Cuando investigas con IA, es fácil perder de vista cuándo parar. Pruebas una idea y te preguntas qué pasaría con otra condición. La compruebas y quieres probar en otro mercado. Le preguntas a la IA y casi siempre aparece una forma de hacerlo. Puedes modificar el código y ejecutarlo de nuevo.
Llevo cerca de un año investigando trading sistemático de esta manera.
Lo he disfrutado. Me gusta poder poner a prueba una idea que hasta entonces solo existía en mi cabeza. Si cada pregunta hubiera exigido resolver primero si era capaz de implementarla, probablemente habría dejado pasar muchas. Con la IA, aumentaron las cosas que podía intentar.
Pero tener más posibilidades también tenía un coste. Me tocaba decidir qué no probar.
Si no me convence un backtest, por ejemplo, siempre puedo encontrar algo que ajustar. Cambiar una condición de entrada, examinar un periodo especialmente malo o aplicar la estrategia a otro mercado. La IA ayuda en cada intento. Y suele ofrecer una explicación bastante convincente.
Ahí la investigación se vuelve ambigua. Corregir un supuesto equivocado y cambiar condiciones hasta obtener un resultado que guste pueden parecerse mucho mientras trabajas. En ambos casos modificas el código y vuelves a ejecutarlo.
Por eso fue creciendo la lista de cosas que debía anotar. Antes del experimento: qué quiero comprobar y qué resultado me haría abandonar la idea. Después: qué condiciones cambié tras ver los resultados. Es tedioso, pero sin esas notas puedo acabar recordando las razones de los cambios como más sólidas de lo que fueron.
Con el código ocurrió algo parecido. Cuando termina la ejecución y aparecen números, uno se tranquiliza. Pero obtener números no garantiza que el cálculo sea correcto. El momento de generar la señal y el de enviar la orden podrían no coincidir como deberían. El redondeo de una cantidad podría eliminar una operación prevista. Es difícil detectar esos detalles mirando solo la curva de capital.
Así que mis peticiones a la IA también tenían que ser concretas. Además de pedirle que implementara una estrategia, debía comprobar por qué aparecía una orden en cierta fecha, qué datos había utilizado y cómo había calculado la cantidad. Una conversación sobre el resultado global acababa devolviéndonos a una operación o a una línea de cálculo.
Desde fuera, quizá este trabajo parezca poca cosa. Puedes pasar todo el día ocupado y concluir que hay que revisar otra vez el resultado. Pero, si me salto esa revisión, ya no sé en qué me estoy apoyando al pasar al siguiente experimento.
La IA fue bastante útil en esto. Podía revisar con ella código ya escrito, comparar distintas ejecuciones y buscar supuestos que había pasado por alto. Lo que no podía hacer era asumir mi responsabilidad por estar orientando las preguntas hacia la respuesta que quería. Esa parte seguía siendo mía.
Por eso también quiero empezar este blog. Durante la investigación siempre surgía otra tarea y apenas encontraba ocasiones para explicar bien el camino recorrido. Escribirlo debería ayudarme a distinguir lo que entiendo de lo que he dejado un poco en el aire.
Quiero abordar un experimento o una pregunta cada vez: por qué pensé que valía la pena intentarlo, qué fue distinto al hacerlo y qué cambié después.
Al mirar las notas del último año, no parece que vayan a faltarme temas por ahora. Solo llevo algo de retraso en ponerlos en orden.