáles son juicios teóricos previos y cuáles son problemas de implementación nuevos expuestos en esta ronda de experimentos".

Ahora mi comprensión de este asunto es bastante clara:

1. Las definiciones de $\mu$ y $\sigma$ son relativamente maduras, sin mucha controversia;
2. $\delta$ es la parte más difícil y valiosa de toda la dinámica de los tres cuerpos;
3. $\delta$ no puede seguir el camino del centro lineal, de lo contrario degenerará inevitablemente;
4. El esquema del centro basado en cuantiles puede servir como línea base, pero no es el objetivo final;
5. La dirección que realmente merece seguir avanzando es el modelo de campo gravitacional con anclaje de volumen, decaimiento temporal e incluso asimetría izquierda-derecha;
6. El siguiente paso debería ser continuar desde las perspectivas del efecto disposición, el anclaje psicológico y la probabilidad de supervivencia de los puntos de anclaje, para simplificar y reescribir la fórmula de $\delta$.

En resumen, el problema se ha reducido a un punto bastante específico:

Lo que busco no es una fórmula de prima que "parezca muy avanzada", sino un modelo simplificado que pueda retener la información de múltiples puntos de anclaje sin perder falsabilidad debido a demasiados parámetros.

Esto es lo que realmente vale la pena hacer a continuación.