AlphaVue: de la investigación de acciones con IA a un sistema de decisiones de inversión

AlphaVue siempre ha sido bueno en una tarea: convertir un ticker en una nota de investigación estructurada. Ingresas una empresa y la plataforma ensambla los estados financieros, la valoración, los riesgos y las fuentes en algo que realmente puedes leer. Esa capacidad sigue presente y sigue siendo importante. Lo que añade esta versión es todo lo que ocurre después de que la nota aterriza.

Una nota de investigación es una instantánea, y las instantáneas envejecen. Las empresas siguen reportando, los precios siguen moviéndose, las estimaciones se siguen revisando, y una conclusión que tenía sentido hace tres meses puede dejar de tenerlo sin ningún hecho dramático puntual. La parte difícil de la investigación de acciones rara vez es la primera lectura. Es hacer seguimiento de lo que cambió, decidir si tu razonamiento original aún se mantiene y entender qué significa un nuevo dato para las acciones que ya posees.

La segunda mitad es de lo que trata esta actualización: convertir una plataforma de investigación de acciones con IA en un sistema de decisión de inversión. AlphaVue ahora mantiene un estado duradero alrededor de su análisis: versiones de la investigación, la evidencia detrás de cada versión, los resultados que produjo y las alertas que las siguen. El producto está organizado en torno a un único bucle, y cada nueva superficie en este lanzamiento se sitúa en alguna parte de él:

Descubrir → Investigar → Seguir → Entender el cambio → Validar → Prueba prospectiva → Ver impacto en la cartera → Revisar de nuevo.

A continuación, lo que se lanzó, lo que hace cada parte y cómo usarlo.

Por qué un informe no es suficiente

El límite de la mayoría de las herramientas de investigación de acciones con IA no es la calidad de una sola respuesta. Es lo que esa respuesta hace por ti después.

Un flujo de trabajo típico se ve así: pides un análisis, lo lees, quizá lo guardas, y entonces el proceso termina. El informe no se recuerda a sí mismo. No te dice cuándo una nueva presentación contradice una suposición que hizo. No se vuelve a ejecutar cuando el mercado repricinga la acción. Si vuelves tres semanas después, efectivamente estás empezando de nuevo y, a menos que hayas tomado notas, puede que ni siquiera te des cuenta de que la conclusión original ha dejado de ser defendible de forma silenciosa.

Los inversores en realidad no necesitan más informes. Necesitan respuestas a un conjunto más pequeño de preguntas recurrentes:

• ¿Qué ha cambiado desde la última vez que revisé esta empresa?

• ¿Qué nueva afirmación está respaldada por evidencia y dónde está esa evidencia?

• ¿Habría funcionado esta idea históricamente y en qué condiciones?

• ¿Funciona la idea en el futuro, sin el beneficio de la retrospectiva?

• ¿Qué significa un cambio para una cartera que ya tiene la acción?

Esas preguntas comparten una propiedad: todas requieren estado. Necesitas la versión antigua del análisis para compararla con la nueva. Necesitas entradas congeladas para reproducir una decisión con justicia. Necesitas una fecha de inicio anterior al resultado para que una prueba sea honesta. Una herramienta que solo genera informes no puede responder ninguna de ellas.

Por eso AlphaVue fue reconstruido en torno a un bucle en vez de en torno a un documento. Descubre una empresa, investígala, síguela, entiende qué cambia, valida la hipótesis, obsérvala hacia adelante, comprueba el impacto en la cartera y revisa toda la cadena de nuevo. El análisis sigue siendo el motor. El producto es el bucle.

Considere cómo se forma un error típico. Lees un análisis de una empresa en abril. El informe es sólido y la valoración parece razonable. Dos meses después la empresa rebaja sus previsiones, la acción cae y la tesis original se rompe en silencio. El informe nunca te lo dice, porque un informe no puede decirte nada una vez que está escrito. Lo que necesitabas no era un mejor informe en abril. Necesitabas un sistema que notara el cambio en las previsiones, lo vinculara a la tesis, te mostrara la evidencia detrás de la nueva conclusión y explicara qué hace ese cambio a una posición que mantienes. Ese es el hueco que cierra esta versión.

Hoy: un feed de decisiones que te indica qué cambió

Lo primero que ves al iniciar sesión ya no es un panel genérico. Es Today, un feed personal construido a partir de las empresas que sigues.

Un elemento aparece en el feed cuando ocurre algo relevante: nueva evidencia que respalda o socava la tesis actual, un cambio de riesgo, un catalizador, un resultado observado o un cambio en la postura de investigación en sí. Cada cambio genera una única actualización, deduplicada, en lugar de un montón de notificaciones superpuestas. La actualización muestra qué cambió, por qué importa, la tesis actual, la evidencia de apoyo y, cuando esté disponible, qué significa el cambio para una cartera que mantiene la posición.

El feed se basa en un contrato simple: si nada cambió, no deberías ver nada. Suena obvio, pero la mayoría de los sistemas de alertas lo violan a diario enviando volumen en lugar de señal. AlphaVue trata una actualización como un evento raro que merece leerse, no como un punto de contacto de marketing. Las actualizaciones que ya has revisado se mantienen fuera del camino, y el feed se carga en lotes para que permanezca ágil incluso cuando crece tu lista de seguimiento.

Seguir es cómo se construye el feed. Sigues las empresas que te interesan desde el espacio de trabajo de investigación, y el registro es deliberadamente ligero: conserva el símbolo que estabas consultando y la actualización que estabas leyendo, y te devuelve al mismo lugar después de registrarte. Ese camino de retorno importa más de lo que parece. En el momento en que un visitante se registra, el producto debería continuar la tarea que ya estaba realizando, no dejarlo en una pantalla de bienvenida genérica.

Las notificaciones respetan la misma disciplina. Las preferencias se establecen por empresa y por canal: alertas en la app, un resumen por correo electrónico, horas de silencio. Darse de baja realmente te da de baja, y un único cambio material genera una única entrega que apunta a la versión exacta del caso. Los eventos duplicados o sin cambios no generan nada.

La escalera de evidencia en la página principal

La página principal ahora encabeza con la misma idea en forma más simple: Investigar, Validar, Observar, Decidir. No es un eslogan. Cada peldaño de esa escalera se corresponde con una superficie del producto, y el orden es intencional.

Investigar es el lugar donde formas una opinión sobre una empresa. Validar es donde pones a prueba esa opinión frente a la historia en lugar de aceptar la narrativa. Observar es donde congelas la opinión que sobrevive y dejas que el tiempo real produzca evidencia. Decidir es donde actúas con un registro de lo que creías y de lo que ha ocurrido desde entonces. La escalera es una forma de decir que una opinión de IA se vuelve útil solo cuando avanza por etapas que pueden verificarse.

Esa presentación cambió lo que el producto promete. La antigua página de inicio describía una plataforma de IA y dejaba que el proceso hablara por sí mismo. La nueva pide un compromiso más pequeño y concreto: prueba una tesis, sigue la evidencia y comprueba si el razonamiento se sostiene. La diferencia importa, porque un producto que pide un compromiso menor es un producto que un inversor serio tiene más probabilidades de probar.

El espacio de trabajo de investigación de la empresa ahora es un terminal

Cuando abres una empresa, obtienes un espacio de trabajo con pestañas en lugar de una sola página larga para desplazarte. Las pestañas separan tareas que antes estaban mezcladas:

• Resumen — la conclusión actual, una comprobación de la salud de los datos y el historial detrás de ambos.

• Investigación de IA — el proceso de investigación profundo y multiperspectiva, mantenido como la capa analítica central.

• Datos & Valoración — los números, las tendencias financieras y la vista de valoración.

• Eventos & Evidencia — presentaciones, catalizadores y las fuentes originales.

• Validación — reglas, backtests, reproducción por IA y observaciones futuras.

La pestaña Resumen ahora sigue un orden de lectura deliberado: primero la conclusión actual, luego una comprobación de la salud de los datos y después la revisión histórica. El diseño anterior apilaba varios bloques de "qué pensamos" uno encima de otro, cada uno respondiendo aproximadamente la misma pregunta desde un ángulo ligeramente distinto. El nuevo hace la respuesta inequívoca primero y luego te muestra cómo se llegó a ella.

El bloque de actualización de decisión se sitúa en la parte superior del Resumen. Indica la visión actual, lo que cambió desde la versión anterior y qué evidencia respalda el cambio. Debajo, la comprobación de la salud de los datos te dice qué secciones están completas, cuáles son parciales y cuáles aún se están preparando, de modo que nunca tengas que adivinar si un área vacía significa "sin datos" o "aún no recopilado". La revisión histórica debajo conecta la visión presente con la línea de tiempo del caso, para que puedas ver cómo la tesis ha evolucionado en lugar de tratar cada visita como un nuevo comienzo.

También hay una pestaña de noticias de la empresa. Los titulares se contextualizan en lugar de volcarse: el espacio de trabajo distingue los hechos reportados por la empresa de la interpretación de terceros, y las noticias importantes se enlazan de vuelta al anuncio o presentación subyacente cuando la fuente lo permite. Un titular no debería convertirse automáticamente en una tesis, pero sí debería apuntarte al documento que merece verificación.

La comprobación de salud cuatridimensional que antes se basaba en puntos vagos y minigráficos desnudos ahora es explícita. Cada métrica muestra su valor, su dirección, su periodo y su dimensión de datos. El gráfico de tendencias financieras te permite elegir la métrica, la unidad y el rango temporal, muestra el último valor y explica qué cambió. Si una dimensión no tiene datos fiables, permanece oculta en lugar de rellenarse con un marcador de posición neutro. Presentar la ausencia como evidencia fue una fuente silenciosa de confusión; eliminarla fue uno de los cambios más honestos de esta versión.

La ficha de la empresa (Company One-Pager) sigue existiendo como la vía rápida: contexto de mercado, hechos reportados, historial financiero, informes y próximos eventos en una vista estructurada. Es el lugar adecuado para comenzar cuando necesitas una orientación de treinta segundos. El espacio de trabajo con pestañas es al que pasas cuando la pregunta se vuelve específica.

La actualidad se trata como parte del contenido, no como un detalle. La instantánea de la investigación muestra cuándo se generó y si está actual, obsoleta o parcial, para que nunca tengas que adivinar si la vista frente a ti refleja el último informe. La línea de tiempo del caso guarda cada versión de la tesis con una vista estructurada de lo que cambió entre ellas: la conclusión anterior, la nueva y la evidencia que motivó la diferencia.

El cajón de pruebas está detrás de las afirmaciones. Cada declaración material lleva su fuente y estado de recopilación, y al abrir una afirmación se muestra el material original en lugar de pedirte que confíes en el resumen. Esta es la capa que convierte «la IA lo dijo» en «la IA lo dijo, y aquí está el informe en el que se basa».

Strategy Lab: prueba la regla antes de confiar en la idea

La mayoría de las ideas de acciones son en realidad reglas de trading disfrazadas. «Esta empresa está poco poseída» se convierte en «compra cuando el mercado la esté valorando mal». «El sector está cambiando» se convierte en «compra a los líderes, evita a los rezagados». Strategy Lab existe para probar esa segunda capa, la parte que puedes medir realmente.

Puedes ejecutar una prueba retrospectiva de acciones con reglas técnicas sin escribir código. Elige una regla o una combinación de reglas, selecciona el universo y el rango de fechas, establece el benchmark y los costes, y la plataforma ejecuta la tarea de forma asíncrona y devuelve un resultado que comienza con un veredicto en lenguaje llano. Las estadísticas están ahí, pero aparecen después de la respuesta, no en lugar de ella.

Debajo del veredicto obtienes las suposiciones, la muestra, la comparación con el benchmark, la máxima caída (drawdown), las medidas de robustez y las comisiones. Las ventanas walk-forward y la sensibilidad a los parámetros muestran si el resultado sobrevive cambios en las entradas o simplemente funcionó una vez por casualidad. La distinción es importante: una regla que solo funciona con un único periodo de lookback es una descripción de la suerte, no una estrategia.

Un ejemplo concreto ayuda. Supongamos que quieres probar una regla de tendencia simple: comprar cuando la media de 50 días cruce por encima de la media de 200 días, vender cuando cruce en sentido contrario. Strategy Lab te permite configurar esa regla, elegir el universo y el rango de fechas, y ejecutarla contra el benchmark SPY. El resultado te dice no solo el rendimiento sino cuántas operaciones realizó la regla realmente, cómo se comportó la curva de capital durante las caídas, qué tan sensible es el resultado a las dos ventanas de lookback y qué efecto tendrían los costes. Puedes decidir que la regla está bien, o que la ventaja se la comen las comisiones. De cualquier modo, ahora lo sabes, y lo sabes antes de arriesgar nada.

El constructor de estrategias sin código viene con valores predeterminados sensatos. Las fechas están prellenadas, ya hay una regla de entrada establecida y una barra de progreso por etapas deja claro en qué punto está una ejecución larga. Cuando una prueba retrospectiva no produce señales o da un resultado de mantener todo, el espacio de trabajo explica por qué en lugar de mostrar un gráfico vacío. El benchmark está bloqueado a SPY, lo que elimina una fuente común de sesgo silencioso: no puedes elegir discretamente un benchmark que favorezca a la estrategia.

La validación va más allá de una sola ejecución. El espacio de trabajo informa sobre la cobertura, por lo que puedes saber si un resultado se basa en un puñado de operaciones o en cientos, y señala la calidad de la muestra en lugar de ocultarla. Los estudios de eventos aíslan cómo se comportó la estrategia en torno a eventos de mercado específicos. Los informes pueden exportarse, y las ejecuciones guardadas pueden compararse lado a lado, lo que convierte una prueba puntual en una pequeña biblioteca de investigación por sí misma.

Un límite se declara claramente en el producto: un backtest (prueba retrospectiva) no es una predicción. Es una descripción de cómo se comportó una regla sobre datos pasados, con comisiones, sesgo de supervivencia y cambios de régimen, todos capaces de distorsionar el panorama. Strategy Lab intenta hacer visibles esas distorsiones. La línea de veredicto, la nota de muestra y el desglose de comisiones existen por esa razón.

Reproducción histórica con IA: volver a ejecutar la investigación en un punto en el tiempo

Las pruebas retrospectivas prueban reglas. La reproducción histórica con IA prueba la propia investigación.

La idea es sencilla: tomar una ejecución de investigación con IA y rehacerla a una fecha anterior, usando únicamente la evidencia y las instantáneas de datos que existían en ese momento. La reproducción muestra qué habría concluido el sistema antes de conocer el resultado: qué versión del modelo, prompt, versión de datos y fuentes utilizó, y qué consideró como los riesgos clave. Eso resulta útil para auditar una decisión pasada. ¿La investigación hizo las preguntas correctas en su momento, o sólo parece impresionante a posteriori?

La reproducción está deliberadamente separada del backtesting determinista. Un backtest vuelve a ejecutar una regla fija; una reproducción rehace un proceso de investigación abierto. Responden a preguntas diferentes, y están etiquetados de forma distinta en el producto para que nunca confundas una reproducción de investigación con una prueba estadística.

Cuando una decisión publicada no tiene un paquete de investigación congelado adjunto, la plataforma recurre al último análisis privado en lugar de devolver un error, y deja claro qué versión reprodujo. El resultado siempre muestra las versiones del modelo, del prompt y de los datos utilizadas, porque una reproducción que no puedes reproducir no es mucha auditoría. Las reproducciones se basan en créditos y están limitadas en universo y coste, lo que mantiene la función usable sin convertirse en una factura de cómputo abierta.

Prueba prospectiva: la única prueba que no puede hacer trampa

Aquí está la diferencia entre un backtest y una prueba prospectiva en una frase: un backtest pregunta si la idea habría funcionado; una prueba prospectiva pregunta si funcionará a partir de ahora.

El sesgo de la retrospección es el más difícil de eliminar del backtesting. Sabes lo que pasó, así que sabes qué parámetros elegir, qué régimen destacar y qué periodo llamar normal. Ninguna disciplina de walk‑forward elimina por completo esa ventaja. Una prueba prospectiva la elimina por construcción: la estrategia se congela antes de que existan los resultados, y los resultados simplemente no pueden rellenarse retrospectivamente.

Cuando inicias una prueba prospectiva, AlphaVue congela la versión de la estrategia, sus parámetros, el contrato de datos, el capital inicial, el benchmark y la hora de inicio. Desde ese momento, la plataforma ejecuta un registro simulado — órdenes, ejecuciones, valor neto del activo, puntos de control — en el calendario real del mercado. Puedes pausar, reanudar o detener la prueba, y cada evento es inmutable. No existe ningún mecanismo para reescribir la historia, porque no hay historia: el registro comienza en la creación y sólo crece hacia adelante.

Las pruebas prospectivas producen algo que las pruebas históricas no pueden: observaciones realizadas antes del resultado. Tras suficientes puntos de control, un resultado prospectivo material puede generar una actualización en el feed de decisiones, cerrando el circuito entre la validación y la supervisión diaria. Esta es la parte del producto que más directamente cumple la promesa del lanzamiento: saber qué cambió y si la tesis se ha mantenido.

Impacto en la cartera: qué significa un cambio para lo que posees

Una actualización de decisión puede ser correcta y aun así inútil si ignora que ya posees la acción. El impacto en la cartera es el puente entre la investigación y tus posiciones reales.

Puedes crear una cartera manualmente o importarla desde CSV, incluyendo posiciones, precio de coste y efectivo. AlphaVue calcula la exposición, la concentración, la distribución por sectores, la correlación y la contribución al riesgo de forma determinista. El objetivo no es sonar sofisticado. Es responder a una pregunta concreta: si esta tesis falla, ¿qué parte de mi cartera se ve afectada y a través de qué posiciones?

Cada actualización de decisión que afecta a una participación puede verse a través de tres escenarios: la situación actual, la situación si la tesis falla y la situación si la posición cambia. El historial de impacto en la cartera guarda un registro de esas perspectivas a lo largo del tiempo, para que puedas ver cómo ha cambiado tu perfil de riesgo junto con la investigación en lugar de confiar en la memoria.

Un ejemplo lo concreta. Mantienes una posición en una empresa cuya postura de investigación acaba de volverse más cautelosa. La vista de la cartera muestra el tamaño de esa posición en relación con el total, cuánto de la cartera está en el mismo sector y qué implican los cálculos del escenario si la tesis falla. Esos son hechos que puedes valorar. No son instrucciones de venta, y el producto nunca afirma que lo sean.

El producto traza una línea clara aquí. Explica lo que un cambio significa para una cartera y nunca emite instrucciones de trading personalizadas. Las matemáticas de los escenarios describen lo que ocurriría bajo las suposiciones establecidas; no te dicen qué hacer. Esa línea es parte del diseño, no una nota al pie, porque la diferencia entre «aquí está el impacto» y «deberías vender» es precisamente donde una herramienta de investigación o bien ayuda o bien se convierte en un asesoramiento para el que no está autorizada.

Biblioteca de investigación, casos guardados y compartidos

La investigación que no puedes encontrar de nuevo es investigación que no hiciste. El espacio de trabajo Guardados recopila las cosas a las que quieres volver: empresas que estás investigando, casos de inversión con sus historiales, ejecuciones de validación, pruebas prospectivas y exportaciones. La bandeja de entrada de decisiones conserva las actualizaciones que no has revisado todavía, para que el feed pueda mantenerse centrado en lo nuevo en lugar de volver a mostrar elementos antiguos.

Compartir obtuvo un pase de privacidad en esta versión. Puedes compartir un recibo de investigación: una instantánea de solo lectura de lo que concluyó la investigación, con los campos privados redactados y la evidencia pública adjunta. El destinatario ve la conclusión, la evidencia y la atribución sin ver tu cartera, tus notas ni tu identidad a menos que decidas lo contrario. Compartir una conclusión solía significar pegar capturas de pantalla o exportar un documento que llevaba más contexto del que pretendías. El recibo te ofrece una manera de señalar a alguien el razonamiento sin exponer el resto de tu espacio de trabajo.

Un flujo de trabajo que vale la pena copiar

Las nuevas superficies son útiles individualmente, pero están diseñadas para usarse en secuencia. Una versión disciplinada del ciclo se ve así:

1. Descubrir. Usa la función de descubrimiento para encontrar una empresa que merezca la pena. No todas las acciones merecen un análisis completo, y la manera más rápida de perder una mañana es investigar una empresa sobre la que no tienes motivos para interesarte.

2. Investigar. Abre el espacio de trabajo de la empresa y comienza con el Resumen. Lee la conclusión actual antes de formar la tuya propia, y luego verifica qué partes de los datos están completas.

3. Verificar. Abre la pestaña Eventos & Evidencia y revisa las fuentes originales de las afirmaciones que importan. Un resumen es un punto de partida, no un sustituto del documento presentado.

4. Validar. Antes de confiar en una idea, pásala por el Laboratorio de Estrategia. Prueba la regla, no solo la narrativa. Verifica la cobertura, el punto de referencia y las suposiciones de tarifas antes de dejar que el resultado cambie tu opinión.

5. Observar. Si la idea sobrevive a la validación, congélala en una prueba prospectiva y deja que el libro mayor en papel acumule observaciones reales. El registro es breve al principio. Ese es el objetivo.

6. Revisar. Cuando llegue una actualización material, comprueba el impacto en la cartera y luego revisa el historial del caso para ver si la tesis está siendo confirmada o cuestionada.

La lista de verificación no es una promesa de mejores rendimientos. Es una forma de hacer que el proceso sea repetible, lo cual importa más a largo plazo que cualquier decisión aislada. Un proceso repetible también es la única manera de aprender de los errores, porque te da un registro de lo que creías, cuándo lo creías y qué sucedió después.

Lo que se mantuvo igual

No todo fue reconstruido, y las partes que se conservaron merecen ser nombradas.

Investigación de IA sigue siendo el núcleo analítico. Es el proceso que produce el análisis profundo y multiperspectiva detrás de la capa de decisiones, y no se ha debilitado para dejar espacio a las nuevas superficies. Las citas de las fuentes siguen presentes en el producto: cada afirmación material se remonta al material del que provino. La plataforma sigue siendo compatible con múltiples idiomas, incluidos inglés, chino y japonés, y se añadirán más locales. El diseño adaptable sigue funcionando desde un teléfono hasta un monitor de escritorio amplio, y la revisión de accesibilidad en esta versión cubrió los nuevos espacios de trabajo, no solo las páginas de marketing.

La razón para nombrar esto es que una actualización de capacidades es más fácil de confiar cuando queda claro lo que no cambió. La capa de decisiones es una adición alrededor de un motor de análisis que ya estaba allí.

Lo que AlphaVue aún no hace

Vale la pena ser explícitos sobre los límites, porque forman parte de la honestidad del producto.

AlphaVue no promete rendimientos superiores al mercado, ni presenta la confianza del modelo como una tasa de aciertos estadística. No emite instrucciones de trading personalizadas, y nada en la investigación es una recomendación de compra o venta de un valor. Los resultados de escenarios describen lo que ocurriría bajo las suposiciones indicadas; no tienen en cuenta sus objetivos, situación fiscal ni tolerancia al riesgo.

La cobertura de datos varía según la empresa, la fuente y las prácticas de reporte. Algunos conjuntos de datos se recopilan bajo demanda, por lo que una sección puede estar parcial o en proceso de preparación, y el espacio de trabajo muestra ese estado en lugar de fingir que los datos están completos. Las fechas estimadas de eventos se etiquetan como estimadas y deben verificarse mediante los materiales de relaciones con inversores. La salida de IA puede contener errores u omitir contexto relevante, y los datos de mercado pueden sufrir retrasos o verse afectados por problemas aguas arriba. La forma correcta de usar este producto es como una entrada dentro de un proceso que también incluya los archivos originales y su propio criterio.

Preguntas frecuentes

¿Qué es AlphaVue?

AlphaVue es una plataforma de investigación de acciones con IA para inversores estadounidenses autodirigidos. Produce investigaciones estructuradas sobre empresas con fuentes citadas, y ahora añade una capa de decisión: un feed personal de cambios materiales, validación de estrategia, reproducción histórica por IA, pruebas a futuro y análisis de impacto en la cartera.

¿Qué es el feed de decisiones de AlphaVue?

Hoy es un feed personal de actualizaciones materiales para las empresas que usted sigue. Aparece una actualización cuando cambia la evidencia, el riesgo, un catalizador, un resultado o la postura de la investigación. Cada actualización enlaza con la evidencia de respaldo y muestra la tesis actual, por lo que el feed responde a una pregunta: qué ha cambiado desde la última vez que miró.

¿Puedo backtestear una estrategia de acciones sin escribir código?

Sí. Strategy Lab admite backtests sin código con un creador visual de estrategias y reglas técnicas. Usted elige las reglas, el universo, el rango de fechas y el benchmark; la plataforma ejecuta la prueba de forma asíncrona y explica el resultado en lenguaje llano, incluyendo drawdown, robustez, comisiones y limitaciones.

¿Cuál es la diferencia entre un backtest y una prueba a futuro?

Un backtest prueba una regla contra datos históricos y siempre está expuesto al sesgo retrospectivo. Una prueba a futuro congela una estrategia en el momento de su creación y registra solo lo que ocurre después en un libro mayor simulado. Los resultados de pruebas a futuro no pueden rellenarse hacia atrás, por lo que no llevan la ventaja de la retrospectiva.

¿Qué es la reproducción histórica por IA?

La reproducción histórica por IA vuelve a ejecutar un proceso de investigación con IA en una fecha anterior usando solo la evidencia y las instantáneas de datos disponibles en ese momento. Es una auditoría de investigación más que un backtest determinista, y muestra el modelo, el prompt y las versiones de datos utilizados para que el resultado pueda reproducirse.

¿Cómo funciona el análisis de impacto en la cartera?

Usted crea una cartera manualmente o la importa desde CSV. AlphaVue calcula exposición, concentración, desgloses por sector, correlación y contribución al riesgo, y luego muestra lo que una actualización de decisión significaría para la cartera bajo distintos escenarios, incluido el caso en que la tesis falle.

¿AlphaVue es asesoramiento de inversión?

No. AlphaVue proporciona información y herramientas de investigación. No tiene en cuenta sus objetivos individuales, situación financiera, posición fiscal ni tolerancia al riesgo, y no emite recomendaciones de trading personalizadas.

¿AlphaVue garantiza rendimientos?

No. La plataforma no promete rendimientos superiores al mercado, y los resultados de validación y de pruebas a futuro describen el comportamiento bajo las suposiciones indicadas en lugar de predecir el desempeño futuro.

¿Qué empresas cubre AlphaVue?

La cobertura de investigación se centra en empresas cotizadas en EE. UU. y varía según la disponibilidad de datos. La cobertura puede ser parcial mientras se recopilan los conjuntos de datos, y el espacio de trabajo muestra el estado de recopilación de cada sección para que no tenga que adivinar.

¿Cuánto cuesta AlphaVue?

AlphaVue tiene un nivel gratuito y un plan Pro. El nivel gratuito proporciona análisis limitados y un conjunto restringido de ejecuciones de validación; Pro añade cuotas más altas, evidencia más profunda, más seguimientos, impacto en cartera y un historial de pruebas a futuro más largo. Consulte la página de precios para obtener detalles actuales.

¿Cómo evita AlphaVue el sesgo por mirada hacia adelante?

Las ejecuciones de validación usan instantáneas de datos versionadas e entradas congeladas, por lo que el análisis refleja solo lo que se conocía en la fecha correspondiente. Las pruebas a futuro van más allá: la estrategia se congela al crearse y los resultados no pueden rellenarse hacia atrás, lo que elimina la retrospectiva por construcción. La reproducción histórica con IA muestra el modelo, el prompt y las versiones de datos utilizados, por lo que el proceso puede reproducirse.

¿Son privadas mis carteras y mis datos de investigación?

Las posiciones de cartera, las notas y los casos guardados son privados de su cuenta. Los recibos de investigación compartidos son de solo lectura, con campos privados redactados, y solo exponen la conclusión y la evidencia pública que usted elija compartir.

Comience por el cambio, no por el informe

La forma más fácil de ver qué significa esta actualización es abrir una empresa que ya siga y empezar por la Vista general. Lea la conclusión actual. Compruebe qué cambió. Mire la evidencia. Si la idea le importa, pásela por validación y, si sobrevive, congélela en una prueba a futuro para que la próxima revisión tenga algo real que examinar.

AlphaVue sigue siendo una plataforma de investigación de acciones con IA. Simplemente ya no es un callejón sin salida tras la respuesta.

Abrir una empresa en AlphaVue y empezar por la nueva Vista general.