Torneo de IAs · cerrado
Cinco IAs predijeron la bolsa cada mañana durante seis semanas. Ninguna lo hizo mejor que el azar.
Haiku 4.5, Sonnet 5 y Opus 5 (y, desde el 25 de septiembre, un modelo de DeepSeek y otro de Alibaba) recibieron cada sesión, del 3 de septiembre al 16 de octubre de 2026, el mismo paquete de datos sobre 10 nombres del S&P 500 y devolvieron, antes de la apertura, la probabilidad de que cada uno subiera y cuánto se movería. Al cierre se puntuó con Brier y CRPS y se publicó saliera como saliera.
Torneo cerrado el 18 oct. Terminó con 315 predicciones vencidas por modelo, más de las 200 pre-registradas para poder afirmar algo. Ningún modelo predijo la dirección mejor que decir siempre la tasa media y, con muestra suficiente, ninguno estimó el tamaño del movimiento mejor que un pronóstico mecánico basado en la volatilidad. Última sesión: 16 oct. Lo que ves es el estado final.
Qué se mide
Calibración, no aciertos: Brier y su descomposición (resolución) para la dirección; CRPS de tres cuantiles y cobertura de la banda del 80 % para la magnitud del movimiento.
Qué se espera
Lo pre-registrado es que ninguna IA discrimine la dirección a un día: en este universo está medida como nula. Donde puede haber valor es en cuánto se mueve un nombre, no hacia dónde.
Qué no es
No es una recomendación ni una señal. Ningún modelo ve titulares ni busca en internet; solo precios, volatilidad, recuento de noticias con catalizador, el calendario macro principal (Fed, IPC, empleo) y, en la variante B, el contexto de resultados trimestrales.
Resultados de backtest (simulación), no operativa real. No es asesoramiento de inversión. Rentabilidades pasadas no garantizan resultados futuros.
Lectura
Frases generadas por reglas fijas a partir de los números, con los umbrales pre-registrados. No las escribe nadie a mano.
- Torneo cerrado el 18 oct con 315 predicciones vencidas por modelo (umbral pre-registrado: 200). Lo que sigue es el estado final.
- Dirección: ningún modelo bate al ritmo base; en esta muestra, decir siempre la tasa media es la mejor predicción (lo pre-registrado era eso).
- Potencia: con 315 predicciones por modelo solo se distinguiría una correlación de 0,16 o más entre probabilidad y resultado (80 % de potencia, p<0,05); un efecto pequeño, de 0,02 a 0,05, necesita entre 2.500 y 20.000. Que nadie discrimine hoy no demuestra que no se pueda.
- Magnitud Haiku 4.5 A: va por detrás del baseline mecánico (1,58 % frente a 1,11 %); la volatilidad normal predice mejor el tamaño.
- Magnitud Haiku 4.5 B: va por detrás del baseline mecánico (2,15 % frente a 1,18 %); la volatilidad normal predice mejor el tamaño.
- Magnitud Haiku 4.5 E: va por delante del baseline mecánico (1,11 % frente a 1,50 %), sin significación todavía.
- Magnitud Haiku 4.5 R: va por detrás del baseline mecánico (2,01 % frente a 1,34 %); la volatilidad normal predice mejor el tamaño.
- Magnitud Opus 5 A: a la par del baseline mecánico (1,15 % frente a 1,10 %).
- Magnitud Opus 5 B: va por detrás del baseline mecánico (1,25 % frente a 1,17 %); la volatilidad normal predice mejor el tamaño.
- Magnitud Opus 5 E: va por delante del baseline mecánico (1,22 % frente a 1,50 %), sin significación todavía.
- Magnitud Opus 5 R: va por detrás del baseline mecánico (1,43 % frente a 1,34 %); la volatilidad normal predice mejor el tamaño.
- Magnitud Sonnet 5 A: va por detrás del baseline mecánico (1,22 % frente a 1,11 %); la volatilidad normal predice mejor el tamaño.
- Magnitud Sonnet 5 B: va por detrás del baseline mecánico (1,39 % frente a 1,18 %); la volatilidad normal predice mejor el tamaño.
- Magnitud Sonnet 5 E: va por delante del baseline mecánico (1,36 % frente a 1,50 %), sin significación todavía.
- Magnitud Sonnet 5 R: va por detrás del baseline mecánico (1,43 % frente a 1,34 %); la volatilidad normal predice mejor el tamaño.
- Magnitud deepseek-v4.1-flash A: va por detrás del baseline mecánico (1,16 % frente a 1,04 %); la volatilidad normal predice mejor el tamaño.
- Magnitud deepseek-v4.1-flash B: va por detrás del baseline mecánico (1,38 % frente a 1,22 %); la volatilidad normal predice mejor el tamaño.
- Magnitud deepseek-v4.1-flash E: va por delante del baseline mecánico (1,11 % frente a 1,50 %), sin significación todavía.
- Magnitud deepseek-v4.1-flash R: va por detrás del baseline mecánico (1,89 % frente a 1,70 %); la volatilidad normal predice mejor el tamaño.
- Magnitud Ensemble A: va por detrás del baseline mecánico (1,14 % frente a 1,04 %); la volatilidad normal predice mejor el tamaño.
- Magnitud Ensemble B: va por detrás del baseline mecánico (1,37 % frente a 1,22 %); la volatilidad normal predice mejor el tamaño.
- Magnitud Ensemble E: va por delante del baseline mecánico (1,22 % frente a 1,50 %), sin significación todavía.
- Magnitud Ensemble R: va por detrás del baseline mecánico (1,79 % frente a 1,70 %); la volatilidad normal predice mejor el tamaño.
- Magnitud qwen3.8-flash A: va por detrás del baseline mecánico (1,10 % frente a 0,89 %); la volatilidad normal predice mejor el tamaño.
- Magnitud qwen3.8-flash B: va por detrás del baseline mecánico (1,35 % frente a 1,10 %); la volatilidad normal predice mejor el tamaño.
- Magnitud qwen3.8-flash E: va por delante del baseline mecánico (1,21 % frente a 1,50 %), sin significación todavía.
- Magnitud qwen3.8-flash R: va por detrás del baseline mecánico (0,99 % frente a 0,93 %); la volatilidad normal predice mejor el tamaño.
- Ganancias en papel: todavía no hay líder. El libro se ordena por Sharpe, que no depende de cuánto se apueste, y hacen falta 20 sesiones para calcularlo; hay 15. El retorno de un libro que está casi todo en efectivo no se puede comparar con una cesta invertida al 100 %.
- A/B Haiku 4.5: 60 pares (12 con evento, de 200); con el contexto de resultados el CRPS empeora un 24 %.
- A/B Opus 5: 60 pares (12 con evento, de 200); con el contexto de resultados el CRPS mejora un 7 %.
- A/B Sonnet 5: 60 pares (12 con evento, de 200); con el contexto de resultados el CRPS empeora un 7 %.
- A/B deepseek-v4.1-flash: 60 pares (12 con evento, de 200); con el contexto de resultados el CRPS empeora un 1 %.
- A/B Ensemble: 60 pares (12 con evento, de 200); con el contexto de resultados el CRPS mejora un 0 %.
- A/B qwen3.8-flash: 60 pares (12 con evento, de 200); con el contexto de resultados el CRPS empeora un 4 %.
Ver la lectura completa que genera el servidor
- Torneo cerrado el 2026-10-18 (ultima sesion, 2026-10-16): 315 predicciones vencidas por modelo de las 200 pre-registradas. Con mas predicciones vencidas por modelo que las 200 pre-registradas, ningun modelo bate al ritmo base en direccion y todos van por detras del baseline mecanico en magnitud. Lo que sigue es el estado final.
- A/B re-registrado el 2026-10-09: las fechas de resultados del bloque salen ahora solo del calendario de FMP. Antes, sin calendario, se tomaba como fecha del anuncio la primera noticia «earnings», y contrastadas el 8-oct-2026 con el registro real de resultados ninguna de las 35 fechas de noticia coincidia con un informe (las de calendario, 28 de 28). Lo medido antes se conserva etiquetado (v1, v2) y no cuenta para el criterio: el contador de parejas con evento arranca de cero.
- Direccion: ningun modelo bate al ritmo base; en esta muestra decir siempre la tasa media es la mejor prediccion (lo pre-registrado era justo eso).
- Potencia: con 315 predicciones por modelo solo se distinguiria una correlacion entre probabilidad y resultado de 0.16 o mas (80 % de potencia, p<0,05); un efecto pequeno, de 0,02 a 0,05, necesita entre 2.500 y 20.000. Que nadie discrimine hoy no demuestra que no se pueda.
- p de la resolucion (permutacion dentro de cada sesion): claude-haiku-4-5 0.35; claude-opus-5 1.00; claude-sonnet-5 0.50; deepseek-v4.1-flash 0.58; ensemble 1.00; qwen3.8-flash 0.64. Hace falta p < 0,05 con n >= 200 Y batir al ritmo base para hablar de skill direccional; hoy nadie lo cumple (una p baja con Brier peor que el ritmo base es discriminar al reves).
- claude-haiku-4-5: 119 aciertos en 252 apuestas (47%), alrededor de la moneda; se moja en 252 de 315 nombres.
- claude-opus-5: 30 aciertos en 59 apuestas (51%), alrededor de la moneda; se moja en 59 de 305 nombres.
- claude-sonnet-5: 74 aciertos en 140 apuestas (53%), alrededor de la moneda; se moja en 140 de 315 nombres.
- deepseek-v4.1-flash: 58 aciertos en 115 apuestas (50%), alrededor de la moneda; se moja en 115 de 160 nombres.
- ensemble: 75 aciertos en 158 apuestas (47%), alrededor de la moneda; se moja en 158 de 160 nombres.
- qwen3.8-flash: 45 aciertos en 103 apuestas (44%), por debajo de la moneda; se moja en 103 de 150 nombres.
- Magnitud claude-haiku-4-5: PIERDE contra el baseline mecanico (1.58% frente a 1.11%, n=290, p=0.001); banda del 80% demasiado estrecha (cobertura 0.54: 42% por debajo de q10, 4% por encima de q90).
- Magnitud claude-haiku-4-5+barajado: va por detras del baseline mecanico (1.81% frente a 0.84%, n=60), sin significacion todavia; banda del 80% demasiado estrecha (cobertura 0.40: 57% por debajo de q10, 3% por encima de q90).
- Magnitud claude-haiku-4-5+earnings: PIERDE contra el baseline mecanico (2.15% frente a 1.18%, n=290, p=0.001); banda del 80% demasiado estrecha (cobertura 0.46: 51% por debajo de q10, 3% por encima de q90).
- Magnitud claude-haiku-4-5+edgar: va por delante del baseline mecanico (1.11% frente a 1.50%, n=10), sin significacion todavia; banda del 80% demasiado estrecha (cobertura 0.60: 20% por debajo de q10, 20% por encima de q90).
- Magnitud claude-haiku-4-5+replica: va por detras del baseline mecanico (2.01% frente a 1.34%, n=50), sin significacion todavia; banda del 80% demasiado estrecha (cobertura 0.42: 50% por debajo de q10, 8% por encima de q90).
- Magnitud claude-opus-5: va por detras del baseline mecanico (1.15% frente a 1.10%, n=280), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.68: 25% por debajo de q10, 6% por encima de q90).
- Magnitud claude-opus-5+barajado: va por detras del baseline mecanico (0.91% frente a 0.84%, n=60), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.72: 25% por debajo de q10, 3% por encima de q90).
- Magnitud claude-opus-5+earnings: PIERDE contra el baseline mecanico (1.25% frente a 1.17%, n=280, p=0.011); banda del 80% bien calibrada (cobertura 0.68: 24% por debajo de q10, 8% por encima de q90).
- Magnitud claude-opus-5+edgar: va por delante del baseline mecanico (1.22% frente a 1.50%, n=10), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.80: 0% por debajo de q10, 20% por encima de q90).
- Magnitud claude-opus-5+replica: va por detras del baseline mecanico (1.43% frente a 1.34%, n=50), sin significacion todavia; banda del 80% demasiado estrecha (cobertura 0.58: 34% por debajo de q10, 8% por encima de q90).
- Magnitud claude-sonnet-5: PIERDE contra el baseline mecanico (1.22% frente a 1.11%, n=290, p=0.001); banda del 80% bien calibrada (cobertura 0.74: 20% por debajo de q10, 6% por encima de q90).
- Magnitud claude-sonnet-5+barajado: va por detras del baseline mecanico (0.91% frente a 0.68%, n=50), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.74: 24% por debajo de q10, 2% por encima de q90).
- Magnitud claude-sonnet-5+earnings: PIERDE contra el baseline mecanico (1.39% frente a 1.18%, n=290, p=0.001); banda del 80% bien calibrada (cobertura 0.69: 24% por debajo de q10, 7% por encima de q90).
- Magnitud claude-sonnet-5+edgar: va por delante del baseline mecanico (1.36% frente a 1.50%, n=10), sin significacion todavia; banda del 80% demasiado estrecha (cobertura 0.60: 0% por debajo de q10, 40% por encima de q90).
- Magnitud claude-sonnet-5+replica: va por detras del baseline mecanico (1.43% frente a 1.34%, n=50), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.66: 26% por debajo de q10, 8% por encima de q90).
- Magnitud deepseek-v4.1-flash: va por detras del baseline mecanico (1.16% frente a 1.04%, n=160), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.74: 20% por debajo de q10, 6% por encima de q90).
- Magnitud deepseek-v4.1-flash+barajado: va por detras del baseline mecanico (0.95% frente a 0.65%, n=30), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.70: 30% por debajo de q10, 0% por encima de q90).
- Magnitud deepseek-v4.1-flash+earnings: va por detras del baseline mecanico (1.38% frente a 1.22%, n=150), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.67: 25% por debajo de q10, 9% por encima de q90).
- Magnitud deepseek-v4.1-flash+edgar: va por delante del baseline mecanico (1.11% frente a 1.50%, n=10), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.80: 0% por debajo de q10, 20% por encima de q90).
- Magnitud deepseek-v4.1-flash+replica: va por detras del baseline mecanico (1.89% frente a 1.70%, n=30), sin significacion todavia; banda del 80% demasiado estrecha (cobertura 0.60: 30% por debajo de q10, 10% por encima de q90).
- Magnitud ensemble: va por detras del baseline mecanico (1.14% frente a 1.04%, n=160), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.73: 22% por debajo de q10, 5% por encima de q90).
- Magnitud ensemble+barajado: va por detras del baseline mecanico (0.90% frente a 0.65%, n=30), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.73: 27% por debajo de q10, 0% por encima de q90).
- Magnitud ensemble+earnings: va por detras del baseline mecanico (1.37% frente a 1.22%, n=150), sin significacion todavia; banda del 80% demasiado estrecha (cobertura 0.65: 29% por debajo de q10, 7% por encima de q90).
- Magnitud ensemble+edgar: va por delante del baseline mecanico (1.22% frente a 1.50%, n=10), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.80: 0% por debajo de q10, 20% por encima de q90).
- Magnitud ensemble+replica: va por detras del baseline mecanico (1.79% frente a 1.70%, n=30), sin significacion todavia; banda del 80% demasiado estrecha (cobertura 0.57: 33% por debajo de q10, 10% por encima de q90).
- Magnitud qwen3.8-flash: va por detras del baseline mecanico (1.10% frente a 0.89%, n=150), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.71: 25% por debajo de q10, 4% por encima de q90).
- Magnitud qwen3.8-flash+barajado: va por detras del baseline mecanico (1.07% frente a 0.64%, n=20), sin significacion todavia; banda del 80% demasiado estrecha (cobertura 0.60: 40% por debajo de q10, 0% por encima de q90).
- Magnitud qwen3.8-flash+earnings: va por detras del baseline mecanico (1.35% frente a 1.10%, n=120), sin significacion todavia; banda del 80% demasiado estrecha (cobertura 0.62: 34% por debajo de q10, 4% por encima de q90).
- Magnitud qwen3.8-flash+edgar: va por delante del baseline mecanico (1.21% frente a 1.50%, n=10), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.70: 10% por debajo de q10, 20% por encima de q90).
- Magnitud qwen3.8-flash+replica: va por detras del baseline mecanico (0.99% frente a 0.93%, n=20), sin significacion todavia; banda del 80% bien calibrada (cobertura 0.65: 30% por debajo de q10, 5% por encima de q90).
- A/B claude-haiku-4-5: 60 pares (12 con evento, de 200); con el bloque de earnings el CRPS empeora un 24%. Vigilar: si sigue asi a 200 pares, el kill criteria retira el bloque para este modelo.
- A/B claude-opus-5: 60 pares (12 con evento, de 200); con el bloque de earnings el CRPS mejora un 7%.
- A/B claude-sonnet-5: 60 pares (12 con evento, de 200); con el bloque de earnings el CRPS empeora un 7%.
- A/B deepseek-v4.1-flash: 60 pares (12 con evento, de 200); con el bloque de earnings el CRPS empeora un 1%.
- A/B ensemble: 60 pares (12 con evento, de 200); con el bloque de earnings el CRPS mejora un 0%.
- A/B qwen3.8-flash: 60 pares (12 con evento, de 200); con el bloque de earnings el CRPS empeora un 4%.
- Ganancias en papel: todavia no hay lider. el libro se ordena por Sharpe (invariante a la escala) y hacen falta 20 sesiones para calcularlo; hay 15 El libro se ordena por Sharpe porque el retorno de un libro que esta casi todo en caja no se puede comparar con una cesta invertida al 100 %.
- Ruido test-retest claude-haiku-4-5: repetir la misma llamada (variante R) mueve el CRPS 0.43 puntos por nombre (n=50), con un sesgo medio de -0.09 puntos (EE 0.16). El suelo que un A/B tiene que superar es el sesgo medio y su EE, no el movimiento por nombre: son escalas distintas y confundirlas descarta efectos reales.
- Ruido test-retest claude-opus-5: repetir la misma llamada (variante R) mueve el CRPS 0.05 puntos por nombre (n=50), con un sesgo medio de -0.02 puntos (EE 0.02). El suelo que un A/B tiene que superar es el sesgo medio y su EE, no el movimiento por nombre: son escalas distintas y confundirlas descarta efectos reales.
- Ruido test-retest claude-sonnet-5: repetir la misma llamada (variante R) mueve el CRPS 0.12 puntos por nombre (n=50), con un sesgo medio de +0.00 puntos (EE 0.03). El suelo que un A/B tiene que superar es el sesgo medio y su EE, no el movimiento por nombre: son escalas distintas y confundirlas descarta efectos reales.
- Ruido test-retest deepseek-v4.1-flash: repetir la misma llamada (variante R) mueve el CRPS 0.16 puntos por nombre (n=30), con un sesgo medio de +0.15 puntos. El suelo que un A/B tiene que superar es el sesgo medio y su EE, no el movimiento por nombre: son escalas distintas y confundirlas descarta efectos reales.
- Ruido test-retest ensemble: repetir la misma llamada (variante R) mueve el CRPS 0.08 puntos por nombre (n=30), con un sesgo medio de +0.03 puntos. El suelo que un A/B tiene que superar es el sesgo medio y su EE, no el movimiento por nombre: son escalas distintas y confundirlas descarta efectos reales.
- Ruido test-retest qwen3.8-flash: repetir la misma llamada (variante R) mueve el CRPS 0.10 puntos por nombre (n=20), con un sesgo medio de +0.01 puntos. El suelo que un A/B tiene que superar es el sesgo medio y su EE, no el movimiento por nombre: son escalas distintas y confundirlas descarta efectos reales.
- Coste: 0.00 $ hoy, 2.87 $ en 7 dias, 13.58 $ acumulado.
Actualizado 2026-10-18 09:18 UTC
Ganancias en papel
Regla fija y pre-registrada: cada nombre se toma largo o corto en proporción a lo que la probabilidad se aleja de 0,50, capital a partes iguales, una sesión de tenencia, cierre a cierre, 10 pb de coste ida y vuelta. La cesta es la misma lista de nombres comprada a partes iguales. 🏆 = mejor Sharpe entre los modelos con las mismas sesiones; el retorno no se compara entre modelos ni con la cesta, porque cada libro tiene una exposición distinta y la cesta está al 100 %. Con menos de 250 sesiones el líder es ruido.
| Modelo | Var. | Sesiones | Ret. neto | pb/día | Sharpe | Máx. caída | Cesta | vs cesta | p | |
|---|---|---|---|---|---|---|---|---|---|---|
| Haiku 4.5 | E | 1 | 0,11 % | 11,1 | – | 0,0 % | 1,78 % | -1,67 % | – | |
| deepseek-v4.1-flash | A | 16 | 0,05 % | 0,3 | – | -0,1 % | -2,86 % | 2,91 % | 0,61 | |
| deepseek-v4.1-flash | R | 3 | 0,05 % | 1,6 | – | 0,0 % | -2,96 % | 3,01 % | – | |
| Opus 5 | A | 30 | 0,05 % | 0,2 | 1,48 | -0,0 % | -6,54 % | 6,58 % | 0,35 | |
| Sonnet 5 | R | 5 | 0,05 % | 0,9 | – | -0,0 % | -3,78 % | 3,82 % | 0,07 | |
| Ensemble | A | 16 | 0,04 % | 0,2 | – | -0,1 % | -2,86 % | 2,90 % | 0,61 | |
| deepseek-v4.1-flash | B | 15 | 0,03 % | 0,2 | – | -0,1 % | -0,91 % | 0,94 % | 0,85 | |
| Ensemble | R | 3 | 0,03 % | 1,1 | – | 0,0 % | -2,96 % | 2,99 % | – | |
| Sonnet 5 | B | 29 | 0,03 % | 0,1 | 0,79 | -0,1 % | -5,21 % | 5,24 % | 0,43 | |
| Opus 5 | B | 28 | 0,03 % | 0,1 | 1,00 | -0,1 % | -6,78 % | 6,81 % | 0,34 | |
| qwen3.8-flash | R | 2 | 0,02 % | 1,2 | – | 0,0 % | -1,63 % | 1,65 % | – | |
| qwen3.8-flash | X | 2 | 0,02 % | 1,0 | – | 0,0 % | -1,16 % | 1,18 % | – | |
| Haiku 4.5 | X | 6 | 0,01 % | 0,2 | – | -0,0 % | -2,10 % | 2,11 % | 0,27 | |
| Ensemble | B | 15 | 0,01 % | 0,0 | – | -0,1 % | -0,91 % | 0,92 % | 0,85 | |
| Sonnet 5 | A | 31 | 0,00 % | 0,0 | 0,03 | -0,1 % | -4,97 % | 4,97 % | 0,48 | |
| Sonnet 5 | E | 1 | 0,00 % | 0,0 | – | 0,0 % | 1,78 % | -1,78 % | – | |
| qwen3.8-flash | E | 1 | 0,00 % | 0,0 | – | 0,0 % | 1,78 % | -1,78 % | – | |
| Ensemble | E | 1 | -0,00 % | -0,2 | – | -0,0 % | 1,78 % | -1,79 % | – | |
| Opus 5 | R | 5 | -0,00 % | -0,1 | – | -0,0 % | -3,78 % | 3,77 % | 0,07 | |
| Sonnet 5 | X | 5 | -0,01 % | -0,1 | – | -0,0 % | -2,10 % | 2,10 % | 0,28 | |
| Ensemble | X | 3 | -0,01 % | -0,3 | – | -0,0 % | 0,08 % | -0,08 % | – | |
| Opus 5 | E | 1 | -0,01 % | -1,3 | – | -0,0 % | 1,78 % | -1,80 % | – | |
| qwen3.8-flash | A | 15 | -0,02 % | -0,1 | – | -0,1 % | -1,53 % | 1,51 % | 0,77 | |
| Opus 5 | X | 6 | -0,02 % | -0,3 | – | -0,0 % | -2,10 % | 2,08 % | 0,27 | |
| deepseek-v4.1-flash | X | 3 | -0,02 % | -0,6 | – | -0,0 % | 0,08 % | -0,09 % | – | |
| deepseek-v4.1-flash | E | 1 | -0,04 % | -4,0 | – | -0,0 % | 1,78 % | -1,82 % | – | |
| qwen3.8-flash | B | 12 | -0,04 % | -0,3 | – | -0,1 % | -0,46 % | 0,42 % | 0,93 | |
| Haiku 4.5 | R | 5 | -0,06 % | -1,2 | – | -0,1 % | -3,78 % | 3,72 % | 0,08 | |
| Haiku 4.5 | A | 31 | -0,09 % | -0,3 | -0,66 | -0,4 % | -4,97 % | 4,88 % | 0,48 | |
| Haiku 4.5 | B | 29 | -0,10 % | -0,3 | -3,25 | -0,1 % | -5,21 % | 5,11 % | 0,44 |
Es un libro en papel medido de cierre a cierre: una ejecución real entraría en la apertura, y no se dispone de precios de apertura. Nada de esto es una recomendación.
Totales a una sesión
A = sin contexto de resultados, B = con él, X = control con el contexto barajado entre nombres. Las apuestas son los nombres en los que el modelo se separó de 0,50.
| Modelo | Var. | n | Aciertos/apuestas | Brier | Resolución | vs ritmo base | CRPS | Baseline | Cobertura 80 % |
|---|---|---|---|---|---|---|---|---|---|
| Haiku 4.5 | A | 315 | 119/252 | 0,2517 | 0,0034 | -0,0017 | 1,58 % | 1,11 % | 0,54 |
| Haiku 4.5 | X | 60 | 9/21 | 0,2504 | 0,0024 | -0,0007 | 1,81 % | 0,84 % | 0,40 |
| Haiku 4.5 | B | 290 | 73/167 | 0,2505 | 0,0021 | -0,0005 | 2,15 % | 1,18 % | 0,46 |
| Haiku 4.5 | E | 10 | 5/10 | 0,2438 | 0,0171 | -0,0838 | 1,11 % | 1,50 % | 0,60 |
| Haiku 4.5 | R | 50 | 14/27 | 0,2510 | 0,0020 | -0,0074 | 2,01 % | 1,34 % | 0,42 |
| Opus 5 | A | 305 | 30/59 | 0,2500 | 0,0000 | -0,0000 | 1,15 % | 1,10 % | 0,68 |
| Opus 5 | X | 60 | 6/13 | 0,2502 | 0,0053 | -0,0005 | 0,91 % | 0,84 % | 0,72 |
| Opus 5 | B | 280 | 43/82 | 0,2497 | 0,0005 | 0,0003 | 1,25 % | 1,17 % | 0,68 |
| Opus 5 | E | 10 | 0/1 | 0,2510 | 0,0000 | -0,0910 | 1,22 % | 1,50 % | 0,80 |
| Opus 5 | R | 50 | 3/5 | 0,2500 | 0,0039 | -0,0064 | 1,43 % | 1,34 % | 0,58 |
| Sonnet 5 | A | 315 | 74/140 | 0,2495 | 0,0006 | 0,0004 | 1,22 % | 1,11 % | 0,74 |
| Sonnet 5 | X | 50 | 12/24 | 0,2495 | 0,0054 | -0,0011 | 0,91 % | 0,68 % | 0,74 |
| Sonnet 5 | B | 290 | 114/225 | 0,2498 | 0,0000 | 0,0002 | 1,39 % | 1,18 % | 0,69 |
| Sonnet 5 | E | 10 | 0,50 en todo | 0,2500 | 0,0000 | -0,0900 | 1,36 % | 1,50 % | 0,60 |
| Sonnet 5 | R | 50 | 12/19 | 0,2481 | 0,0015 | -0,0045 | 1,43 % | 1,34 % | 0,66 |
| deepseek-v4.1-flash | A | 160 | 58/115 | 0,2502 | 0,0014 | -0,0006 | 1,16 % | 1,04 % | 0,74 |
| deepseek-v4.1-flash | X | 30 | 5/12 | 0,2504 | 0,0171 | -0,0015 | 0,95 % | 0,65 % | 0,70 |
| deepseek-v4.1-flash | B | 150 | 51/97 | 0,2492 | 0,0002 | -0,0008 | 1,38 % | 1,22 % | 0,67 |
| deepseek-v4.1-flash | E | 10 | 2/10 | 0,2561 | 0,0000 | -0,0961 | 1,11 % | 1,50 % | 0,80 |
| deepseek-v4.1-flash | R | 30 | 18/30 | 0,2481 | 0,0000 | -0,0081 | 1,89 % | 1,70 % | 0,60 |
| Ensemble | A | 160 | 75/158 | 0,2503 | 0,0000 | -0,0007 | 1,14 % | 1,04 % | 0,73 |
| Ensemble | X | 30 | 16/29 | 0,2496 | 0,0142 | -0,0007 | 0,90 % | 0,65 % | 0,73 |
| Ensemble | B | 150 | 71/144 | 0,2495 | 0,0001 | -0,0011 | 1,37 % | 1,22 % | 0,65 |
| Ensemble | E | 10 | 4/10 | 0,2514 | 0,0100 | -0,0914 | 1,22 % | 1,50 % | 0,80 |
| Ensemble | R | 30 | 18/30 | 0,2484 | 0,0000 | -0,0084 | 1,79 % | 1,70 % | 0,57 |
| qwen3.8-flash | A | 150 | 45/103 | 0,2509 | 0,0041 | -0,0013 | 1,10 % | 0,89 % | 0,71 |
| qwen3.8-flash | X | 20 | 13/20 | 0,2466 | 0,0189 | -0,0066 | 1,07 % | 0,64 % | 0,60 |
| qwen3.8-flash | B | 120 | 53/107 | 0,2497 | 0,0006 | -0,0003 | 1,35 % | 1,10 % | 0,62 |
| qwen3.8-flash | E | 10 | 0,50 en todo | 0,2500 | 0,0000 | -0,0900 | 1,21 % | 1,50 % | 0,70 |
| qwen3.8-flash | R | 20 | 13/20 | 0,2471 | 0,0000 | -0,0196 | 0,99 % | 0,93 % | 0,65 |
Resolución > 0,02 = las probabilidades discriminan. vs ritmo base > 0 = bate a decir siempre la tasa media. CRPS: menor es mejor; el baseline es un pronóstico mecánico con la volatilidad, sin IA. Cobertura objetivo: 0,80.
A/B del contexto de resultados trimestrales
El mismo paquete con y sin el bloque de resultados (fecha, si el movimiento reciente ya es la reacción, historial de magnitud del nombre). Diferencia de CRPS pareada por sesión y nombre.
A/B re-registrado el 9 de octubre de 2026. Hasta esa fecha, a falta de calendario, el bloque tomaba como fecha del anuncio la primera noticia «earnings». Contrastadas el 8 de octubre con el registro real de resultados, ninguna de las 35 fechas de noticia coincidía con un informe (las de calendario, 28 de 28). Desde ahora las fechas salen solo del calendario y el contador de parejas con evento arranca de cero.
| Modelo | Subconjunto | Pares | CRPS A | CRPS B | Cambio | p |
|---|---|---|---|---|---|---|
| Haiku 4.5 | todos | 60 | 1,47 % | 1,82 % | +24 % | 0,055 |
| Haiku 4.5 | con evento | 12 | 0,99 % | 1,23 % | +24 % | 0,284 |
| Opus 5 | todos | 60 | 0,96 % | 0,90 % | −7 % | 0,360 |
| Opus 5 | con evento | 12 | 0,82 % | 0,85 % | +3 % | 0,742 |
| Sonnet 5 | todos | 60 | 0,90 % | 0,96 % | +7 % | 0,491 |
| Sonnet 5 | con evento | 12 | 0,81 % | 0,94 % | +17 % | 0,262 |
| deepseek-v4.1-flash | todos | 60 | 0,92 % | 0,92 % | +1 % | 0,931 |
| deepseek-v4.1-flash | con evento | 12 | 0,81 % | 1,01 % | +25 % | 0,097 |
| Ensemble | todos | 60 | 0,89 % | 0,89 % | −0 % | 0,839 |
| Ensemble | con evento | 12 | 0,71 % | 0,94 % | +32 % | 0,045 |
| qwen3.8-flash | todos | 60 | 0,86 % | 0,89 % | +4 % | 0,523 |
| qwen3.8-flash | con evento | 12 | 0,66 % | 0,92 % | +39 % | 0,194 |
Criterio pre-registrado: mejora ≥ 10 % con p < 0,05 y 200 pares con evento. El p se oculta con menos de 5 sesiones.
Épocas anteriores (no cuentan para el criterio)
v2 (24 de septiembre) y v1 (regla original) se midieron con fechas de resultados que a veces salían de noticias. Se conservan para no perder nada, pero no son evidencia del criterio.
| Modelo | Época | Subconjunto | Pares | CRPS A | CRPS B | Cambio | p |
|---|---|---|---|---|---|---|---|
| Haiku 4.5 | v2 | todos | 110 | 1,66 % | 2,34 % | +41 % | 0,001 |
| Haiku 4.5 | v2 | con evento | 38 | 1,26 % | 2,41 % | +91 % | 0,001 |
| Haiku 4.5 | v1 | todos | 120 | 1,55 % | 2,15 % | +39 % | 0,001 |
| Haiku 4.5 | v1 | con evento | 22 | 1,56 % | 2,13 % | +36 % | 0,132 |
| Opus 5 | v2 | todos | 110 | 1,24 % | 1,44 % | +16 % | 0,064 |
| Opus 5 | v2 | con evento | 38 | 0,90 % | 1,65 % | +84 % | 0,001 |
| Opus 5 | v1 | todos | 110 | 1,16 % | 1,24 % | +7 % | 0,246 |
| Opus 5 | v1 | con evento | 22 | 1,21 % | 1,56 % | +29 % | 0,273 |
| Sonnet 5 | v2 | todos | 110 | 1,23 % | 1,62 % | +32 % | 0,001 |
| Sonnet 5 | v2 | con evento | 38 | 0,94 % | 1,83 % | +95 % | 0,001 |
| Sonnet 5 | v1 | todos | 120 | 1,38 % | 1,39 % | +1 % | 0,960 |
| Sonnet 5 | v1 | con evento | 22 | 1,27 % | 1,64 % | +29 % | 0,446 |
| deepseek-v4.1-flash | v2 | todos | 90 | 1,35 % | 1,69 % | +25 % | 0,001 |
| deepseek-v4.1-flash | v2 | con evento | 33 | 1,09 % | 2,11 % | +94 % | 0,001 |
| Ensemble | v2 | todos | 90 | 1,34 % | 1,69 % | +26 % | 0,001 |
| Ensemble | v2 | con evento | 33 | 1,00 % | 1,95 % | +94 % | 0,001 |
| qwen3.8-flash | v2 | todos | 60 | 1,40 % | 1,81 % | +29 % | 0,001 |
| qwen3.8-flash | v2 | con evento | 25 | 1,19 % | 2,43 % | +104 % | 0,001 |
Por sesión
Cada celda: aciertos/apuestas · Brier · CRPS de magnitud. ½ = el modelo dijo 0,50 en todos los nombres.
| Sesión | Subieron | |ret| mediana | Haiku 4.5 A | Haiku 4.5 B | Sonnet 5 A | Sonnet 5 B | Opus 5 A | Opus 5 B |
|---|---|---|---|---|---|---|---|---|
| 16 oct | 6/10 | 1,47 % | 4/7 · 0,248 · 1,30 % | 2/2 · 0,246 · 1,74 % | ½ · 0,250 · 1,04 % | 6/9 · 0,245 · 1,00 % | ½ · 0,250 · 0,94 % | 2/3 · 0,247 · 0,97 % |
| 15 oct | 8/10 | 2,25 % | 4/6 · 0,249 · 1,18 % | 2/10 · 0,256 · 1,02 % | 0/1 · 0,254 · 1,27 % | 2/9 · 0,255 · 1,17 % | 0/2 · 0,253 · 1,29 % | 0/6 · 0,256 · 1,47 % |
| 14 oct | 4/10 | 1,23 % | 4/6 · 0,247 · 0,93 % | 1/1 · 0,248 · 1,59 % | ½ · 0,250 · 0,66 % | 7/10 · 0,245 · 0,73 % | 1/1 · 0,249 · 0,61 % | 3/4 · 0,248 · 0,65 % |
| 13 oct | 3/10 | 1,18 % | 4/5 · 0,246 · 1,82 % | 2/8 · 0,257 · 2,70 % | 7/10 · 0,246 · 0,94 % | 6/10 · 0,249 · 0,91 % | 1/1 · 0,249 · 1,06 % | 6/10 · 0,249 · 0,93 % |
| 12 oct | 6/10 | 0,53 % | 4/5 · 0,246 · 2,36 % | 4/8 · 0,251 · 2,09 % | ½ · 0,250 · 0,68 % | 4/10 · 0,252 · 1,15 % | 0/3 · 0,253 · 0,98 % | 4/8 · 0,250 · 0,62 % |
| 9 oct | 4/10 | 2,22 % | 1/6 · 0,259 · 1,26 % | 2/5 · 0,251 · 1,80 % | ½ · 0,250 · 0,78 % | 5/8 · 0,247 · 0,78 % | 0/1 · 0,251 · 0,91 % | 1/2 · 0,249 · 0,76 % |
| 8 oct | 4/10 | 2,11 % | 2/8 · 0,257 · 1,21 % | 2/5 · 0,252 · 1,37 % | ½ · 0,250 · 1,01 % | 4/7 · 0,250 · 1,45 % | 0/2 · 0,252 · 1,01 % | 0/2 · 0,253 · 1,13 % |
| 7 oct | 4/10 | 1,37 % | 5/9 · 0,245 · 1,87 % | 3/6 · 0,251 · 2,04 % | ½ · 0,250 · 1,06 % | 4/7 · 0,250 · 1,47 % | 1/2 · 0,251 · 0,93 % | 2/5 · 0,252 · 1,19 % |
| 6 oct | 4/10 | 0,85 % | 4/9 · 0,252 · 2,02 % | 1/2 · 0,250 · 2,03 % | 1/3 · 0,251 · 1,08 % | 2/5 · 0,251 · 1,69 % | 2/3 · 0,249 · 0,98 % | 1/4 · 0,252 · 1,41 % |
| 5 oct | 6/10 | 1,03 % | 2/8 · 0,260 · 1,79 % | 4/10 · 0,250 · 3,18 % | 1/2 · 0,250 · 1,25 % | 6/10 · 0,246 · 2,32 % | 1/2 · 0,250 · 1,28 % | 4/7 · 0,249 · 2,08 % |
| 2 oct | 6/10 | 3,79 % | 6/9 · 0,244 · 1,37 % | 3/9 · 0,253 · 1,81 % | 3/9 · 0,259 · 1,14 % | 3/8 · 0,252 · 1,43 % | ½ · 0,250 · 1,17 % | 1/2 · 0,250 · 1,40 % |
| 1 oct | 8/10 | 1,88 % | 1/8 · 0,267 · 1,19 % | 3/7 · 0,248 · 2,27 % | ½ · 0,250 · 0,99 % | 4/8 · 0,247 · 2,09 % | 2/3 · 0,249 · 0,98 % | 3/3 · 0,244 · 1,72 % |
| 30 sept | 8/10 | 2,27 % | 5/8 · 0,244 · 1,11 % | 2/2 · 0,246 · 1,84 % | 0/3 · 0,253 · 0,87 % | 3/7 · 0,249 · 1,20 % | ½ · 0,250 · 0,68 % | 3/5 · 0,247 · 0,83 % |
| 29 sept | 5/10 | 0,99 % | 5/8 · 0,248 · 3,47 % | 5/10 · 0,250 · 5,73 % | 6/8 · 0,242 · 3,30 % | 5/9 · 0,248 · 3,34 % | 2/3 · 0,249 · 3,32 % | 4/5 · 0,246 · 3,38 % |
| 28 sept | 2/10 | 2,01 % | 5/10 · 0,251 · 1,26 % | 6/7 · 0,245 · 2,46 % | 2/5 · 0,251 · 0,82 % | 7/8 · 0,244 · 0,94 % | 2/2 · 0,248 · 0,84 % | 3/4 · 0,248 · 0,83 % |
| 25 sept | 5/10 | 3,35 % | 6/9 · 0,246 · 1,33 % | 4/8 · 0,251 · 1,65 % | 5/6 · 0,243 · 0,98 % | 3/9 · 0,253 · 0,99 % | 1/2 · 0,250 · 0,98 % | ½ · 0,250 · 1,01 % |
| 24 sept | 5/10 | 1,05 % | 5/9 · 0,257 · 1,63 % | 4/7 · 0,249 · 1,34 % | 2/3 · 0,249 · 1,01 % | 3/7 · 0,251 · 0,88 % | 1/2 · 0,250 · 1,44 % | ½ · 0,250 · 0,87 % |
| 23 sept | 4/10 | 2,00 % | 4/8 · 0,250 · 1,04 % | 4/7 · 0,249 · 1,58 % | ½ · 0,250 · 0,60 % | 3/6 · 0,250 · 0,62 % | ½ · 0,250 · 0,59 % | ½ · 0,250 · 0,61 % |
| 22 sept | 7/10 | 1,28 % | 7/9 · 0,241 · 1,77 % | 0/2 · 0,254 · 2,62 % | 1/4 · 0,253 · 1,13 % | 1/9 · 0,259 · 2,12 % | 0/4 · 0,255 · 1,12 % | 0/2 · 0,254 · 1,76 % |
| 21 sept | 6/10 | 3,07 % | 4/7 · 0,245 · 1,55 % | ½ · 0,250 · 2,87 % | 2/3 · 0,250 · 1,57 % | 4/7 · 0,249 · 1,59 % | – | – |
| 18 sept | 5/10 | 1,67 % | 4/9 · 0,241 · 1,23 % | 5/10 · 0,242 · 2,91 % | 5/10 · 0,250 · 0,84 % | 5/8 · 0,247 · 1,24 % | 2/3 · 0,249 · 0,79 % | 1/2 · 0,249 · 0,90 % |
| 17 sept | 9/10 | 2,13 % | 2/9 · 0,264 · 1,28 % | 2/9 · 0,254 · 1,42 % | 4/8 · 0,249 · 0,97 % | 1/7 · 0,254 · 0,94 % | ½ · 0,250 · 1,00 % | 1/1 · 0,248 · 0,96 % |
| 16 sept | 3/10 | 1,56 % | 6/10 · 0,245 · 1,51 % | 2/4 · 0,251 · 1,32 % | 4/6 · 0,247 · 1,29 % | 7/10 · 0,246 · 0,83 % | 2/3 · 0,250 · 0,97 % | ½ · 0,250 · 0,80 % |
| 15 sept | 2/10 | 1,58 % | 3/9 · 0,255 · 1,39 % | 3/9 · 0,255 · 1,57 % | 8/10 · 0,244 · 0,70 % | 2/7 · 0,256 · 0,65 % | 1/1 · 0,249 · 0,79 % | 1/1 · 0,249 · 0,67 % |
| 14 sept | 4/10 | 5,30 % | 1/7 · 0,257 · 1,29 % | 3/9 · 0,253 · 1,23 % | 2/6 · 0,252 · 1,96 % | 5/7 · 0,247 · 1,69 % | ½ · 0,250 · 1,79 % | ½ · 0,250 · 2,09 % |
| 11 sept | 5/10 | 2,32 % | 6/8 · 0,233 · 1,75 % | 2/4 · 0,250 · 1,87 % | 3/7 · 0,250 · 1,75 % | 2/5 · 0,251 · 1,65 % | ½ · 0,250 · 1,65 % | 1/3 · 0,251 · 1,68 % |
| 10 sept | 3/10 | 2,42 % | 2/8 · 0,266 · 1,25 % | 0/3 · 0,253 · 1,92 % | 4/8 · 0,248 · 1,86 % | 4/8 · 0,250 · 1,73 % | 1/3 · 0,251 · 1,44 % | 1/1 · 0,249 · 1,27 % |
| 9 sept | 6/10 | 1,69 % | 6/9 · 0,244 · 2,34 % | 1/1 · 0,248 · 3,55 % | 3/4 · 0,248 · 1,96 % | 2/3 · 0,248 · 1,85 % | 2/3 · 0,249 · 1,35 % | 1/2 · 0,250 · 1,42 % |
| 8 sept | 4/10 | 3,67 % | 1/8 · 0,273 · 2,21 % | 1/2 · 0,249 · 2,94 % | 1/4 · 0,252 · 1,88 % | 4/7 · 0,249 · 1,75 % | ½ · 0,250 · 1,32 % | ½ · 0,250 · 1,52 % |
| 4 sept | 4/10 | 1,97 % | 1/9 · 0,285 · 1,78 % | – | 2/9 · 0,255 · 2,98 % | – | 2/5 · 0,251 · 4,04 % | – |
| 3 sept | 9/15 | 2,92 % | 5/12 · 0,242 · 1,91 % | – | 8/11 · 0,241 · 2,01 % | – | 6/8 · 0,246 · 2,92 % | – |
Los nombres se eligen por movimiento reciente (los que más subieron y bajaron a 1, 5 y 21 sesiones), no por convicción: es el marco de muestreo, no una señal.
Última sesión vencida por nombre (16 oct)
Celda: probabilidad de subir / movimiento esperado.
| Nombre | Retorno real | Haiku 4.5 A | Haiku 4.5 B | Sonnet 5 A | Sonnet 5 B | Opus 5 A | Opus 5 B |
|---|---|---|---|---|---|---|---|
| BNY | 0,81 % | 0,50 / 2,5 % | 0,50 / 1,7 % | 0,50 / 1,5 % | 0,50 / 1,1 % | 0,50 / 1,3 % | 0,50 / 1,2 % |
| CIEN | -6,67 % | 0,46 / 7,8 % | 0,50 / 9,5 % | 0,50 / 4,8 % | 0,49 / 3,5 % | 0,50 / 4,2 % | 0,50 / 3,7 % |
| FITB | 0,04 % | 0,50 / 2,0 % | 0,50 / 1,3 % | 0,50 / 1,3 % | 0,49 / 0,9 % | 0,50 / 1,2 % | 0,49 / 0,9 % |
| HPE | -5,97 % | 0,46 / 6,5 % | 0,50 / 4,7 % | 0,50 / 4,0 % | 0,49 / 2,8 % | 0,50 / 3,4 % | 0,50 / 3,0 % |
| KSS | -3,66 % | 0,54 / 7,2 % | 0,50 / 7,0 % | 0,50 / 2,8 % | 0,49 / 2,0 % | 0,50 / 2,6 % | 0,50 / 2,2 % |
| MRNA | -7,82 % | 0,53 / 8,5 % | 0,50 / 6,5 % | 0,50 / 5,0 % | 0,49 / 3,8 % | 0,50 / 4,5 % | 0,50 / 4,0 % |
| PNC | 1,14 % | 0,48 / 2,6 % | 0,50 / 1,4 % | 0,50 / 1,3 % | 0,49 / 1,0 % | 0,50 / 1,2 % | 0,50 / 1,0 % |
| RF | 0,51 % | 0,50 / 2,0 % | 0,52 / 3,4 % | 0,50 / 3,5 % | 0,52 / 3,4 % | 0,50 / 2,6 % | 0,52 / 3,0 % |
| SIG | 0,28 % | 0,52 / 7,0 % | 0,50 / 10,7 % | 0,50 / 2,8 % | 0,49 / 2,0 % | 0,50 / 2,6 % | 0,50 / 2,2 % |
| TRV | 1,47 % | 0,52 / 2,2 % | 0,52 / 2,9 % | 0,50 / 3,4 % | 0,52 / 2,9 % | 0,50 / 2,4 % | 0,52 / 2,6 % |
Método: las predicciones se registran antes de la apertura y nunca sobre sesiones ya cerradas; los paquetes se guardan tal cual los vio cada modelo; los modelos no reciben titulares (licencia y memorización). El criterio de skill direccional (resolución > 0 con p < 0,05 sobre 200 predicciones) y el del A/B se escribieron antes de empezar.