RESEARCH INTELLIGENCE LAB

Lo que 23,000+ snapshots
nos enseñaron.

Análisis estadístico del comportamiento institucional en 17 mercados. Capturamos microestructura cada 5 minutos desde enero 2026. Estos son los hallazgos.

Note: Historical pattern analysis. Sample period Jan–Apr 2026. Not predictive. Past patterns do not guarantee future results.
Acceder a Research — $500/año Empezar Gratis
Snapshots capturados
Eventos de ballena
Eventos iceberg
Niveles apilados
Eventos spoofing
17
Mercados monitoreados
5min
Frecuencia de captura
Snapshots esta semana
Period
Days
Markets 17 activos
Asset Classes Crypto · Forex · Indices · Gold
Capture Every 5 min · 24/7
Outcome pct_1h (price Δ 1h post-event)

Cinco estudios con datos reales.
Estadística, no narrativas.

Cada estudio analiza un evento específico de microestructura y mide su correlación estadística con el movimiento de precio 1 hora después.

CARGANDO DATOS...

Comparativa de todos los patrones

Winrate = % de eventos donde el precio siguió la dirección del patrón en 1h. N = tamaño de muestra.

Patrón / Estudio N (muestra) Winrate 1H Avg Move Interpretación
Cargando datos...

La métrica más importante
que nadie te muestra.

Expectancy = ganancia esperada por evento. Es la métrica estándar en prop firms y quant desks. Una expectancy positiva significa que el patrón tiene edge estadístico.

Patrón WR% Avg Win% Avg Loss% Expectancy Muestra Interpretación
Cargando datos...
Formula: E = (WR × AvgWin) − ((1 − WR) × AvgLoss) · Threshold institucional: E > 0

Dónde cae el precio
después de cada evento whale.

Distribución de todos los movimientos de precio 1h después de detectar actividad de ballena. Esto es lo que los quants llaman outcome distribution — crítico para entender el perfil de riesgo del patrón.

Cargando distribución...

¿Está el sample balanceado?
Transparencia total.

Un quant siempre pregunta: "Is the sample balanced?" Aquí está la respuesta. Desglose completo de señales BUY vs SELL con sus respectivos winrates y métricas de expectancy.

▲ LONG · Señales BUY
Total
WR%
Expectancy
▼ SHORT · Señales SELL
Total
WR%
Expectancy
Note on sample composition: Some assets or market conditions may skew the BUY/SELL balance. Results tend to normalize as sample size increases beyond 50,000+ snapshots. Current sample: snapshots · days of data.

Whale behavior por mercado.
Cada activo tiene su firma.

Winrate de continuación cuando se detecta actividad de ballena institucional. Activos con >200 eventos en muestra.

⚠ Note on extreme values (90%+ WR): Some assets show very high winrate values due to their specific sample composition and market conditions during this early accumulation period. Extreme values (near 100%) are common in small sub-samples and tend to normalize as the dataset grows toward 100,000+ events. We include all results for full transparency. Results should not be extrapolated to future performance.

¿Cuándo el libro tiene información
y cuándo miente?

Para cada condición del order book medimos si el precio a 1h se movió en la dirección esperada — cross-asset, 23,000+ snapshots. Un WR <48% no es un fallo: es adverse selection — la señal funciona al revés.

Condición Sample n WR esperado Avg Move 1h Std Dev Clasificación Interpretación
Cargando datos live...
Metodología: WR esperado = % de eventos donde el precio se movió en la dirección implícita por la condición. Para condiciones alcistas (bid): se espera pct_1h > 0. Para bajistas (ask): se espera pct_1h < 0. Sample mínimo de 30 eventos para reportar.

Cada activo tiene su propio
régimen de información.

Clasificamos cada mercado según el poder predictivo de su order book. US500 y SOL muestran señal institucional directa. BTC y ETH presentan adverse selection — el libro local miente porque el price discovery ocurre en otro exchange.

🟢 Institucional ≥62% 🟡 Semi-institucional 54-62% 🟠 Ruido 48-54% 🔴 Adverse Selection <48% ⛔ Libro roto <38%
Activo Clase Sample n Signal WR Avg Move Volatilidad Tipo de Mercado Estrategia
Cargando clasificación...
Price Discovery Location: El libro de US500 tiene señal porque el price discovery real ocurre en futuros CME (flujo institucional auténtico). BTC y ETH son altamente arbitrados entre exchanges — el libro local en KuCoin sigue al precio, no lo predice. Esto es coherente con la literatura de microestructura de mercados (Hasbrouck, 1995).

Hablamos el idioma
de los quants.

El plan Research incluye todas estas métricas por patrón, por activo, y por sesión de mercado.

Winrate
% de eventos donde el precio siguió la dirección esperada del patrón dentro del timeframe analizado.
Sample Size
Número total de eventos analizados. Mínimo 200 para reportar. Crítico para validez estadística.
Avg Move %
Movimiento promedio en porcentaje después del evento. Indica el tamaño esperado de la reacción de precio.
Std Deviation
Desviación estándar del movimiento. Cuantifica la dispersión de resultados y la confiabilidad del patrón.
Median Move
Mediana del movimiento. Más robusta que el promedio frente a outliers de alta volatilidad.
Expectancy ✓ LIVE
Ganancia esperada por evento = (WR × AvgWin) − ((1−WR) × AvgLoss). Ahora disponible en la tabla de expectancy arriba con datos reales.
MFE / MAE ⟳
Max Favorable / Adverse Excursion. Cuantifica el mejor y peor punto dentro de cada evento. Próximo Report.
Profit Factor ⟳
Ratio ganancia bruta / pérdida bruta. Estándar institucional para evaluar robustez de un patrón. Target: April 23.
📅
Research Report — Target 23 de abril, 2026. En esa fecha publicamos el primer informe completo con Expectancy, MFE/MAE, Profit Factor y Sharpe por patrón. Los suscriptores Research reciben acceso anticipado + PDF descargable.

Cómo capturamos estos datos.

Fuente de datos
Order books L2 en tiempo real vía KuCoin, MEXC y Kraken. 5,000 niveles de profundidad por activo por snapshot.
Frecuencia
Un snapshot completo cada 5 minutos, 24/7. Período de muestra: enero 2026 → presente.
Outcome medido
pct_1h: cambio porcentual de precio 1 hora después del evento. Dirección comparada con la señal del patrón detectado.
Definición de hit
Para patrones direccionales: precio se movió en la dirección esperada del evento (bid → up, ask → down, etc.) dentro de 1h.
Filtros aplicados
Excluimos snapshots con pct_1h = 0 (mercado cerrado o sin movimiento). Solo eventos donde ABS(pct_1h) > 0.
Disclaimer
Análisis histórico. No predictivo. Patrones pasados no garantizan resultados futuros. Para investigación, no como señal de trading.
Research Intelligence Statistics Quantitative

Ver el mercado no es suficiente.
Hay que entenderlo con datos.

El plan Research te da acceso completo a esta base de datos: exportación CSV, API de datos, y Research Reports periódicos con los hallazgos actualizados.

Obtener Research — $500/año Empezar Gratis
¿Prop firm o equipo? → sgarcia@ubicacuenca.com

🔬 Análisis de Señal Inversa

Para cada evento del libro de órdenes: ¿el mercado se mueve en la dirección esperada, o en la contraria? Win rate <43% = señal invertida — el sistema detecta trampas, no continuaciones. · * n<30 sin validez estadística · Horizonte: 1h · Cache: 1h

Cargando...
Invertidas
Normales
Ruido
Señal n n res. WR Normal WR Inverso Ret. 1h MFE≈ MAE≈ Veredicto
Cargando análisis...

Cómo leer esto: WR Normal = % de éxito si sigues la señal tal cual. WR Inverso = % de éxito si operas en contra. Ret. 1h = retorno real promedio (positivo = precio subió). MFE/MAE aproximados (no intrabar).

📋 Matriz de Eventos — Probabilidad Condicional

Para cada evento del libro: WR↑ (precio sube 1h) · WR↓ (precio baja 1h) · movimiento promedio en cada dirección · activos con mayor n por señal. · Horizonte: 1h · Cache: 1h · n<30 sin validez estadística

Evento n WR↑ WR↓ Lado Mov↑ avg Mov↓ avg Ret. neto Top Activos (WR↑ %)
Cargando matriz...

🎯 Ranking de Activos por Manipulación Detectable

Los activos con más eventos de manipulación son los más "jugables" para un sistema de order book. Mayor manipulación = más trampas = más señal detectable.

Activo Spoofing Absorción Ballenas Trampas Índice Mag. 1h
Cargando ranking...

Cómo leer esto: WR↑ y WR↓ deben sumar ~100% (excluye planos -1). Mov↑ avg = retorno promedio de los casos ganadores (subida). Mov↓ avg = retorno promedio de los casos perdedores (bajada) — negativo. Ret. neto = retorno promedio de TODOS los casos con señal activa — si negativo, el mercado tiende a bajar cuando ocurre el evento.
Nota: Los datos de absorción bajista tienen n bajo — requieren más acumulación.

🧬 Modelo de Confluencias

QUANT

Probabilidad condicional multivariable — P(sube_1h | señal_A + señal_B). Cada fila es una combinación de eventos del libro de órdenes y su outcome estadístico real. · Horizonte: 1h · Cache: 1h · n<15 excluidos

⚡ MODELO DE PUNTUACIÓN — derivado de los datos reales
Cargando...
Condición(es) Tipo n WR↑ WR↓ Edge Lado Ret. 1h
Calculando combinaciones...

🕐 Efecto Sesión — ¿La hora cambia el outcome?

Las dos señales con mayor edge, descompuestas por sesión de mercado. Detecta si el edge es global o solo existe en ciertas horas.

Cargando...

Cómo leer el Modelo de Confluencias: Cada fila es una condición booleana del libro de órdenes. WR↑ = % veces que el precio subió a 1h cuando esa condición era verdadera. Edge = distancia al 50% (>6% = estadísticamente relevante). Ret. 1h = retorno promedio real en %. Nota: Con más acumulación de datos, las combinaciones de n bajo ganarán validez estadística.