Empieza por definir los requisitos de entrada
Describe las columnas de datos, las unidades, las marcas de tiempo y el resultado esperado. Indica al modelo qué información no está disponible y pídele que señale los supuestos que faltan. No incluyas credenciales ni datos privados de cuentas en las instrucciones.
Un esquema de especificación reutilizable
Utiliza este esquema: objetivo; universo elegible; información disponible en el momento de decidir; señal; momento de la orden; salida; límite de posición; costes; comportamiento ante datos ausentes; pruebas. Pide que se indiquen las preguntas pendientes antes de generar código y revisa después cada campo.
Comprueba el comportamiento de forma independiente
Construye ejemplos sin señal, con una señal, con observaciones ausentes y con un historial insuficiente. Compara las decisiones esperadas con los resultados reales. Al evaluar un modelo entrenado, ajusta el preprocesamiento solo con la parte de entrenamiento; las divisiones cronológicas requieren prestar atención a la información solapada.
Entrega un registro de evidencias
Guarda las instrucciones, el identificador del modelo disponible, la versión generada, los cambios manuales y los resultados de las pruebas. Este sitio ofrece el proceso y las herramientas de referencia; no aloja un entorno de ejecución de modelos ni ejecuta código de negociación generado.
Empieza la tarea práctica
Utiliza el estudio de investigación para documentar reglas o revisar una serie adecuada del valor de la cartera. Revisa los supuestos de entrada y exporta tu trabajo antes de salir.
Abrir el espacio de trabajo ↗¿Preguntas sobre este proceso?
Si tienes una pregunta sobre el contenido o una sugerencia, describe tu objetivo de investigación, el tipo de activo, la etapa actual y el paso que necesitas que se explique. No envíes credenciales de cuentas ni claves de negociación.
info@aiquantbase.com ↗Fuentes y referencias
- scikit-learn — Cross-validation and time series evaluation ↗
- scikit-learn — Data leakage and common pitfalls ↗
Las referencias respaldan definiciones concretas o el contexto metodológico. Los ejemplos y las listas de comprobación de investigación son explicativos; no se afirma ningún resultado de rendimiento.