Una firma cuantitativa compuesta solo por agentes de IA
Vonash.ai es un framework propietario para la orquestación de agentes de inversión autónomos que gestionan portafolios, ejecutan estrategias y generan dividendos bajo esquemas de riesgo controlado, aprendizaje continuo y modelado explícito de planes.
El Framework
El sistema trata el mercado como una empresa virtual en la que conviven más de 20 "empleados algorítmicos": agentes especializados en distintos estilos de trading, técnicas cuantitativas y enfoques de teoría de juegos, coordinados por una capa central de orquestación y control de riesgo.
Organización Algorítmica
Cada agente de IA es un "analista" o "trader" con mandato propio, acceso a flujos de datos en tiempo real y reglas de riesgo predefinidas. Una estructura organizacional completa, sin intervención humana en la operación diaria.
Aprendizaje Continuo
El framework coordina, evalúa, re-asigna capital y aprende de los resultados. Cada ciclo de mercado alimenta un loop de retroalimentación que refina las estrategias y optimiza la asignación de recursos.
Control de Riesgo Sistémico
Módulos dedicados a límites de exposición, max drawdown intradía, cumplimiento de reglas tipo PDT (FINRA 4210), kill-switches globales y throttling por universo de instrumentos.
Métricas de Performance
Evaluación por P&L ajustado por riesgo, Sharpe ratio, turnover, impacto en liquidez y otros indicadores cuantitativos que determinan la asignación de capital entre agentes.
ARQUITECTURA DEL SISTEMA
Organigrama Funcional
La plataforma se organiza en departamentos funcionales donde residen los agentes, cada uno con responsabilidades claramente definidas dentro del framework de orquestación.
Interfaz con brokers (IBKR, TWS, Web API). Manejo de límites de pacing, resets de sesión, rps windows. Control de orders, fills, bracket/OCO, routing y latency budgets.
Ingesta de ticks crudos → conversión a bars de 5s → Feature Service centralizado. VWAP, ATR, rVol, spreads, bid-ask imbalance. Servicios de news feeds, calendarios económicos y señales alternativas.
Agentes de Nivel 1: estrategias fundamentales robustas. Niveles 2-3: microestructura avanzada, OFI, statistical arbitrage, modelos de teoría de juegos y ML multi-factor.
Asignación dinámica de capital por agente, bucket de riesgo y estilo de estrategia. Panel OPS tipo 'sala de máquinas' con observabilidad completa del enjambre.
Infraestructura de backtest sobre data histórica. Re-ejecución de experimentos a gran escala, stress tests, análisis what-if. Modo paper trading integrado.
CAPACIDADES DE AGENTES
Técnicas y Modelos
Los agentes de Vonash.ai implementan un espectro diverso de técnicas cuantitativas, desde modelos clásicos de microestructura hasta enfoques modernos de machine learning y teoría de juegos aplicada a mercados financieros.
Microestructura de Mercado
- Order Flow Imbalance (OFI)
- Price Impact Intradía
- Level 2 Order Book Analysis
- Bid-Ask Spread Dynamics
Teoría de Juegos
- Best-Response Dynamics
- Approximate Nash Equilibria
- Multi-Agent Coordination
- Adversarial Modeling
Machine Learning
- Gradient Boosting Ensembles
- Deep Sequential Models
- Intraday Factor Zoo
- Online Learning Loops
Statistical Arbitrage
- Pairs Trading
- ETF/Index Residuals
- Mean Reversion Models
- Cointegration Analysis
Nota metodológica: Cada agente opera con autonomía en su mandato de portafolio, pero está sujeto a evaluación continua por métricas de risk-adjusted returns, capital efficiency y compliance operativo. El Allocator redistribuye capital dinámicamente basándose en performance relativa.
ARQUITECTURA DE DATOS
Pipeline de Datos en Tiempo Real
Un flujo de datos streaming de baja latencia conecta la ingesta primaria con la ejecución final, pasando por capas de transformación, enriquecimiento y generación de señales.
Ticks Crudos
IBKR streaming data
Bars & Features
Intervalos 5s, VWAP, ATR
Señales Externas
News, eventos, sentimiento
Señales de Agentes
Discretas & continuas
Order Flow
Ejecución controlada
Budget de Latencia
<50ms
Señal a ejecución
Actualización de Features
5s
Intervalos de barras
Tamaño del Universo
Dinámico
Watchlist priorizado
FUNDAMENTOS TEÓRICOS
Marco Teórico y Referencias
Vonash.ai está alineado con la frontera actual de investigación en microestructura y trading cuantitativo. Las siguientes áreas informan el diseño y las estrategias del sistema.
Microestructura y Edge Intradía
Order Flow Imbalance (OFI) y modelos de price impact siguiendo la línea de trabajo de Cont, Kukanov & Stoikov (OUP Academic).
Momentum Intradía en ETFs
Evidencia de persistencia de señales de momentum intradía, particularmente robustas en días de alta volatilidad (literatura ScienceDirect).
Predictibilidad Intradía & ML
Uso de machine learning para explotar el 'factor zoo' en horizontes intradía. Papers recientes 2025 de Duke y otras instituciones.
Reversión Intradía No Fundamental
Estrategias basadas en reversión de micro-movimientos no explicados por fundamentales (Quantified Strategies, estudios empíricos).
"El objetivo final de Vonash.ai es transformar una colección de modelos en una organización coordinada de inteligencia de mercado, donde cada agente contribuye a una visión integrada del estado del mercado y las oportunidades de alpha."
Estado Actual del Proyecto
Vonash.ai es un framework privado de investigación y producción, actualmente en desarrollo activo. No es un producto comercial abierto al público.
Disponible exclusivamente para:
- Colaboración estratégica en investigación
- Partnerships institucionales
- Discusiones de inversión calificada
Para consultas: