¿Se han fijado? Los nuevos ricos de esta ola, como Liang Wenfeng y Jeff Yan, apenas pasan de los 30 y ya se han convertido en multimillonarios con fortunas de decenas de miles de millones.
Muchos amigos nacidos en los años 80 dicen que es porque ahora es más fácil ganar dinero y porque aprovecharon el auge de la inteligencia artificial e internet.
En realidad, para ser más precisos, todos tienen algo en común: cuentan con la capacidad y los conocimientos necesarios para operar mediante algoritmos.
Por ejemplo, Liang Wenfeng trabajó ocho años en finanzas cuantitativas antes de crear DeepSeek.
Antes de crear Hyperliquid, Jeff Yan trabajó en HRT en operaciones algorítmicas con acciones estadounidenses.
A primera vista, estos sectores no tienen nada que ver entre sí. Pero, si analizamos la forma de pensar de estas personas, descubrimos que las finanzas cuantitativas les aportaron cuatro cosas que son difíciles de desarrollar en un trabajo convencional.
Primera cosa: aplicar estrategias mediante un sistema, no guiarse por la «intuición»
Liang Wenfeng dijo una vez: «El trading cuantitativo no es apostar; es vencer a la naturaleza humana con probabilidades».
Y añadió algo aún más contundente: «Convertir la codicia y el miedo humanos en entradas y salidas de un algoritmo».
La rutina de un operador cuantitativo no consiste en decir «creo que va a subir», sino en preguntarse: ¿cuántas veces ha aparecido esta señal en el pasado? ¿Cuál es su tasa de acierto? ¿Cuál es la relación entre ganancias y pérdidas?
¿Cuál es la caída máxima? Primero se escriben las reglas y luego se ejecutan. Primero se construye el sistema y después se apuesta.
Después de dejar HRT, Jeff Yan se fue a Puerto Rico. Empezó con 10.000 dólares, trabajaba 14 horas al día y, a partir de scripts de Python, hizo que un programa operara automáticamente las 24 horas.
No salió adelante gracias a su «instinto para seguir el mercado», sino a un sistema capaz de funcionar una y otra vez.
Segunda cosa: «sacar» las emociones de la toma de decisiones
En el perfil psicológico de Liang Wenfeng hay una descripción muy acertada: «Una racionalidad objetiva extrema y operaciones sin emociones.
Casi renuncia a las impresiones subjetivas: ante las subidas y bajadas del mercado y el ruido de la opinión pública, juzga basándose en datos y modelos».
Huanfang también ha sufrido caídas pronunciadas en un solo mes, pero él acepta que «las pérdidas son inevitables en un mundo probabilístico». Lo importante es controlar la caída máxima y no echar abajo todo el marco por un desplome del rendimiento a corto plazo.
La primera reacción de la gente común tras perder dinero es: «Tengo que recuperar lo perdido». La primera reacción de alguien con formación cuantitativa es preguntarse: ¿ha dejado de funcionar la señal o el sistema está operando dentro de su rango normal de tolerancia?
Que las emociones no entren en el ciclo de toma de decisiones es algo que se vuelve instintivo.
Tercera cosa: combinar conocimientos y habilidades: las capacidades fundamentales pueden aplicarse en otros ámbitos
Liang Wenfeng llevó a DeepSeek lo que había aprendido en Huanfang: la capacidad técnica para construir clústeres de supercomputación propios, la intuición para crear modelos que procesan enormes cantidades de datos mediante aprendizaje automático y una búsqueda incesante de la máxima utilización de la capacidad de cómputo.
A esto lo llama «trasladar las capacidades de ingeniería cuantitativa al entrenamiento de modelos grandes».
A Jeff Yan le ocurrió lo mismo. La formación en trading algorítmico de HRT le dio una intuición casi instintiva para interpretar la microestructura del mercado. Más tarde, al desarrollar los contratos perpetuos y el sistema de emparejamiento en cadena de Hyperliquid, aplicó la misma capacidad fundamental: diseñar un sistema de reglas que funcione de manera estable en un entorno de gran incertidumbre.
Cuarta cosa: límites claros: «lo que no haces» es más importante que «lo que haces»
Quienes vienen del mundo cuantitativo sienten un respeto casi obsesivo por los «límites».
Un titular de la certificación CQF y responsable del negocio cuantitativo de Guojin Securities dijo algo muy acertado: «Lo que realmente tiene valor es comprender el mercado, gestionar el riesgo y saber con claridad cuáles son los límites de tu modelo».
La esencia del pensamiento cuantitativo no es «poder hacerlo todo», sino trazar primero un círculo: apostar dentro de él y no tocar nada de lo que queda fuera.
Cuanto más claros sean los límites, menos probable será que el sistema colapse.
Lo que más debería imitar la gente común no es dedicarse al trading cuantitativo. La barrera de entrada es altísima y la gran mayoría no puede seguir ese camino.
Pero puedes incorporar estas cuatro cosas a tu vida:
Antes de tomar una decisión, escribe las reglas en lugar de dejarte llevar por las emociones.
Cambia «¿He acertado esta vez?» por «¿Está funcionando bien mi sistema?».
Y, para terminar, hablemos claro: si no quieres construir un sistema desde cero, aprovecha Binance AI. En el mercado hay empresas tecnológicas especializadas en ofrecer servicios de parámetros técnicos para bots: hacen transparentes los parámetros y definen claramente los límites. El modelo de colaboración suele consistir en un coste de integración inicial muy bajo y un reparto posterior según el rendimiento. No prometen ganancias; solo se responsabilizan de los parámetros.
Llevo mucho tiempo ofreciendo este tipo de servicios de parámetros técnicos para bots, y lo que más temo es que un cliente empiece preguntando: «¿Cuánto se puede ganar?».
De hecho, las reglas de empresas tecnológicas como la nuestra son otras: primero vemos si puedes aceptar la caída máxima; después, si los parámetros son transparentes, y solo al final hablamos del reparto posterior.
Si quieres conocer los criterios de selección, escribe «parámetros» en los comentarios y te enviaré una lista de verificación para evaluar colaboraciones que no se fija en las promesas de ganancias, sino en la claridad de los límites.