1. Punto de partida: ¿qué tipo de “aprendizaje” usa Meruem contra Netero?
Si hubiera que elegir un término de aprendizaje automático, el método de Meruem se parece más al modelado en línea del oponente. Mientras combate, observa a Netero y actualiza continuamente la probabilidad de que elija una acción concreta en cada situación.[1]
Llamarlo simplemente aprendizaje por refuerzo sería demasiado impreciso. Meruem combina:
- Observación de distancia, dirección, ritmo, tiempo y acción anterior.
- Estimación de los sesgos inconscientes de Netero.
- Predicción de la siguiente acción.
- Cambio de su propio ataque para provocar una respuesta concreta.
- Búsqueda de una ruta de ruptura varios pasos por adelantado.
La descripción más exacta es modelado del oponente＋aprendizaje en línea＋predicción secuencial＋planificación. Transfiere al combate la habilidad desarrollada en Gungi para leer preferencias y comparar ramas futuras.
2. Incluso un duelo tiene demasiadas combinaciones. ¿Por qué aun así puede leerse?
Supongamos que cada luchador solo puede atacar, defender, esquivar, moverse o fintar. Una acción simultánea ya tiene 25 combinaciones. Diez turnos producen 25^10, unos 95 billones de secuencias. En una pelea real también cambian de forma continua el ángulo, la velocidad, la distancia, la fuerza y el momento, así que el espacio real es casi infinito.
Meruem no memoriza todas las secuencias. La clave es que las personas no usan todas las opciones con la misma probabilidad.
Aunque Netero tenga 100 defensas, si a cierta distancia elige A el 50%, B el 30% y C el 15%, el problema útil se comprime casi por completo en A, B y C. Si Meruem ataca de forma que A sea todavía más probable, el espacio se reduce aún más.
La idea central no es probarlo todo, sino:
Limitar la situación, detectar el sesgo de conducta y usar tu propia acción para estrechar la respuesta del rival.
3. En el mercado normalmente no se ve quién es “el fuerte”
En un duelo hay un rival identificable. En el mercado conviven instituciones, brókeres, creadores de mercado, operadores de alta frecuencia, profesionales discrecionales y minoristas. El libro público no revela con certeza quién envió cada orden.
Por eso “copiar al mejor scalper” es un marco peligroso. Lo observable no es la persona, sino la huella que deja en los datos públicos:
- Cuántos ticks movió el precio una compra agresiva.
- Si ventas agresivas no consiguieron hacer bajar el precio.
- Si las ofertas de venta consumidas se repusieron rápidamente.
- Si las órdenes de compra subieron de nivel.
- Si continuaron las operaciones tras un nuevo máximo.
- Si el spread siguió estrecho o se abrió de golpe.
La pregunta útil no es “¿quién está comprando?”, sino:
¿Qué lado está moviendo realmente el precio en este estado observable?
4. Por qué podría existir una estrategia tipo rémora
La idea de no competir por el primer movimiento y buscar una parte residual de un flujo persistente tiene varias bases académicas.
Primero, las órdenes grandes suelen dividirse. Ejecutarlas de una vez empeora el precio del propio inversor, por lo que una orden madre puede fragmentarse en muchas órdenes hijas. Un estudio con más de nueve años de datos por cuenta de la Bolsa de Tokio apoyó cuantitativamente que esta fragmentación ayuda a crear persistencia: compras seguidas de compras y ventas seguidas de ventas.[2]
Segundo, los patrones previsibles pueden ser anticipados. Cuanto más reconocible es la ejecución de una gran orden, mayor puede ser la actividad de anticipación, el coste de ejecución y el impacto retrasado mientras otros participantes aprenden sobre ella.[6][7] Esto se relaciona con el back-running: inferir una orden grande a partir del flujo pasado y negociar después de ella.
Tercero, la primera carrera de velocidad es inaccesible para una persona. Un estudio de mensajes de mercado británicos encontró carreras típicas de arbitraje de latencia de 5–10 microsegundos y más del 20% del volumen involucrado en algún tipo de carrera.[9]
Lo que un minorista puede estudiar son fenómenos más lentos: fragmentación, órdenes de seguimiento y falta temporal de liquidez durante segundos o minutos.
Esto no demuestra que comprar toda “segunda ola” sea rentable. Cuando termina una orden grande, parte de su impacto puede revertirse y el comprador inicial puede vender a los seguidores tardíos. La condición central no es que el precio haya subido, sino que el flujo todavía no haya terminado.
5. Cuatro huellas observables
5-1. Desequilibrio del flujo de órdenes (OFI)
El OFI combina operaciones agresivas, nuevas órdenes limitadas y cancelaciones en el mejor bid y ask para medir la diferencia entre presión compradora y vendedora. En 50 acciones estadounidenses, los cambios de precio a corto plazo se relacionaron de forma más estable con el OFI que con el volumen bruto; la misma presión movía más el precio cuando la profundidad era menor.[3]
En una cuerda, no solo cuenta cuántas personas participan: observa hacia dónde se mueve la cuerda y quién entra o sale de cada lado.
5-2. Desequilibrio de colas
Si B es la cantidad en el mejor bid y A la cantidad en el mejor ask:
QI = (B - A) / (B + A)
QI se acerca a 1 cuando el mejor bid visible es relativamente grande y a -1 cuando domina el ask. En diez acciones del Nasdaq se encontró una relación estadísticamente significativa entre QI y la dirección del siguiente movimiento del precio medio, especialmente en acciones de tick grande.[4]
Pero una orden visible puede cancelarse. Hay que observar altas, cancelaciones y ejecuciones, no una fotografía estática.
5-3. Respuesta del precio a las órdenes
Lo más importante no es solo el tamaño de las órdenes, sino cómo responde el precio.
- Muchas compras agresivas sin subida pueden indicar absorción vendedora.
- Muchas ventas agresivas sin caída pueden indicar absorción compradora.
Para seguir una subida, “hay muchas compras” es una señal más débil que el mercado soporta un contraataque vendedor sin romperse.
5-4. Resiliencia del libro
La resiliencia mide la rapidez con la que el libro se reconstruye tras ser consumido. Un estudio de una acción en Londres encontró que el libro no siempre se reponía, pero cuando lo hacía su semivida estimada era de unos 20 segundos; también observó señales de órdenes de mercado imitativas.[5]
No es una regla universal de 20 segundos. La lección es medir si la liquidez contraria vuelve durante el breve periodo posterior al choque inicial.
6. Hipótesis de entrada: buscar la reaceleración tras resistir, no el primer estallido
Una hipótesis sencilla para una entrada larga tiene cinco pasos:
- Choque: precio, frecuencia de operaciones y OFI positivo aumentan de forma anormal.
- Espera: no perseguir; dejar que aparezca presión vendedora.
- Prueba de resistencia: retroceso pequeño, reposición de bids y mantenimiento del origen del movimiento.
- Reaceleración: vuelve el OFI positivo, se consumen asks y se rompe el máximo reciente.
- Entrada: participar solo en la continuación breve posterior.
Ejemplo: el precio pasa de 1.000 a 1.010, retrocede a 1.007, no rompe 1.007 pese a las ventas y vuelve a superar 1.010. El operador más rápido toma los primeros diez puntos; la rémora intenta capturar solo una parte de lo que queda tras la confirmación.
Esta secuencia no es una regla universal demostrada. La literatura apoya persistencia, información de OFI y colas, y anticipación de órdenes. Convertirlo en estos cinco pasos es una hipótesis que debe probarse.
7. La toma de beneficios debe seguir la vida de la razón de entrada
La razón de entrada es:
“Todavía queda un flujo comprador de vida corta y pronto pueden llegar compras de seguimiento.”
Por tanto, la salida no debe depender solo del beneficio flotante, sino de si la hipótesis sigue viva.
7-1. Salir cuando falla la premisa
Señales posibles:
- El precio vuelve inmediatamente por debajo de la ruptura.
- Se rompe el mínimo del retroceso.
- El OFI gira hacia ventas.
- Siguen entrando compras agresivas, pero el precio ya no sube.
- El ask se repone rápida y repetidamente.
- Desaparecen bids y se amplía el spread.
Si falla la premisa, se sale aunque no se alcance el objetivo. Si el corredor al que seguías se detiene, no tiene sentido continuar solo por haber fijado una distancia.
7-2. Salida por tiempo
La estrategia espera continuación rápida. Si no llega un nuevo máximo o reaceleración en el horizonte esperado, la falta de avance también es información.
No existe un “20 segundos para todo”. Las señales decaen a velocidades distintas; modelos dinámicos con costes muestran que la posición óptima depende de la persistencia y velocidad de reversión de la señal.[12] El plazo debe estimarse con datos propios: cuánto tardan normalmente las operaciones ganadoras en empezar a funcionar.
7-3. Objetivo fijo
Un objetivo fijo puede ser útil, pero “tres ticks” o 1:2 sin evidencia es arbitrario. Hay que recopilar la excursión favorable máxima (MFE) y comparar objetivos después de spread, comisiones y deslizamiento.
Esperanza = tasa de acierto × ganancia media − tasa de fallo × pérdida media − costes
Un objetivo lejano paga más cuando se alcanza, pero se alcanza menos. Ambas cosas importan.
7-4. Trailing y salidas parciales
Un trailing eleva el nivel de salida a medida que sube el precio y mantiene exposición a movimientos excepcionales. Bajo un modelo de difusión concreto, se ha demostrado que una orden límite de venta junto a un trailing stop puede ser óptima.[11] No significa que dos ticks sean universales.
Las salidas parciales pueden reducir variabilidad y presión psicológica, pero también recortan pronto las mejores operaciones y aumentan costes. No hay prueba general de que vender siempre la mitad sea superior.
8. Un stop más estrecho no siempre es mejor
La investigación muestra que, si los precios siguen un paseo aleatorio, los stops mecánicos reducen el rendimiento esperado; pueden añadir valor cuando existe continuidad positiva o momentum.[10]
Como esta estrategia busca continuidad de muy corto plazo, un stop por fallo de premisa tiene sentido. Pero un stop más estrecho que el ruido normal será ejecutado repetidamente y dejará solo costes.
Conviene separar:
- Stop inicial: precio o flujo que invalida la entrada.
- Stop temporal: la continuación esperada no llegó.
- Stop tras beneficio: seguimiento del último retroceso o giro del flujo.
9. La toma de beneficios humana está sesgada
Un estudio clásico de unas 10.000 cuentas encontró que los inversores vendían ganadores demasiado pronto y mantenían perdedores demasiado tiempo: el efecto disposición.[13]
En scalping puede ocurrir igual: se cobra enseguida una ganancia de dos ticks por miedo a perderla, pero se espera que una pérdida de dos ticks se recupere. Las ganancias quedan pequeñas y las pérdidas grandes.
La salida debe vincularse a razones definidas:
- Falló la premisa.
- Caducó el tiempo de la señal.
- Se alcanzó un objetivo elegido estadísticamente.
- Se activó el trailing.
10. Qué apoya la investigación y qué no
Resultados relativamente sólidos
- Modelar al oponente y adaptar la política es un campo de investigación establecido.[1]
- La fragmentación contribuye a la persistencia del flujo.[2]
- El OFI está fuertemente relacionado con cambios de precio a corto plazo.[3]
- El desequilibrio de colas puede informar sobre el siguiente movimiento.[4]
- Otros participantes pueden anticipar ejecuciones grandes previsibles.[6][7]
- Las carreras más rápidas están fuera del alcance humano.[9]
- El valor de stops y trailing depende del proceso, persistencia y costes.[10][11][12]
No demostrado de forma general
- Que un retroceso pequeño y una segunda ruptura produzcan beneficios netos estables para un minorista.
- Que el libro público identifique a un scalper concreto.
- Que 20 segundos, tres ticks o vender el 50% sean óptimos para todo.
- Que alta precisión predictiva equivalga automáticamente a beneficio neto.
- Que una regla sobreviva a cambios de régimen, participantes o diseño de mercado.
11. Diseño mínimo de prueba
Registrar 100–300 casos de una única configuración estrictamente definida.
Datos del contexto
- Instrumento, hora, spread y tick.
- Magnitud y duración del movimiento inicial.
- Frecuencia de operaciones y OFI o presión simplificada.
- Tamaño del retroceso y respuesta a órdenes contrarias.
- Altas, cancelaciones y velocidad de reposición.
- Reaceleración y ruptura de máximo.
Datos después de entrar
- P&L a 1, 5, 10, 20 y 30 segundos.
- MFE y MAE.
- Tiempo hasta el máximo y hasta el giro del OFI.
- Ejecución real, deslizamiento, spread y comisiones.
Comparar salidas
- Objetivo fijo＋stop fijo.
- Fallo de premisa＋salida temporal.
- Objetivo parcial＋trailing del resto.
- Salida total al girar el flujo.
Crear reglas con fechas antiguas y comprobarlas en fechas posteriores, sin filtrar información futura. Repetir pruebas walk-forward porque el mercado cambia.
Siempre evaluar después de costes. Una ventaja predictiva de un tick no es una estrategia si spread y deslizamiento consumen ese tick.
Conclusión
La lección central de Netero contra Meruem no es memorizar todas las combinaciones.
Aprender sesgos a partir de conductas visibles, estrechar la situación, confirmar la respuesta contraria y entrar solo en la breve ruta que permanece.
En el mercado no se busca a un “supertrader” con nombre. Se leen las huellas públicas de un flujo fuerte. Se cede el primer tramo a los participantes rápidos, se espera que el mercado resista el contraataque y solo se acompaña si la presión vuelve a acelerarse.
La salida debe responder:
¿Sigue existiendo la razón para acompañar? ¿La continuación llegó dentro de su vida esperada? ¿Queda recorrido después de todos los costes?
En una frase:
No intentes vencer al líder. Confirma que el flujo que creó sigue vivo, acompáñalo brevemente y baja en cuanto se detenga, sin importar una distancia arbitraria.
Ese es el esqueleto más defendible, según la investigación, de una estrategia de scalping tipo rémora.
