Me creo a medias eso de que con dos repositorios de GitHub se puede convertir un ordenador normal en una mesa de investigación como la de una terminal Bloomberg. Con REA y Kronos, y Claude Code como pegamento, se puede montar algo que de verdad funciona: por un lado, recopila cotizaciones, calcula factores y hace backtesting; por otro, deja que el modelo lea comunicados, redacte informes diarios y genere hipótesis de trading. A primera vista, parece bastante convincente. Pero lo más difícil de estos montajes nunca es el código, sino las fuentes de datos y la latencia. El código se puede suplir con repositorios de código abierto y Claude Code, pero los datos hay que conectarlos uno por uno: las API gratuitas de cotizaciones suelen limitar las solicitudes —por ejemplo, a unas pocas por minuto— y los datos bursátiles pueden tener un retraso de 15 minutos; para obtener datos de mercado en tiempo real de nivel 2 y operaciones individuales, las cuotas mensuales van de cientos a miles de dólares. Los datos alternativos, el análisis de noticias y comunicados, y la sincronización de zonas horarias son escollos menos visibles. He visto un montaje muy típico: usar una interfaz gratuita para obtener datos diarios y hacer backtesting; la curva de rentabilidad anualizada queda muy bonita, pero al pasar a una cuenta de simulación se descubre que las señales llegan decenas de segundos después de las operaciones reales, y el deslizamiento se come más de la mitad de las ganancias. Así que eso de «convertir un ordenador normal en una terminal Bloomberg» solo se sostiene en cuanto al flujo de investigación; en calidad de datos y latencia de ejecución, sigue estando muy lejos de una terminal de verdad.

Llevo bastante tiempo siguiendo el tema de los gremios de juegos blockchain, y por muy sofisticado que sea el modelo económico on-chain, al final tiene que sostenerse con la retención de jugadores reales. Ni las mejores herramientas pueden salvar un juego al que nadie juega. Por ejemplo, algunos proyectos tienen mucho movimiento en TVL y volumen de compraventa de NFT, pero apenas unos cientos de usuarios activos diarios; la producción de recompensas lleva tiempo superando el consumo y, cuando escasean los nuevos jugadores, se desploman a la vez el precio del token y los ingresos del gremio. En cambio, en los juegos con una retención sólida, los gremios pueden crecer poco a poco gracias a una producción estable y a la actividad de los jugadores, aunque las herramientas sean rudimentarias. Las herramientas pueden agilizar la recopilación de datos, el cálculo de rentabilidades y la supervisión de direcciones, pero no pueden crear diversión ni retención de la nada. Dejo guardada esta hipótesis y mañana vuelvo a comprobarla: durante una semana, ejecutaré la misma pila de REA + Kronos + Claude Code y registraré la tasa de fallos de las fuentes de datos, la latencia de extremo a extremo y las diferencias entre las señales y el criterio humano. Después, lo compararé con la retención al día siguiente, la retención a los 7 días y los pagos reales en los juegos de gremios, para ver qué acaba marcando el techo: si las herramientas completan la mesa de investigación o si lo determinan las fuentes de datos y la retención.