Los insiders como séptimo factor de un modelo multifactorial
Los factores canónicos de un equity quant fund, value, momentum, quality, low-vol, size, profitability, están agotados. Un factor insider puede aportar una señal de selección descorrelacionada. Sigma supervisa 43 fuentes de declaraciones y clasifica las compras elegibles dentro de su mercado. Ningún mercado cumple actualmente los criterios históricos de asignación, por lo que las señales quedan en vigilancia. No se afirma alfa neto de costes ni rentabilidad esperada.
Esquema de datos: qué devuelve la API
Cada declaración de Sigma disponible sigue un esquema común: identificador, mercado, fechas, ticker, ISIN o CIK cuando existe, nombre, rol, naturaleza, volumen, precio e importes normalizados cuando la fuente los aporta. Las compras elegibles también muestran un score local al mercado sobre 100. Las declaraciones de 43 fuentes supervisadas se sirven en `/api/v1/declarations` con filtros `market`, `score_gte` y `pubDate_gte`.
Construcción del factor
Por cada ticker, agregue las compras netas de los últimos 60 días, ponderadas por el score de Sigma. Normalice por capitalización de mercado. Calcule el z-score de forma transversal por mercado y por sector (para evitar que un solo mercado o sector domine). Obtendrá un factor InsiderZ por ticker, actualizado a diario, comparable con los demás z-scores de su modelo. Combínelo de forma lineal (o mediante un meta-learner) con value, momentum y quality. El subconjunto Sigma filtrado (signalScore ≥ 40, clúster, mid-cap, rol directivo, n=3864) muestra una tasa de aciertos a T+90 del 51.5 % y un rendimiento medio de +2,6 % por operación (T+90, no anualizado) entre 2022 y 2025, a interpretar como cota superior (Sharpe deflactado de Bailey-Lopez de Prado negativo, ver /methodologie#disclosure).
Sizing y turnover
Las compras de insiders son escasas y las muestras locales pueden ser limitadas. Use la etiqueta de evidencia publicada para evaluar la madurez, no para inferir una rentabilidad esperada. Pruebe sus propias reglas de salida y sizing antes de usar capital real.
Errores que evitar
Tres sesgos clásicos. (1) Sesgo de anticipación (look-ahead): use `pubDate` (la fecha pública), no `transactionDate` (el mercado aún no lo sabía). Sigma expone ambas. (2) Sesgo de supervivencia: las empresas excluidas de cotización deben permanecer en el backtest con su último precio conocido. Sigma conserva las declaraciones históricas de las entidades excluidas, pero su historial de precios ya no está disponible tras la exclusión, por lo que salen de los agregados de rendimiento publicados: controle este sesgo con su propia referencia de precios. (3) Operaciones en clúster: un mismo directivo que divide su compra en tres días no cuenta como tres señales. Use el campo `insiderId` para deduplicar.
Integración concreta
En el tier Quant (129 €/mes), un cron diario a las 17:00 UTC extrae las declaraciones disponibles de los 43 mercados configurados, las escribe en su data lake y alimenta su pipeline matutino. Webhooks ilimitados, exportaciones CSV/Parquet en bulk, 5 puestos de usuario, atribución de cartera. Un tier Enterprise a medida ofrece un volcado Parquet histórico en S3, actualizado a diario.
Primeros pasos
Cree una cuenta Free para explorar el sitio (50 perfiles/día, solo lectura). Para reproducir nuestros backtests y medir la correlación del factor InsiderZ con su modelo, el acceso a la API empieza en Pro (39 €/mes, 10 000 solicitudes/mes, MCP, 5 años de historial). Quant (129 €/mes) añade exportaciones Parquet en bulk y atribución de cartera. La metodología completa (fórmula, cotas, sesgos documentados) está en /methodologie. Cualquier pregunta: sales@insiders-trades-sigma.app.