CUMPLIMIENTO EN TRADING ALGORÍTMICO
Los reguladores ya no aceptan los registros de órdenes como evidencia de auditoría. Después de que el flash crash de agosto de 2024 borrara 1 billón de dólares en valor y de que Citigroup pagara 92 millones de dólares en multas por un único fallo algorítmico, la pregunta ha cambiado de "¿tiene usted controles?" a "¿puede reconstruir cada decisión que tomó su algoritmo?". Construimos la capa de inteligencia de cumplimiento que responde a esa pregunta ante la SEC, MiFID II, la Ley de IA de la UE y DORA, para firmas que necesitan una capacidad de nivel empresarial sin el bloqueo de proveedor de nivel empresarial.
92 M$
Citigroup multado en 3 jurisdicciones por un único fallo de control de algoritmos
BaFin + reguladores del Reino Unido, 2024
70 %
de los bancos reportan tasas de falsos positivos superiores al 25 % en la vigilancia del trading
Encuesta de Eventus / Datos Insights
2 de agosto de 2026
Fecha límite de cumplimiento de la Ley de IA de la UE para la IA financiera de alto riesgo
Ley de IA de la UE, Artículo 6
Un examinador de FINRA llega para su revisión de acceso al mercado conforme a la Regla 15c3-5. Un supervisor de la FCA solicita su autoevaluación RTS 6. Esta es la secuencia que deja expuestas a la mayoría de las firmas.
La revisión multifirma de la FCA de agosto de 2025 sobre 10 firmas de trading por cuenta propia constató que la mayoría tenía documentación incompleta o desactualizada, sin un inventario claro de quién es el propietario de cada algoritmo, en qué mercados opera y qué parámetros de riesgo lo gobiernan. Algunas firmas omitieron elementos enteros de RTS 6 en sus autoevaluaciones. Si no puede producir un inventario actualizado y completo de cada algoritmo en producción, incluidos sus mercados aprobados, límites de posición y la persona registrada responsable de su desarrollo (según la Regla 16-21 de FINRA), el examen se detiene aquí.
Aquí es donde el fallo de Citigroup resulta instructivo. En mayo de 2022, un operador pretendía vender 58 millones de dólares en acciones, pero creó una cesta de 444 mil millones de dólares. Los controles previos a la operación de Citi detuvieron 255 mil millones de dólares, pero 189 mil millones de dólares llegaron al algoritmo de trading, que los dividió en órdenes de venta y empujó 1,4 mil millones de dólares a los mercados europeos antes de la cancelación. Cuando BaFin y los reguladores del Reino Unido investigaron, la pregunta no fue solo "qué pasó", sino "¿por qué sus controles dejaron pasar 189 mil millones de dólares?". Citi pudo mostrar las órdenes. No pudo reconstruir adecuadamente la cadena de decisiones del algoritmo que las ejecutó, ni explicar por qué sus umbrales de riesgo estaban fijados donde estaban. Esa brecha costó 92 millones de dólares en tres jurisdicciones.
La FCA señaló explícitamente el "conocimiento técnico variable en cumplimiento" como una debilidad sistémica. Los equipos de cumplimiento en la mayoría de las firmas pueden leer informes de alertas, pero no pueden interrogar la lógica del algoritmo, cuestionar sus parámetros de riesgo ni verificar que un cambio de código no introdujo una nueva exposición regulatoria. La solución del sector ha sido contratar más personal de cumplimiento con conocimientos cuantitativos, pero el talento en esta intersección (personas que entienden tanto las reglas de acceso al mercado de la CFTC como las arquitecturas de modelos GNN) es escaso. La alternativa: construir sistemas que traduzcan las decisiones algorítmicas en explicaciones listas para auditoría que el personal de cumplimiento pueda revisar, cuestionar y presentar a los examinadores sin necesidad de leer el código fuente.
La SEC y la CFTC sumaron un récord de 25,3 mil millones de dólares en acciones de cumplimiento en 2024. Las prioridades de supervisión de FINRA para 2026 incluyen explícitamente el trading algorítmico y la IA. La Ley de IA de la UE exige que los sistemas de IA financiera de alto riesgo cuenten con documentación técnica, sistemas de gestión de riesgos y capacidad de supervisión humana para agosto de 2026. DORA obliga a realizar pruebas de resiliencia de las TIC y a notificar incidentes a todas las entidades financieras de la UE desde enero de 2025. SEBI ahora exige Algo-IDs únicos y la aprobación de la bolsa para cada estrategia antes de su despliegue en vivo. La pregunta no es si sus algoritmos serán examinados. Es si pueden sobrevivir al examen.
Se proyecta que el mercado de vigilancia del trading alcance entre 4,2 y 9,3 mil millones de dólares para 2033. Los cinco principales proveedores poseen entre el 55 y el 59 % de la cuota de mercado. Esto es lo que cubren y dónde quedan las brechas.
| Enfoque | Qué cubre | Dónde se detiene | Costo típico |
|---|---|---|---|
| NICE Actimize (X-Sight) | Vigilancia multiactivo, detección de patrones basada en ML (spoofing, layering, wash trading), monitoreo previo y posterior a la operación | Precios a escala empresarial y complejidad de implementación. La rigidez de configuración limita la personalización. Sin explicabilidad de las decisiones de los algoritmos ni mapeo de cumplimiento multirregulatorio. | 1-5 M$+/año |
| Nasdaq Surveillance AI | Análisis conductual impulsado por IA generativa, detección de manipulación entre mercados, rendimiento de nivel bursátil | Diseño centrado en la bolsa. Sólido para el sell-side, pero puede no ajustarse a los flujos de trabajo de cumplimiento del buy-side. Centrado en la detección, no en el flujo de trabajo de cumplimiento. | 1-3 M$+/año |
| Eventus (Validus) | Perfilado estadístico del comportamiento, reglas de detección configurables, sólido para firmas de HFT | Centrado en la detección más que en un flujo de trabajo de cumplimiento integral. Integración limitada de modelos personalizados. Ecosistema más pequeño que los proveedores de Nivel 1. | 500 K-2 M$/año |
| Desarrollo interno | Control total sobre la lógica, integración profunda con sistemas propietarios, sin bloqueo de proveedor | Requiere talento de ingeniería cuantitativa que compite con la compensación de los fondos de cobertura. Carga continua de mantenimiento. La documentación regulatoria a menudo se trata como una idea de último momento. | Desarrollo de 2-10 M$ + 1 M$+/año |
| Big 4 / Grandes integradores de sistemas | Asesoría regulatoria, evaluaciones de brechas, diseño de programas, apoyo en la selección de proveedores | Asesoran sobre qué construir, pero rara vez lo construyen. Los proyectos producen presentaciones de PowerPoint y documentos de marco de trabajo, no sistemas funcionales. Cuando sí construyen, recurren a las mismas plataformas de proveedores de Nivel 1. Proyectos de 500 K$-5 M$+. | 500 K-5 M$+ |
| Veriprajna | Inteligencia de cumplimiento personalizada: auditorías de algoritmos explicables, mapeo multijurisdiccional, interruptores de circuito inteligentes, detección de contagio basada en GNN, triaje de alertas | No es una plataforma de vigilancia. No reemplaza a su proveedor de detección existente. No proporciona feeds de datos de mercado. Requiere que su firma tenga datos básicos de gestión de órdenes y de ejecución accesibles vía API. | Desarrollo de 300 K-1,2 M$ |
Los precios se estiman a partir de información disponible públicamente e investigación de mercado. Los costos reales varían según el tamaño de la firma, el alcance y la negociación con el proveedor.
Seis capacidades que llenan las brechas entre su proveedor de vigilancia y lo que los reguladores realmente piden. Cada una aborda un modo de fallo específico que las herramientas actuales dejan abierto.
Cuando un regulador señala una operación específica y pregunta "por qué", la mayoría de las firmas muestran registros de órdenes. Construimos sistemas que reconstruyen la cadena completa de decisiones: el estado del mercado en la marca de tiempo, la atribución de características del modelo (valores SHAP que muestran qué señales impulsaron la decisión y en qué medida), la evaluación determinista de reglas (qué umbrales se verificaron) y el análisis contrafáctico (qué habría pasado bajo diferentes condiciones).
Recurrimos a SHAP en lugar de LIME para la atribución de características porque SHAP proporciona atribuciones teóricamente fundamentadas y consistentes que resisten el escrutinio regulatorio. Las aproximaciones locales de LIME pueden producir explicaciones inestables cuando las condiciones del mercado cambian entre la operación y la auditoría.
Los interruptores de apagado (kill switches) actuales son binarios: encendido o apagado. Los controles de Citigroup bloquearon 255 mil millones de dólares, pero dejaron pasar 189 mil millones de dólares porque el umbral era una única compuerta, no un sistema graduado. Construimos interruptores de circuito multinivel con cuatro niveles de respuesta: regular (reducir la tasa de órdenes), restringir (limitar a instrumentos o mercados específicos), bloquear (requerir aprobación humana por orden) y detener (parada total).
Cada nivel se activa en función de la puntuación de anomalías conductuales, no solo de umbrales de tamaño. Un cambio repentino en la tasa de cancelaciones combinado con cambios de correlación entre activos podría activar un bloqueo, mientras que una única orden grande dentro de los parámetros normales pasa sin problemas.
El flash crash de agosto de 2024 mostró cómo una subida de tipos del Banco de Japón se propagó a través del carry trade del yen hacia las acciones tecnológicas estadounidenses vía llamadas de margen. La vigilancia tradicional ve cada mercado de forma aislada. Construimos sistemas basados en grafos que utilizan arquitecturas GNN para modelar redes de dependencia entre activos y detectar señales de estrés en cascada antes de que se vuelvan sistémicas.
La investigación muestra que las arquitecturas híbridas GNN-LSTM alcanzan un AUC-ROC de 0,891 para la detección de contagio de riesgo interbancario frente a 0,734 de los enfoques convencionales, con tiempos de anticipación de alerta temprana ampliados en 11,5 días (Springer Nature, 2025). Adaptamos estas arquitecturas para entornos de trading multiactivo.
Un único control de trading algorítmico debe satisfacer la Regla 15c3-5 de la SEC, RTS 6 de MiFID II, los requisitos de documentación de la Ley de IA de la UE, los estándares de resiliencia de DORA y, potencialmente, el marco de Algo-ID de SEBI. La mayoría de las firmas mantienen procesos de cumplimiento separados por jurisdicción. Construimos una capa de control unificada en la que cada parámetro de riesgo se asigna simultáneamente a cada regulación aplicable.
Cuando modifica un umbral de capital previo a la operación, el sistema muestra el impacto en el cumplimiento en todas las jurisdicciones antes de que el cambio surta efecto. Los registros de auditoría de doble formato generan resultados tanto para el examen de FINRA como para la revisión de la FCA/NCA a partir de los mismos datos subyacentes.
El 70 % de los bancos reportan tasas de falsos positivos superiores al 25 %. El problema es estructural: los sistemas de vigilancia aplican umbrales estáticos sin contexto. El patrón rutinario de orden y cancelación de un creador de mercado activa la misma alerta de spoofing que el layering real. Construimos puntuación contextual en tres dimensiones: líneas base conductuales del operador, ajuste por régimen de mercado y análisis de patrones de referencia cruzada.
Durante el flash crash de agosto de 2024, las firmas que utilizaban umbrales estáticos generaron cientos de falsas alertas de spoofing, ya que el comportamiento algorítmico normal parecía anormal bajo una volatilidad extrema. Los umbrales conscientes del régimen evitan esta avalancha de alertas manteniendo al mismo tiempo la sensibilidad a la manipulación genuina oculta tras el ruido del mercado.
SEBI ahora exige Algo-IDs únicos y la aprobación de la bolsa antes del despliegue en vivo. FINRA exige el registro de las personas que desarrollan estrategias algorítmicas. La FCA exige autoevaluaciones RTS 6 completas. Construimos una gestión integral del ciclo de vida: desde el desarrollo y las pruebas del algoritmo, pasando por la aprobación regulatoria, el despliegue, el monitoreo, el seguimiento de modificaciones, hasta la retirada.
Cada cambio de código se versiona en función de su impacto en el cumplimiento. Una modificación de la señal de momentum de una estrategia de trading desencadena una reevaluación automática de qué aprobaciones regulatorias deben actualizarse, qué parámetros de riesgo cambiaron y si la modificación requiere un nuevo registro ante FINRA o un nuevo Algo-ID ante SEBI.
Recorra lo que sucede cuando un sistema de inteligencia de cumplimiento detecta una anomalía del VIX previa a la apertura del mercado similar a la que ocurrió el 5 de agosto de 2024.
El monitor multiactivo basado en GNN detecta que los precios de cotización media del VIX están subiendo un 180 % en la preapertura, pero la volatilidad realizada (el movimiento real del precio del S&P 500) está subiendo solo un 12 %. El 5 de agosto de 2024, esta divergencia fue causada por los creadores de mercado ampliando los diferenciales de oferta y demanda en las opciones del S&P 500, inflando mecánicamente el cálculo del VIX basado en cotizaciones. El sistema lo marca como una ANOMALÍA DEL VIX IMPULSADA POR DIFERENCIALES, no un repunte genuino de volatilidad.
Sus algoritmos de focalización en volatilidad están programados para reducir la exposición a renta variable a medida que sube la volatilidad implícita. En condiciones normales, un repunte del 180 % en el VIX desencadenaría órdenes de venta masivas. El interruptor de circuito comprueba: ¿Esta lectura del VIX está impulsada por la volatilidad realizada o por la mecánica de los diferenciales? La marca de impulsado por diferenciales desencadena una respuesta de REGULACIÓN respuesta. Los algoritmos pueden seguir operando, pero al 25 % de la tasa de órdenes normal, ganando tiempo para que la señal se resuelva.
El grafo de contagio rastrea la trayectoria de propagación de la anomalía. ¿Se está moviendo el USD/JPY? (Sí, el yen se fortalece un 2,1 %). ¿Están cayendo los futuros del Nikkei? (Sí, bajan un 6 %). ¿La correlación entre la fortaleza del yen y las ventas masivas de acciones tecnológicas supera el percentil 95 de la distribución histórica? (Sí). El sistema eleva la alerta a DESHACER DE CARRY TRADE DETECTADO y agrega la cadena de propagación: señal de tipos del BOJ, apreciación del yen, presión de llamadas de margen sobre posiciones apalancadas, ventas correlacionadas entre clases de activos.
Con el deshacer del carry trade confirmado, el interruptor de circuito escala de REGULACIÓN a BLOQUEO: todas las órdenes de venta en instrumentos correlacionados (acciones tecnológicas, posiciones de mercados emergentes, cualquier cosa financiada con préstamos en yenes) requieren aprobación manual. Las órdenes de compra y las órdenes en instrumentos no correlacionados continúan a la tasa normal. La mesa de riesgos recibe una alerta estructurada con la cadena completa de propagación, las atribuciones SHAP de cada componente de señal y el impacto estimado en la cartera bajo tres escenarios.
Cada decisión en esta secuencia se registra con marca de tiempo, una instantánea del estado del mercado, las entradas del modelo, las evaluaciones de reglas y las acciones de respuesta. Cuando el examinador llegue seis meses después, el sistema produce un informe estructurado que muestra: qué se detectó, por qué la lectura del VIX se clasificó como impulsada por diferenciales, por qué la respuesta escaló de REGULACIÓN a BLOQUEO, y qué habrían hecho los algoritmos sin intervención (contrafáctico). Este es el registro de auditoría que le faltó a la investigación de Citigroup.
Un proyecto típico dura de 4 a 8 meses desde el inicio hasta la producción. Tres fases, cada una con entregables definidos.
4-6 semanas
Entregable: análisis de brechas regulatorias + hoja de ruta de desarrollo
8-16 semanas
Entregable: sistema funcional en entorno de pruebas (staging)
4-6 semanas
Entregable: sistema listo para producción + documentación regulatoria
Responda ocho preguntas sobre su postura actual de cumplimiento en trading algorítmico. La evaluación identifica sus brechas frente a los requisitos de la SEC, MiFID II, la Ley de IA de la UE y DORA, y produce próximos pasos accionables que puede tomar con o sin Veriprajna.
El reto central es que la Regla 15c3-5 de la SEC y RTS 6 de MiFID II coinciden en su intención, pero divergen en los detalles específicos. La Regla 15c3-5 exige controles de riesgo previos a la operación (umbrales de capital, límites de crédito, filtros de órdenes erróneas) con certificación anual del CEO. RTS 6 exige que las firmas de trading algorítmico mantengan registros de las decisiones de los algoritmos durante cinco años, presenten descripciones de estrategias a las autoridades competentes y demuestren que el personal de cumplimiento puede revisar técnicamente los procesos algorítmicos.
Construimos una capa de control unificada en la que cada control de riesgo se asigna simultáneamente a ambos marcos. Una única verificación de umbral de capital previo a la operación, por ejemplo, satisface el requisito de acceso al mercado de la Regla 15c3-5 y el requisito de documentación de control de riesgo de RTS 6. El sistema mantiene registros de auditoría duales: uno con formato para el examen de FINRA y otro para la revisión de la FCA/autoridad nacional competente. Cuando modifica un parámetro de control, el sistema muestra el impacto en el cumplimiento en ambas jurisdicciones antes de que el cambio surta efecto.
Para las firmas que también operan bajo DORA, agregamos una tercera capa de mapeo que cubre la gestión de riesgos de las TIC y las obligaciones de notificación de incidentes. La alternativa, mantener procesos de cumplimiento separados por jurisdicción, es como opera la mayoría de las firmas hoy en día. Funciona hasta que ocurre un incidente transfronterizo y tres reguladores hacen preguntas distintas sobre el mismo evento.
Cuando un regulador pregunta por qué su algoritmo vendió 200.000 acciones de un valor concreto a las 9:47 a. m. durante un repunte de volatilidad, necesitan más que registros de órdenes que muestren que la operación ocurrió. Necesitan la cadena de decisiones.
Nuestro sistema de auditoría reconstruye cuatro capas para cualquier operación marcada. Primero, la instantánea del estado del mercado: qué datos recibió el algoritmo en esa marca de tiempo, incluyendo la profundidad del libro de órdenes, el ancho del diferencial, las lecturas de volatilidad y las señales entre activos. Segundo, la atribución del modelo: qué características impulsaron la decisión y en qué medida, usando valores SHAP que muestran, por ejemplo, que el 43 % de la señal de venta provino de un repunte del VIX, el 31 % de un desequilibrio del libro de órdenes y el 26 % de un cambio de correlación entre activos. Tercero, el registro de evaluación de reglas: qué restricciones deterministas se verificaron (límites de posición, umbrales de capital, restricciones de instrumentos) y si alguna se activó. Cuarto, el contrafáctico: qué habría hecho el algoritmo bajo condiciones diferentes, como si la lectura del VIX hubiera sido un 10 % más baja o si la señal entre activos hubiera estado ausente.
Esto produce un informe estructurado que un responsable de cumplimiento puede entregar a un examinador. La reconstrucción se ejecuta sobre datos históricos, por lo que puede auditar operaciones de hace semanas o meses, no solo eventos en tiempo real.
La tasa de falsos positivos superior al 25 % que reporta el 70 % de los bancos proviene de un problema de diseño fundamental: la mayoría de los sistemas de vigilancia aplican umbrales estáticos a operaciones o patrones individuales sin considerar el contexto. Una operación de gran bloque parece idéntica al layering si solo examina el tamaño de la orden y la tasa de cancelación.
Construimos puntuación de alertas contextual en tres dimensiones. Primero, líneas base conductuales del operador: el sistema aprende los patrones normales de cada operador (instrumentos, momento, distribución de tamaños, tasas de cancelación) y marca las desviaciones respecto a su propia línea base, no un umbral genérico. Un creador de mercado que rutinariamente coloca y cancela órdenes grandes genera alertas distintas a las de un gestor de cartera que hace lo mismo. Segundo, ajuste por régimen de mercado: durante períodos de alta volatilidad como el flash crash de agosto de 2024, el comportamiento algorítmico normal parece anormal según los estándares estáticos. El sistema ajusta los umbrales en función del régimen actual (alcista, bajista, crisis, baja liquidez), de modo que una venta masiva impulsada por la volatilidad no genere cientos de falsas alertas de spoofing. Tercero, puntuación de referencia cruzada: antes de escalar una alerta, el sistema comprueba si el patrón aparece en múltiples mercados, si el operador tiene relaciones de contraparte que expliquen la actividad y si patrones similares se están produciendo en todo el mercado (lo que sugiere un comportamiento impulsado por el régimen en lugar de manipulación).
Cada alerta recibe una puntuación de confianza compuesta. Los equipos de cumplimiento revisan primero las alertas de alta confianza, y el sistema refina continuamente la puntuación en función de qué alertas conducen a investigaciones genuinas frente a desestimaciones.
La Ley de IA de la UE clasifica ciertas aplicaciones de IA como de alto riesgo, exigiendo evaluaciones de conformidad, documentación técnica, marcado CE y registro en la base de datos de la UE. La calificación crediticia financiera está explícitamente listada como de alto riesgo. Se esperaba que se aclarara si la IA de trading algorítmico califica en las directrices de la Comisión Europea de febrero de 2026 sobre la clasificación de alto riesgo.
Independientemente de la clasificación final, las firmas que usan IA en el trading enfrentan tres requisitos prácticos antes del 2 de agosto de 2026. Primero, documentación: necesita documentación técnica que describa el propósito, la arquitectura, los datos de entrenamiento, las métricas de rendimiento y las limitaciones conocidas de su sistema de IA. La mayoría de las firmas de trading algorítmico tienen repositorios de código pero no la documentación estructurada que exige la Ley. Segundo, gestión de riesgos: necesita un sistema documentado de gestión de riesgos que identifique y mitigue los riesgos a lo largo del ciclo de vida de la IA, incluyendo pruebas bajo condiciones que difieren de los datos de entrenamiento, lo cual importa enormemente para los algoritmos de trading que pueden haberse desarrollado durante períodos de baja volatilidad. Tercero, supervisión humana: el sistema debe permitir la intervención humana, incluyendo la capacidad de anular o detener el sistema de IA. Para el trading, esto significa procedimientos documentados de interruptor de apagado, vías de escalado y evidencia de que los operadores humanos pueden realmente interpretar lo que el sistema está haciendo.
La EBA publicó un informe en noviembre de 2025 sobre las implicaciones de la Ley de IA para la banca, que utilizamos como base para las evaluaciones de brechas. La Ley tiene alcance global: si su sistema de IA interactúa con usuarios o mercados con sede en la UE, está dentro del ámbito de aplicación independientemente de dónde esté constituida su firma.
Un proyecto típico dura de 4 a 8 meses desde el inicio hasta la producción, según el alcance y el estado de su infraestructura existente. La primera fase (4 a 6 semanas) es una evaluación de la arquitectura de cumplimiento. Auditamos sus controles actuales de trading algorítmico frente a cada jurisdicción en la que opera, mapeamos sus herramientas de vigilancia existentes y sus brechas, revisamos el inventario de algoritmos y el estado de la documentación, e identificamos qué fechas límite regulatorias son más apremiantes. Esta fase produce un informe de brechas y un plan de desarrollo priorizado.
La segunda fase (8 a 16 semanas) es el desarrollo del sistema. Trabajamos dentro de su infraestructura existente, sin reemplazar su OMS ni a su proveedor de vigilancia, sino construyendo la capa de inteligencia de cumplimiento que se sitúa entre ellos. Esto incluye el pipeline de explicabilidad (reconstrucción de la cadena de decisiones, atribución SHAP), el mapeo de control multijurisdiccional y el sistema de triaje de alertas. La integración con los feeds de datos existentes (gestión de órdenes, datos de mercado, registros de ejecución) suele ser la tarea individual más larga.
La tercera fase (4 a 6 semanas) es la validación y la alineación regulatoria. Ejecutamos el sistema contra datos históricos, validamos los resultados de auditoría frente a los formatos reales de examen regulatorio, ajustamos los umbrales de alerta frente a su línea base de falsos positivos y documentamos todo conforme a los estándares de la Ley de IA de la UE y RTS 6.
Una advertencia: si su inventario de algoritmos está mal documentado (la FCA constató esto en la mayoría de las firmas que revisaron), agregue de 3 a 4 semanas para el trabajo de descubrimiento y catalogación que debe realizarse antes de que se pueda construir cualquier sistema de cumplimiento sobre él.
Funciona junto con su proveedor existente. Reemplazar una plataforma de vigilancia empresarial es un proyecto de varios años y de varios millones de dólares que la mayoría de las firmas no deberían emprender a menos que la plataforma esté fundamentalmente averiada.
Lo que construimos llena las brechas que su proveedor actual no cubre. NICE Actimize, Eventus y Nasdaq Surveillance son sólidos en la detección basada en patrones: spoofing, layering, wash trading, front-running. Escanean el flujo de órdenes en busca de firmas de manipulación conocidas y generan alertas. Lo que normalmente les falta son tres cosas. Primero, explicabilidad de las decisiones del algoritmo: cuando un regulador pregunta por qué su algoritmo hizo algo, su proveedor de vigilancia puede mostrar que la operación ocurrió y si coincidió con un patrón de manipulación, pero no por qué el algoritmo tomó esa decisión. La capa de explicabilidad que construimos reconstruye la cadena de decisiones a partir de la propia lógica de su algoritmo, las características del modelo y el estado del mercado. Segundo, mapeo de cumplimiento multirregulatorio: su proveedor de vigilancia detecta el abuso de mercado, pero no asigna sus controles de trading algorítmico a los requisitos de la Regla 15c3-5 de la SEC, los criterios de autoevaluación de RTS 6 de MiFID II, las obligaciones de documentación de la Ley de IA de la UE y los estándares de resiliencia de DORA simultáneamente. Ese mapeo es lo que construimos. Tercero, interruptores de circuito inteligentes: su proveedor genera alertas después de que las operaciones se ejecutan. El sistema de interruptor de circuito que construimos interviene antes o durante la ejecución con respuestas graduadas basadas en la gravedad y el patrón de la desviación.
La integración suele realizarse a través de la API o el feed de alertas de su proveedor. Consumimos sus alertas como una entrada más en el panorama de cumplimiento más amplio, agregando contexto, referencia cruzada y explicabilidad sobre lo que ya detectan.
El fundamento técnico detrás de esta página de solución.
Análisis de la mecánica del flash crash de agosto de 2024, el modelado de topología de mercado basado en GNN y las arquitecturas neuro-simbólicas para el control determinista en entornos de trading algorítmico.
Citigroup pagó 92 millones de dólares por un único fallo de control algorítmico. Two Sigma pagó 90 millones de dólares por un gobierno de modelos inadecuado.
Sus algoritmos están en funcionamiento. Sus reguladores están observando. La pregunta es si puede explicar cada decisión que toman sus sistemas, en cada jurisdicción en la que opera, antes de que el examinador pregunte.