Cómo crear tus propios plugins de resultados en StrategyQuant con ayuda de un asistente de IA

Cómo construir paneles de análisis personalizados dentro de StrategyQuant usando un asistente de inteligencia artificial, sin necesidad de programar a mano.

El análisis de resultados que trae StrategyQuant de serie —los indicadores del backtest, las tablas de QuantAnalyzer, los gráficos de la cartera— cubre la mayoría de necesidades, pero no todas. Desde hace relativamente poco, la plataforma permite ampliar esa capa de análisis con paneles propios, a medida, que se integran dentro de la misma pestaña de resultados como si fueran una función nativa más. Lo interesante no es solo que exista esa posibilidad, sino que construir uno de estos paneles ya no exige saber programar en el sentido tradicional.

Tabla de contenidos

Qué es un plugin de resultados y dónde vive dentro de StrategyQuant

Un plugin de resultados es, en esencia, una pequeña aplicación web que se ejecuta dentro de la pestaña de resultados de StrategyQuant y añade ahí sus propias métricas, gráficos o comparativas. Cada plugin ocupa su propia carpeta dentro de un directorio de extensiones específico de la instalación, y se comunica con el programa a través de un canal de mensajes interno: le pide datos concretos de la estrategia que se está revisando —una serie de operaciones, un conjunto de métricas— y con eso construye su propia visualización, sin necesitar acceso directo al resto del programa. Esta función viene ligada a las licencias Pro y Ultimate; la licencia Starter no incluye la posibilidad de cargar plugins personalizados.

Usar un asistente de IA para escribirlo en vez de programarlo a mano

La instalación de StrategyQuant incluye, junto a la carpeta de plugins, un archivo de convenciones pensado específicamente para que un asistente de codificación con IA —como Claude Code— entienda cómo debe estar estructurado un plugin válido: qué librería usar, cómo debe verse visualmente para encajar con el resto del programa, qué datos puede pedir y cómo. En la práctica, el flujo de trabajo consiste en apuntar el asistente a esa carpeta para que la revise, describirle en lenguaje normal qué análisis se quiere construir y dejar que sea él quien proponga primero un plan de lo que va a implementar antes de tocar ningún código.



RECOMENDACIÓN

Conviene leer ese plan con calma antes de aprobar la implementación, igual que se revisaría el planteamiento de cualquier otro encargo: es mucho más barato corregir el enfoque en esa fase que descubrir a mitad de la construcción que el plugin está calculando algo distinto de lo que se pedía.



ATENCIÓN

Que un plugin generado por IA se vea bien y muestre números con aspecto convincente no significa que esos cálculos sean correctos. Antes de apoyarse en un panel nuevo para tomar decisiones sobre una cartera real, conviene verificar con casos conocidos que las métricas que muestra coinciden con lo que se esperaría calculando a mano o comparando con las cifras que ya da StrategyQuant de forma nativa.

Dos ejemplos de qué se puede construir

Un primer ejemplo es un panel que, en lugar de limitarse a proyectar la curva del backtest hacia adelante, intenta enmarcar cómo podría comportarse una estrategia en los próximos años según el tipo de fase de mercado en la que probablemente se mueva —expansión, techo, corrección— apoyándose en fuentes externas de datos de mercado, como Yahoo Finance o TradingView, para contrastar esa clasificación con la situación real en el momento de la consulta en lugar de basarse solo en el histórico interno de la estrategia.

Un segundo ejemplo, más directamente ligado al control de calidad de una cartera, es un panel que compara automáticamente el rendimiento dentro de muestra de una estrategia con su rendimiento fuera de muestra —factor de beneficio, esperanza matemática, retorno mensual— y señala en qué medida se ha degradado cada métrica, para no tener que rehacer esa comparación a mano cada vez que se revisa una estrategia candidata.



CLAVE PRÁCTICA

Ninguno de los dos ejemplos depende de una fórmula secreta: la parte de valor está en decidir qué comparar y cómo presentarlo dentro del flujo de trabajo habitual, no en la dificultad técnica de escribir el código, que es precisamente la parte que ahora puede delegarse.

Organizar los plugins y aprovechar lo que ya existe

A medida que se acumulan varios plugins, conviene mantener visibles solo los que se usan con regularidad y archivar aparte los que se reservan para ocasiones puntuales: algunas licencias limitan cuántos plugins se cargan a la vez, y cuáles quedan visibles puede depender del orden en que el programa los encuentra, así que tener el conjunto activo bien acotado evita sorpresas. Tampoco hace falta partir siempre de cero: existen comunidades de usuarios de StrategyQuant donde se comparten plugins ya construidos, que pueden servir como punto de partida para adaptar en lugar de escribir uno nuevo desde el primer prompt.

Preguntas frecuentes (FAQs)

¿Hace falta saber programar para crear un plugin de resultados?

No en el sentido tradicional: el trabajo consiste en describir con claridad qué análisis se quiere y revisar el plan y el resultado que propone el asistente, más que en escribir código línea a línea.

¿Cualquier licencia de StrategyQuant permite cargar plugins personalizados?

No; esta función está disponible en las licencias Pro y Ultimate. La licencia de entrada no incluye la posibilidad de instalar plugins propios.

¿Me puedo fiar sin más de las métricas que calcula un plugin hecho con IA?

No de entrada: conviene contrastarlas con casos conocidos o con las cifras nativas de StrategyQuant antes de usar ese panel como base para decidir algo sobre una cartera real.