El presidente de Estados Unidos, Donald Trump, es la única persona en el mundo capaz de “hacer vibrar los mercados bursátiles globales con solo publicar un mensaje”, lo que hace que los operadores y las instituciones financieras presten mucha atención a sus declaraciones públicas. Recientemente, el emprendedor taiwanés TK Lin ha abierto el código de un proyecto llamado “Trump Code”, que intenta analizar mediante análisis de datos a gran escala y aprendizaje automático la relación potencial entre las publicaciones de Trump y los mercados financieros, e incluso construir un sistema de señales que pueda usarse en estrategias de trading.
El sistema prueba 31.55 millones de modelos predictivos mediante búsqueda exhaustiva (brute-force). Después de verificar los modelos con conjuntos de entrenamiento y prueba, finalmente se conservan aproximadamente 50,000 modelos efectivos. Según las estadísticas actuales, el sistema alcanza una tasa de acierto de aproximadamente el 61.3% en 566 casos históricos de predicción. Actualmente, el proyecto se ha aplicado en el índice S&P 500, y puede integrarse con activos como Bitcoin, oro e incluso conectar con robots de trading.
Análisis de 7,400 publicaciones y generación de 31.55 millones de modelos
Según la descripción del proyecto, el equipo de investigación recopiló y organizó más de 7,400 publicaciones de Trump desde su regreso a la política, tanto en Truth Social como en la plataforma X, y desglosó 316 características de señal a partir del contenido textual, horarios de publicación, cambios en el tono, entre otros aspectos.
El sistema prueba 31.55 millones de modelos predictivos mediante búsqueda exhaustiva, y tras verificar con conjuntos de entrenamiento y prueba, se conservan aproximadamente 50,000 modelos efectivos. Hasta ahora, en 566 casos históricos, la tasa de acierto del sistema es de aproximadamente el 61.3%.
La lógica central del proyecto es: considerar las publicaciones de Trump como un “evento de mercado” y construir modelos de señales para evaluar su impacto potencial en mercados como el S&P 500. También indican en GitHub que aún no han comparado con Bitcoin, oro o petróleo, pero no debería ser muy difícil.
Cómo identificar múltiples “señales de Trump”
El estudio ha descubierto varios patrones estadísticamente significativos, por ejemplo:
Relajación premercado (Pre-market RELIEF) = la señal de compra más fuerte: el S&P 500 sube en promedio un 1.057% ese día.
Tuits sobre aranceles publicados en la madrugada = indicador contrario: la tendencia suele invertirse.
Día de aranceles puros (Pure tariff day) = el más peligroso: el S&P 500 cae en promedio un 1.12% ese día.
Además, se ha encontrado que si un día no se publica nada, la probabilidad de que el mercado suba es mayor, lo que llaman la “señal de silencio”.
Diferencia de tiempo entre Truth Social y X
Otra de las conclusiones del proyecto es la estrategia de publicación de Trump en diferentes plataformas. Los datos muestran que las publicaciones en Truth Social suelen ser aproximadamente 6.2 horas antes que en X, y algunas informaciones relacionadas con políticas de China solo aparecen en Truth Social. El equipo de investigación cree que esto podría ofrecer a los traders una “ventana de arbitraje de información”.
Código abierto Trump Code: bienvenida la integración con robots de trading
TK Lin afirma que el proyecto ya está completamente abierto en GitHub, incluyendo:
El sistema actual actualiza automáticamente las publicaciones más recientes y vuelve a calcular las señales diariamente, además de incentivar a los desarrolladores a integrarlo con robots de trading o mercados predictivos. Actualmente, el proyecto también sigue las posiciones relacionadas con Trump en mercados de predicción como Polymarket, intentando analizar la interacción entre señales políticas, expectativas del público y los mercados financieros.
¿Este artículo incorpora a Trump en un modelo de inversión? El emprendedor taiwanés abre el código “Trump Code” para analizar las acciones en EE. UU., con una tasa de acierto superior al 60%. Publicado originalmente en Chain News ABMedia.