alpha50: las matemáticas detrás de la colmena

El copy-trading vende una fantasía: encuentra al genio, replica su wallet y hazte rico. La realidad es que una sola wallet es una sola muestra. Sobre una única trayectoria no hay forma de distinguir la habilidad de la suerte, y el día que tu genio revienta, revientas con él. Heredas su sesgo, su ventaja atada a un venue concreto, su trade de venganza a las tres de la madrugada. Todo, y a tamaño completo.

alpha50 parte de la premisa contraria. Existe un resultado de la teoría de carteras, con más de medio siglo a sus espaldas, que convierte muchas señales imperfectas en una buena. Bridgewater, la firma de Ray Dalio, lo llamó el Santo Grial de la inversión. Casi nadie lo había aplicado al copy-trading, sencillamente porque casi nadie disponía de un flujo limpio, en tiempo real y verificable de traders con habilidad al que aplicárselo. Los perps on-chain cambiaron esa ecuación.

Este artículo es la matemática, de principio a fin: por qué la diversificación es la única comida gratis que ofrecen los mercados, por qué una multitud seleccionada de traders es el mejor sitio donde gastarla, y cómo se transforman cincuenta señales de convicción en vivo en una única posición con el riesgo bajo control.

La tesis en una frase: la ventaja de alpha50 es estadística, no predictiva. No pronostica el precio. Cosecha la reducción de varianza de un conjunto de señales con habilidad pero ruidosas, y todo el juego se reduce a la correlación entre ellas.

1. El Santo Grial de la inversión

La idea de Dalio es engañosamente simple. Toma flujos de rentabilidad que tengan, cada uno, una esperanza de retorno positiva y un riesgo más o menos parecido. A medida que sumas flujos que no están correlacionados entre sí, la rentabilidad de la cartera se mantiene, pero el riesgo cae. Y cae deprisa. Junta quince flujos genuinamente incorrelacionados y puedes recortar la volatilidad en torno a un 80% sin renunciar a un solo punto básico de retorno esperado.

El mecanismo es simplemente cómo se suman las varianzas. Para $N$ flujos con igual peso, cada uno con volatilidad $\sigma$ y correlación media por pares $\rho$, el riesgo de la cartera es:

De esa raíz cuadrada salen dos conclusiones, y en ellas está toda la historia.

Suma flujos y el riesgo baja, pero cada curva se aplana sobre un suelo de σ·√ρ. Con ρ = 0,25 no bajas del ~50% del riesgo de un flujo aislado por muchos que añadas.

Primera: cuando ρ está cerca de cero, el riesgo decae como 1/√N, la curva clásica de diversificación desplomándose hacia cero. Segunda, y más importante: a medida que N crece, el riesgo de la cartera no llega a cero. Converge a un suelo de σ·√ρ. Es la correlación, no la cantidad, la que fija ese suelo. Cincuenta flujos con ρ = 0,25 no son más seguros que diez con ρ = 0,25. La diversificación está limitada por la correlación, y punto. Guarda esa idea, porque condiciona por completo cómo se construye la cohorte.

2. Los traders son flujos de rentabilidad, y mejores que las clases de activos

Dalio diversificaba entre clases de activos. Eso es difícil, porque no hay tantas y encima tienden a moverse juntas justo cuando más importa. Un trader con habilidad es un ladrillo mucho mejor. Cada uno es una estrategia: un flujo de rentabilidad vivo y adaptativo, con una deriva esperada positiva, que ya ha sobrevivido a la prueba de la realidad fuera de muestra, con fills reales, drawdowns reales y funding realmente pagado.

Y on-chain, el universo es enorme. De las ~13.000 wallets que indexamos en Hyperliquid, apenas unos cientos superan filtros de habilidad estrictos. Ese excedente es el lujo que hace funcionar el Santo Grial: no estamos obligados a quedarnos con quien haya disponible, como sí le ocurre a un asignador de activos. Podemos seleccionar buscando descorrelación. Un scalper de momentum en majors, una mesa de reversión a la media en mid-caps, un swing trader de índices bursátiles en HIP-3, un especialista en carry de funding: son apuestas distintas, no variantes del mismo beta. Esa es la materia prima que pide la matemática.

Estamos diversificando alpha, no apilando beta. Esa distinción es la razón misma de que esto funcione.

3. De la reducción de riesgo a la amplificación del Sharpe

Dale la vuelta a la misma ecuación. Si cada miembro tiene habilidad —un Sharpe por trade de S— entonces agregar N de ellos con correlación media ρ produce un Sharpe de cartera de:

$A(N,\rho )$ es toda la propuesta de valor comprimida en un único número: cuántas veces el retorno ajustado por riesgo de la colmena supera al del miembro medio. Este es el gráfico que importa.

Con ρ = 0 el factor es √N, unas 7× para cincuenta wallets. Con correlación realista es bastante menor, pero se mantiene claramente por encima de 1.

Haz las cuentas con honestidad. La independencia perfecta (ρ = 0) da √50 ≈ 7,1×, pero eso es pura fantasía: los traders con habilidad comparten cierta exposición al mismo mercado. Con una correlación media realista de ρ ≈ 0,2, el factor sigue siendo de en torno a 2,1×. Una cohorte de traders individualmente mediocres, cada uno con Sharpe 1,0, se convierte en un libro de Sharpe 2. Esa es la diferencia entre una estrategia a la que nadie asigna capital y otra en la que una mesa se pelea por entrar.

4. Montar la colmena es un problema de descorrelación, no un ranking

Aquí es donde la mayoría de productos de "copia a los mejores traders" fracasan en silencio, y donde la matemática impone un diseño poco intuitivo.

Lo obvio es ordenar todas las wallets elegibles por Sharpe y quedarse con las cincuenta primeras. Es un error. Si tus cincuenta mejores son todos traders de momentum montados en los mismos majors, su ρ es 0,7 y tu amplificación es ~1,2×: has construido una versión cara y apalancada de un solo trader. Ordenar por ranking maximiza la calidad individual e ignora la única variable que de verdad gobierna el resultado.

El objetivo correcto es el número efectivo de apuestas independientes:

Cincuenta wallets con ρ = 0,25 valen menos de cuatro apuestas independientes. La selección tiene que pelear por descorrelación, no por número de miembros.

Cincuenta wallets con ρ = 0,25 te dan menos de cuatro apuestas efectivas. Así que construir la cohorte es un problema de optimización de cartera: maximizar N_eff sujeto a un mínimo de habilidad, no maximizar la habilidad media. En la práctica, eso significa agrupar a los candidatos en arquetipos de estrategia según la correlación de sus flujos de rentabilidad y su exposición a instrumentos, y luego fichar al mejor superviviente de cada grupo, sacrificando a propósito un poco de Sharpe individual a cambio de mucha independencia. Una wallet que es el octavo mejor trader de momentum, pero el único especialista en carry de funding, vale más para la colmena que el tercer mejor trader de momentum.

Aquí entran otras dos disciplinas quant, porque la selección en crudo sobreajusta:

• Shrinkage. El Sharpe medido de una wallet es una estimación, y las estimaciones de los Sharpe más altos son las más infladas por la suerte (la maldición del ganador). Encoge el Sharpe de cada miembro hacia la media de la cohorte —un tirón tipo James–Stein / bayes empírico cuya fuerza escala con lo pocos trades que respaldan la estimación—. Así dejas de pagar peso completo por una buena racha.
• La correlación también se estima, y no es estacionaria. Usa un estimador de covarianza encogido (Ledoit–Wolf) para que la selección no persiga una descorrelación espuria que se evapora la semana siguiente.

Después, la cohorte se reevalúa de forma continua, con histéresis: una wallet tiene que caer bastante por debajo del corte antes de que la saquemos, para que el ruido de ranking en torno al umbral no esté rotando el libro sin parar.

5. Convertir el consenso en una posición

La agregación solo compensa si la traduces en exposición sin volver a introducir el riesgo de wallet única que acabas de diversificar. La señal para cada instrumento es un consenso con signo, ponderado por convicción y normalizado por riesgo:

Donde, para cada wallet $i$ de la cohorte que mantiene el instrumento $c$:

• $s_i=\pm 1$ — el lado en el que está (long o short).
• ${\kappa }_i=|{\text{notional}}_i|/{\text{equity}}_i$ — la convicción: tamaño de posición relativo a su propio libro.
• $w(S_i)$ — el peso por Sharpe encogido: $0$ por debajo de $S=1$, subiendo hasta $1$ hacia $S\approx 5$.
• ${\pi }_i={\sigma }_{\text{target}}/{\sigma }_{\text{realized}}(c)$ — el escalar de risk parity: mismo riesgo, no mismos dólares.
• $c_{\max }$ — el tope de contribución por wallet, para que ninguna ballena cargue sola con el libro.

Cada término cumple una función esencial. La convicción lee el tamaño de posición en relación con el propio equity del trader, así que una ballena que mete el 40% de su libro en un nombre pesa más que otra que apenas se moja. El peso por Sharpe rebaja a los que solo tuvieron suerte. El risk parity es la parte que se saltan los copiadores ingenuos: escalas por riesgo, no por dólares, para que una posición en una memecoin con volatilidad 120 no domine en silencio a una posición en BTC del mismo nominal. El tope es lo que hace cumplir la tesis: ninguna wallet puede mover la señal muy lejos por sí sola, así que hace falta un acuerdo genuino entre varias wallets para construir tamaño. Ese acuerdo, la confluencia, es el sustituto práctico de "esto es alpha real y no la manía de un solo trader".

Dos refinamientos que cualquier implementación seria le debe al modelo:

• Ventaja ajustada por funding. En perps, el carry es dinero de verdad. Un long masificado que paga un 60% de funding anualizado tiene un retorno neto esperado menor del que sugiere la señal de precio en bruto; réstalo antes de dimensionar.
• Casar el precio de entrada. Siempre entras después de la cohorte: ese es el arrastre del seguidor, el peaje de todo este asunto. Entra en aperturas frescas, cerca de donde la cohorte abrió de verdad, en lugar de perseguir un movimiento que ya lleva un 5% recorrido. Así tu riesgo queda idéntico al del trader cuya señal estás tomando, y esa es la diferencia entre capturar la ventaja y regalársela al spread.

6. Dimensionar: volatility targeting y Kelly fraccional

Una señal te dice dirección y confianza. No te dice cuánto. Equivocarse en el tamaño es la razón por la que estrategias con ventaja real acaban muriendo igualmente.

Dos capas. Primera, volatility targeting a nivel de cartera: fija un riesgo objetivo —pongamos un 15% anualizado— y escala la exposición bruta de forma inversa a la volatilidad realizada.

Cuando los mercados se ponen violentos, la volatilidad realizada sube y el libro se encoge de forma automática ($L_t$ baja). Tu experiencia de riesgo se mantiene más o menos constante en vez de dispararse justo cuando las condiciones son peores.

Segunda, Kelly fraccional sobre la intensidad de la señal. Kelly dice que la apuesta óptima para el crecimiento escala con la ventaja sobre la varianza, $f^{\ast }=\mu /{\sigma }^2$. El Kelly completo es célebre por ser demasiado agresivo: asume que conoces $\mu$ con exactitud, y nunca lo haces. El error de estimación es brutal en la parte alta, así que dimensiona a una fracción (medio Kelly o menos): apuesta más cuando el consenso es fuerte y amplio, menos cuando es fino, y nunca todo el capital a una sola lectura. Señal fuerte, muchas voces incorrelacionadas de acuerdo, funding bajo: ese es el momento de apretar. Una ballena solitaria sobre una señal endeble apenas cuenta.

7. Cuando el Grial se rompe: el riesgo de correlación

Ahora la parte honesta, la que un pitch comercial se calla. El Santo Grial tiene un único modo de fallo, y es estructural: ρ no es constante. En una crisis, todo se correlaciona. El hábil trader de momentum, la mesa de reversión a la media, el swinger de índices bursátiles: en una cascada violenta de liquidaciones todos son simplemente riesgo largo, y todos sangran a la vez. ρ se precipita hacia 1 y, justo cuando más necesitas la diversificación, A(N, ρ) se derrumba hacia 1×.

La misma curva de cincuenta wallets. Una ventaja de 2,1× en régimen tranquilo puede caer a ~1,1× cuando la correlación se dispara. La diversificación no "falla": hace exactamente lo que dice la matemática, y por eso la capa de riesgo no puede ser opcional.

Esto no es un defecto que tapar; es la razón por la que la gestión de riesgo es una pieza de primer orden, no un añadido. Las defensas tienen que ser dinámicas y conscientes de la correlación:

• Vigila la correlación realizada dentro de la cohorte en tiempo real. Cuando ρ salta —la señal del cambio de régimen— recorta la exposición bruta, aprieta el objetivo de volatilidad y trata el consenso como menos informativo hasta que se normalice.
• Cortafuegos duros por debajo de los blandos: stop-loss por posición y un circuito de drawdown a nivel de cartera que aplana todo y pausa el riesgo nuevo tras superar un umbral de pérdida diaria. Estos acotan la cola; no intentan predecirla.

La estrategia no está diseñada para evitar el daño de cola. Está diseñada para acotarlo, sobrevivirlo y seguir en pie para componer la ventaja de 2× el otro 95% del tiempo.

8. El modelo con datos en vivo: los últimos 30 días

La teoría es barata. Así que aquí están los últimos treinta días de la cohorte en Hyperliquid, tratados exactamente como los trata el modelo: el P&L diario realizado de cada wallet, normalizado por el valor de su cuenta, se convierte en un flujo de rentabilidad; los flujos se combinan en un único libro con igual peso, la colmena. Treinta de las cincuenta wallets operaron lo suficiente en la ventana como para registrar un flujo.

Cada línea tenue es un miembro de la cohorte; la línea gruesa es el libro con igual peso. Los miembros se dispersan: unos rompen al alza, otros lateralizan. La colmena es la trayectoria suave que se abre paso entre ellos: casi toda la subida, una fracción del vaivén.

El titular no es el retorno, es la forma. La colmena ganó más que el miembro típico soportando aproximadamente un tercio del drawdown, que es el Santo Grial haciendo exactamente lo que prometía el álgebra: la misma deriva, mucho menos ruido. La amplificación realizada de ~3,4× queda por debajo del techo teórico de ~4,9× que implica la correlación medida: realidad de muestra finita, no fantasía de comida gratis.

Léelo con las salvedades que merece. Esto es P&L de cierre realizado: ignora el mark-to-market de las posiciones aún abiertas, de modo que la volatilidad absoluta —y por tanto el Sharpe absoluto— queda subestimada y no es una cifra operable. Lo que sí es robusto es el ratio, porque numerador y denominador se calculan de la misma manera. Y la ρ ≈ 0,01 medida es casi con seguridad una infraestimación de la verdadera correlación económica —los eventos de cierre son escasos y rara vez coinciden día a día—, que es justo por lo que la cola del §7, donde la correlación se dispara hacia uno, sigue siendo el riesgo que importa. Un mes tranquilo es una ilustración, no un test de estrés.

9. Las dos caras del trade

Para el depositante. Obtienes algo que antes exigía una mesa quant: un libro de alpha on-chain verificado, diversificado, con riesgo bajo control y rebalanceado de forma continua, sin elegir wallets, mirar gráficos ni aprender qué es un estimador de Ledoit–Wolf. La exposición sigue siendo no custodial; el motor firma trades, nunca retiradas. El argumento no es "copia a un genio". Es "adueñarte del conjunto, con el riesgo ya diseñado".

Para el protocolo. El modelo no añade emisión de tokens ni hace pronósticos de precio. Es una asignación más inteligente del riesgo entre señales que ya existen, ejecutada de forma transparente y automática, con comisiones que se alinean con la actividad y el rendimiento en lugar de una tarifa fija. Un flujo informado y agregado es también, sin hacer ruido, bueno para la formación de precio en los venues donde opera.

10. Límites y capacidad

Ningún artículo quant honesto termina sin las salvedades:

• El arrastre del seguidor es un peaje permanente. La amplificación tiene que superarlo neto de comisiones y slippage; en libros HIP-3 finos sobre todo, es la calidad de ejecución, no la de la señal, la que decide el P&L.
• Capacidad y reflexividad. La ventaja se degrada con el tamaño. Replica demasiado capital y mueves los propios mercados que estás leyendo, y la señal se masifica. La estrategia tiene un techo finito de AUM y el dimensionamiento debe respetarlo.
• Error de estimación y sesgo de supervivencia. Cada Sharpe, cada correlación, cada frontera de grupo se estima a partir de un historial finito, ruidoso y en parte sobreajustado. El shrinkage ayuda, pero no cura.
• La cola del pico de ρ, ya cubierta arriba, es el riesgo dominante y el que justifica la existencia de toda la capa de riesgo.

Conclusión

alpha50 no es un intento de superar al mercado en predicción. Es un intento de ingeniar la comida gratis más antigua de las finanzas —la diversificación entre flujos de rentabilidad incorrelacionados y de ventaja positiva— sobre un flujo que el mundo nunca había empaquetado: la convicción en vivo y verificable de los mejores traders on-chain.

La ventaja vive en la estructura de correlación. Construye la cohorte para minimizarla, pondera por riesgo y habilidad encogida, dimensiona por volatilidad y Kelly fraccional, y mantente en guardia ante el régimen en el que la correlación te traiciona. Haz eso y cincuenta traders ruidosos, falibles y batibles uno a uno se convierten en una única señal difícil de batir.

Ese es el Santo Grial. Solo hemos encontrado un sitio nuevo donde gastarlo.

Míralo en vivo. El panel de la colmena alpha50 muestra en tiempo real la convicción de la cohorte, sus posiciones abiertas y la curva de equity con el drawdown gestionado. Cuando quieras el conjunto trabajando para ti, copia la estrategia en un clic: no custodial, con el motor firmando operaciones y nunca retiros.