Saltar a contenido

Experiment exit strategy — qué hacer si sale bien (o neutral)

Muy poca gente piensa el "qué hago si gano". Resuelve MS-02. Más específicamente: 4 escenarios a 24 meses + decisión framework pre-registrada para cada uno.

Los 4 escenarios a 24 meses

Escenario A: Claro win (Sharpe >0.8, excess >5%)

Interpretación: la strategy demostró edge real.

Decisiones: 1. Keep the experiment running — no terminar por "ganó". Run es la única data nueva valiosa. 2. Scale the capital: lentamente. Max +50% del tamaño actual cada 6 meses, siempre dentro del plan de diversificación original del user. 3. No usar para financiar otros experimentos: los returns quedan en el experimento hasta la evaluación próxima. 4. Actualizar expectations: si estuvo dando 6% excess, ese es el prior de ahora. No convertir en "va a seguir dando 6%" por el siguiente período.

⚠️ Trap: sucess breeds overconfidence. Eso llevó a LTCM (Nobel-winning team perdió todo en 1998). Los resultados buenos pueden ser luck; necesitas 3-5+ años para separar skill de suerte.

Escenario B: Neutral (Sharpe 0.4-0.8, excess 0-3%)

Interpretación: la strategy funciona, pero el edge es marginal post-fees.

Decisiones: 1. Evaluar costo de oportunidad: ¿el user prefiere +2% excess con mucho trabajo, o buy-and-hold SPY con zero effort? 2. Opción 1 — Simplificar: reducir a una strategy más simple (ej: momentum-only sin quality/value) para ver si el complex composite agrega valor real. 3. Opción 2 — Mantener: si el user disfruta el proceso y el 2% excess es satisfactorio, ok. No todo es ROI puro. 4. Opción 3 — Graduar: convertir el experimento en parte permanente del portfolio (sin escalar pero tampoco abandonar).

Escenario C: Losing moderate (Sharpe 0-0.4, excess negativo pero <-5%)

Interpretación: underperform pero no catastrófico.

Decisiones: 1. Diagnosis: ¿es drawdown temporal (concepts/strategy-health-monitoring) o factor decay (analysis/factor-crowding-alpha-decay)? 2. Si health monitoring dice "factor crisis industry-wide" → ESPERAR 6 meses más, factors vuelven eventualmente. 3. Si dice "implementación buggy" → fix antes de decidir. 4. Si dice "decay genuino" → empezar wind down.

Escenario D: Losing severe (>-10% vs SPY, drawdown >25%)

Interpretación: kill switches activados en concepts/commitment-devices-for-kill-switches.

Decisiones: 1. Respect the kill switches: no override. 2. Close positions, cash out. 3. Post-mortem obligatorio antes de intentar otra cosa: - ¿Fue error de diseño (strategy wrong)? - ¿Fue error de implementación (bug)? - ¿Fue régimen adverso único (el sistema funciona solo en bull markets)? 4. Capital vuelve a buy-and-hold SPY o allocator passive. 5. Lessons learned: documenta en el wiki. Este aprendizaje es valuable incluso si el experimento falló.

Framework de decisión (pre-registrado)

Antes de empezar, user debe llenar:

## Mi compromiso ex-ante

### Escenario A (claro win)
- [ ] Escalo a $X máximo en 12 meses.
- [ ] No usaré returns para financiar otros experimentos hasta minimo 36 meses tracking.
- [ ] Benchmark nuevo: Sharpe que obtuve + 0.1 (no peor).

### Escenario B (neutral)
- [ ] Si Sharpe <0.6 a 24 meses, simplifico strategy a momentum-only.
- [ ] Si Sharpe <0.6 simplified a 12 meses más, termino.

### Escenario C (losing moderate)
- [ ] Si factor crisis industry → espero 6 meses más.
- [ ] Si factor decay → wind down en 3 meses.

### Escenario D (losing severe)
- [ ] Respeto kill switches.
- [ ] Post-mortem obligatorio antes de cualquier nueva estrategia.
- [ ] Delay 6 meses mínimo antes de intentar un sistema trading nuevamente (psychology recovery).

Scale-up reglas

Si escalamos (Escenario A), incremento gradual y capped:

  • Base capital: capital actual del experimento.
  • Max scale: 2× la base en 12 meses, 3× en 24 meses. Beyond this el user está comprometiendo más de lo que pre-planeaste en diversificación.
  • Drawdown re-test: si cualquier fase de escalamiento triggea drawdown >10%, back to previous capital level. Scaling only in calm periods.

Qué NO hacer tras un éxito

  1. Dejar capital sin skim: si ganaste 20%, considerar retirar parte (ej. half) a diversificación más amplia. No todo back into the strategy.
  2. Leverage: jamás leveraged el experimento post-sucess. La varianza se dispara.
  3. Ampliar scope: "funciona para equities, voy a intentar crypto". No. Cada asset class necesita su propia research.
  4. Stop monitoring: el sistema que gana hoy puede perder mañana. Monthly health checks siempre.

"Graduación" — convertir experimento en parte permanente

Si a 36 meses el experimento sigue dando Sharpe >0.7 y excess >3%:

  • Re-framing: deja de ser "experimento", ahora es "parte del portfolio long-term".
  • Portfolio allocation: 10-20% del total del user. Resto en buy-and-hold SPY / international / bonds.
  • Lower engagement: monthly routine, no daily monitoring intensivo.
  • Still bounded: kill switches siguen, solo los thresholds se relajan ligeramente (el user ya conoce el sistema).

Lessons para reuse

Aunque el experimento falle, hay lessons siempre recoverables:

  • Infraestructura: Claude Routines + Chrome automation + multi-agent architecture funciona (o no). Reusable para otros contextos.
  • Commitment devices: cómo el user maneja emociones es aprendizaje transferible a cualquier investing futuro.
  • Tax + ops knowledge: conocimiento del régimen Chile-US es permanente.

Gaps

  • ¿Cómo es "graduar" bureaucráticamente — nuevo cuenta separada, rebranding?
  • Time horizon mínimo para llamar a algo "skill": literatura sugiere 5+ años.
  • Casos documentados de retail que "graduaron" experiments a core portfolio — survey pendiente.

Relaciones