En la intersección de la ciencia fundamental y el trading práctico nacen herramientas realmente interesantes. El trader Miles Deutscher presentó una estrategia de trading automatizada basada en el modelo GARCH (Heterocedasticidad Condicional Autorregresiva Generalizada), un aparato matemático galardonado con el Premio Nobel. Lo más notable: todo el sistema, desde la idea hasta la implementación, fue ensamblado por la inteligencia artificial Claude Code, no por un humano.

¿Qué es GARCH y cómo la IA ensambló este modelo?

GARCH es uno de los modelos cuantitativos más potentes que los analistas cuantitativos profesionales utilizan a diario. Desarrollado por Robert Engle (Premio Nobel 2003) y ampliado por su alumno Tim Bollerslev, subyace en la gestión de riesgos de muchos departamentos institucionales.

La idea clave del modelo es que la volatilidad del mercado no es aleatoria: se puede predecir. El cálculo se basa en solo tres indicadores:

  • Nivel base de fluctuaciones — una constante para cada activo. En Bitcoin, tradicionalmente es más alto que en el índice S&P 500.
  • Fuerza del movimiento del mercado de ayer — cuánto cambió el precio en el período anterior.
  • Nivel de volatilidad antes de ese movimiento — el contexto histórico.

La suma de estos tres valores da la predicción de fluctuaciones para mañana. Deutscher enfatiza: él no programó el sistema por sí mismo. Solo describió la tarea, y Claude Code convirtió las matemáticas en una herramienta de trabajo lista para usar.

¿Cómo se convierte la predicción de volatilidad en el tamaño de la posición?

Deutscher utiliza la estimación de fluctuaciones obtenida para calcular el tamaño de la posición. En el entorno institucional, es común limitar la reducción anual al 15%. A partir de este límite se construye toda la matemática.

Ejemplo: si la estimación de fluctuaciones para un activo es del 30% anual, el límite de reducción se divide por este indicador — el multiplicador de la posición resulta ser 0.5x. Con una posición base de $10,000, esto significa una entrada de $5000.

Este enfoque no predice el movimiento del precio: controla la exposición al riesgo ya medido. Como señaló Deutscher, al momento de escribir, la estimación de fluctuaciones para el índice Nasdaq se mantenía en un 30% anual.

Pruebas con datos históricos: resultados impresionantes

Para verificar la eficacia, el trader ejecutó la misma estrategia en el cruce de medias móviles de dos maneras en un conjunto de datos de quince años de Bitcoin, con las mismas entradas, salidas y señales.

Resultados:

  • Con un tamaño de posición fijo, el capital final fue de $17,957.
  • Con el cálculo de posición según el modelo GARCH, el resultado fue mayor: $21,205.

La variante con el modelo Nobel no solo generó más ganancias, sino que también recorrió el camino con menores reducciones y riesgo general. Sin embargo, Deutscher advierte: en caso de una caída brusca después de un período tranquilo, el modelo no funcionará: la posición se abrirá en su totalidad.

Mi opinión experta: El uso de GARCH combinado con automatización de IA es un híbrido elegante de rigor académico y tecnologías modernas. Pero no olvide: el modelo mide la volatilidad, no la dirección. Es una herramienta poderosa de gestión de riesgos, no una bola de cristal. El éxito de la estrategia depende de la disciplina y la comprensión de sus limitaciones.