Este es el final puntuable de Deep Learning para datos de mercado, y recorre todo lo que el curso ha construido. Empezasteis enfrentándoos a por qué las redes profundas tienen problemas con los datos de precios en general: el tamaño de muestra efectivo es minúsculo en cuanto tienes en cuenta la autocorrelación, así que un MLP flexible vive eternamente estrangulado entre el sobre y el infraajuste, y el teorema de aproximación universal no es ningún rescate cuando cada ensayo extra penaliza tu significancia. Desde ahí subisteis por la escalera de arquitecturas: redes recurrentes (RNN/LSTM/GRU) que se desenrollan a lo largo del tiempo pero pierden gradientes () hasta que la autopista del estado de celda de la LSTM y sus puertas tapan la fuga; redes convolucionales temporales cuyas convoluciones causales y dilatadas garantizan que no haya anticipación y hacen crecer un campo receptivo en paralelo; y atención/transformers, cuyo producto escalar reescalado () da a dos instantes cualesquiera un camino de un solo salto con coste , impulsando los modelos LOB/DeepLOB sobre el libro de órdenes de alta SNR. Aprendisteis a convertir categóricas dispersas en embeddings de entidad densos sin filtrar el futuro, y por fin a entrenar y evaluar con honestidad: el menú de regularización, la validación cruzada con purga + embargo, el listón del Sharpe deflactado para las búsquedas de arquitectura, la lista de comprobación de despliegue y el humillante hecho de que el gradient boosting suele ganar sobre rasgos tabulares de mercado. No se muestran pistas, cada respuesta se bloquea en cuanto la envías, y tu puntuación queda oculta hasta el final.
Repaso del curso
Big picture
Deep Learning para datos de mercado — el arco completo
- DL para datos de mercado
- 1 · Por qué el DL sufre
- Tamaño de muestra efectivo ≪ número de filas (autocorrelación)
- MLP estrangulado: sobreajusta si es flexible, infraajusta si se encoge
- Aproximación universal ≠ aprendible; cada ensayo penaliza la significancia
- 2 · RNN / LSTM / GRU
- Recurrencia = desenrollar la misma celda en el tiempo
- Gradiente que se desvanece/explota en horizontes largos
- Autopista del estado de celda de la LSTM + puertas; la GRU es la prima ligera
- 3 · Redes convolucionales temporales
- Convolución causal → sin fuga por anticipación
- La dilatación hace crecer el campo receptivo R = 1+(k−1)(2^L−1)
- Bloques residuales; entrenamiento en paralelo frente a la RNN secuencial
- 4 · Atención y transformers
- Producto escalar reescalado, dividir por √(d_k)
- Camino de un salto O(1) frente a O(T) de la RNN; coste O(T²)
- Multi-cabeza + codificación posicional; LOB/DeepLOB
- 5 · Embeddings
- El one-hot desperdicia espacio; los embeddings son densos y aprendidos
- Regla práctica de dimensión ≈ min(50, cardinalidad/2)
- Trampas de fuga: ajustar solo con train, sin etiquetas futuras
- 6 · Entrenamiento y evaluación
- Menú de regularización: dropout, weight decay, parada temprana
- CV con purga + embargo; Sharpe deflactado para la búsqueda de arquitectura
- El gradient boosting suele ganar sobre rasgos tabulares
- 1 · Por qué el DL sufre
Una vuelta, un solo intento
Este es un examen puntuable e irreversible. Hay 24 preguntas, mostradas de una en una. En el instante en que envías una pregunta se bloquea: no hay botón de Atrás, ni reintento, ni Reiniciar. Una respuesta incorrecta simplemente suspende esa pregunta y el examen avanza; no puedes volver a ella. Tu puntuación acumulada queda oculta hasta la pantalla final. La nota para aprobar es del 70%. Algunas preguntas aceptan más de una opción correcta: lee todas las opciones antes de confirmar, porque una vez que envías, la respuesta es tuya.
Una quant tiene 20 años de rendimientos diarios de renta variable — unas 5.000 filas — y quiere justificar una red profunda con 200.000 parámetros. ¿Por qué el número de filas es una medida engañosa de cuántos datos tiene en realidad?
Selecciona una respuesta para continuar.
Dónde te deja esto en la escalera quant
Apruebes o no, ahora posees la rara destreza que separa a los profesionales de los seguidores del hype: saber cuándo no recurrir a una red profunda. Sabes calibrar el tamaño de muestra efectivo de un conjunto de datos, elegir la arquitectura cuyo sesgo inductivo encaja de verdad con el problema — recurrencia con puertas, una pila causal dilatada o atención sobre el libro de órdenes —, cablear las categóricas con embeddings a prueba de fugas, y luego defender un resultado frente al listón del Sharpe deflactado y una partición purgada y con embargo. Ese es justo el criterio que te permite desplegar deep learning donde de verdad se gana su sitio y apoyarte en el gradient boosting en todo lo demás. Desde aquí la escalera sube hacia sistemas de producción completos y construcción de carteras — y llegas con el único hábito que más importa en quant: confiar en la evaluación por encima del entusiasmo.