U8

Guía de laboratorios

Redes neuronales, LSTM / GRU, GNN y explicabilidad

Descargar PDF

Lectura crítica del experimento

Cómo trabajar con los laboratorios

Esta guía acompaña ocho laboratorios de redes neuronales y análisis de blockchain. Cada experimento combina una pregunta, controles, resultados calculados y una interpretación. Conviene comenzar con las presentaciones de metodología y redes neuronales, y recorrer las actividades en orden.

BTC y ETH identifican escenarios sintéticos. La arena compara perfiles de pronóstico prefijados; no entrena los algoritmos nombrados. Las GNN y celdas recurrentes usan pesos fijos. Sólo el laboratorio 02 ajusta una regresión ridge. Los resultados enseñan mecanismos y no constituyen evidencia de desempeño en mercados reales.

Controles comunes

ControlComportamiento
EN / ESActualiza textos de interfaz y explicaciones; conserva el experimento.
Modo claro / oscuroCambia contraste y colores; conserva configuración y resultados.
ReiniciarRestaura valores y semilla propios del laboratorio. Idioma y tema se conservan.
Pantalla completaAmplía la interfaz. Esc permite salir; si el navegador lo restringe, usar F11.
Exportar registroDescarga JSON con autoría, configuración, supuestos y resultados numéricos.
Descargar gráfico SVGExporta la primera visualización como gráfico vectorial.
Marcar actividad realizadaGuarda avance local en este navegador. No evalúa respuestas ni registra una calificación.

Una rutina de investigación

  1. Anticipá el resultado antes de cambiar un control.
  2. Modificá una variable por vez y anotá lo que mantenés fijo.
  3. Exportá los dos registros cuando compares configuraciones.
  4. Distinguí cálculo exacto, dato sintético, entrenamiento y evidencia empírica.
  5. Cerrá con una conclusión y una limitación que el experimento no pueda resolver.

Registro mínimo

CampoQué anotar
PreguntaQué relación se quiere explorar.
ConfiguraciónLaboratorio, semilla, activo, horizonte y controles.
ResultadoMétrica o traza y unidades; adjuntar JSON.
InterpretaciónQué cambió y qué no cambió.
LímiteQué requiere datos reales, ajuste o validación adicional.

Laboratorio 01 · 20 minutos

Ventanas temporales y LSTM

Construí una muestra L × 2 y separá contexto de etiqueta futura.

Datos sintéticos · sin entrenamiento

Abrir experimento →

Controles y consecuencias

ControlValoresQué modifica
ActivoBTC / ETHCambia la serie sintética y su semilla; no descarga cotizaciones.
ObjetivoRetorno log / precio t+1Cambia y y sus unidades. X conserva las dos features.
Ventana L7 a 60Actualiza L filas completas de la matriz y el conteo train.
Observación tL−1 a 218Mueve contexto y etiqueta; el objetivo es t+1.

Procedimiento

  1. Reiniciá, elegí BTC y retorno log t+1. Fijá t=120.
  2. Compará L=7, 30 y 60; anotá forma de X y muestras train.
  3. Cambiá a precio t+1 y distinguí USD de porcentaje.
  4. Mové t a 153 y luego a 186; identificá la fecha de y y el conjunto asignado.
  5. Exportá un registro y verificá que ninguna fila de X tenga fecha posterior a t.

Ejemplo comprobable

Con 220 períodos numerados 0 a 219, L=30 y t=120, X contiene 91 a 120. Su forma es 30×2 y y corresponde a 121. Hay 124 targets train, 33 validation y 33 test: 190 muestras. El punto amarillo marca la fecha del target sobre el gráfico de precios aunque el target elegido sea un retorno.

Preguntas y orientación

Compará L=7, 30 y 60 con BTC y t=120. Registrá forma de X y número de muestras train.

Ver orientación de respuesta

Las formas son 7×2, 30×2 y 60×2; train tiene 147, 124 y 94 muestras. La etiqueta t+1 no entra en X.

Mové t hasta cruzar validation y test. ¿Puede una ventana usar contexto del tramo anterior?

Ver orientación de respuesta

Sí: se divide por la fecha de la etiqueta. Usar historia conocida es causal; ajustar el escalador con etiquetas o datos futuros no lo es.

Vocabulario del laboratorio

Serie temporal

Secuencia de observaciones ordenadas cronológicamente. El índice representa cuándo se observó el dato, no sólo el orden de las filas. Cambiar el orden puede alterar ventanas, etiquetas y evaluación.

Observación

Registro correspondiente a un instante o período de tiempo. Puede corresponder a una dirección, un bloque o un período diario. Debe declararse su unidad y su tiempo de disponibilidad.

Feature

Variable de entrada. Una entrada válida debe estar disponible al decidir. En el laboratorio 01 cada paso aporta dos features: precio y retorno logarítmico.

Target

Variable a predecir. Define la tarea y sus unidades. Cambiar de precio a retorno cambia el significado del error, aunque se conserve la misma ventana de entrada.

Lag

Valor rezagado de una variable. r(t−1) es el retorno del período anterior. El retardo debe calcularse sin desplazar una observación futura hacia una fila anterior.

Ventana temporal

Secuencia fija de observaciones pasadas usada como entrada. Con L=30 y d=2, una muestra tiene forma 30×2. Una ventana aporta contexto; no determina por sí sola que una red vaya a aprender mejor.

Secuencia

Orden de datos que preserva la dimensión temporal. El eje temporal es distinto del eje de features. Una matriz L×d no equivale a d observaciones independientes.

Aprendizaje supervisado

Esquema en el que cada X se asocia con un target y conocido durante el entrenamiento. Las etiquetas permiten minimizar una pérdida. Para validar temporalmente, cada etiqueta de train debe haber madurado antes del corte de entrenamiento.

Retorno

Variación relativa de un activo entre períodos. El retorno simple es P(t)/P(t−1)−1; el logarítmico es ln[P(t)/P(t−1)]. Los log-retornos se suman en el horizonte y se convierten con exp(r)−1 para el cálculo económico.

Train

Datos usados para ajustar el modelo. Sus datos ajustan pesos y transformaciones como el escalador. Agregar información posterior al corte crea fuga incluso cuando no se modifican las etiquetas.

Validation

Datos usados para selección y vigilancia de generalización. Sirve para comparar configuraciones y seleccionar checkpoints. Repetir la selección sobre el mismo conjunto puede sobreajustar la decisión del investigador.

Test

Datos reservados para evaluación final. Debe representar datos posteriores no usados en selección. Consultarlo repetidamente para elegir el modelo deja de ser una evaluación final independiente.

Escalado

Transformación de magnitudes a una escala adecuada; debe ajustarse usando sólo Train. Aquí ridge centra y divide cada feature por la desviación estimada en train. Esos mismos parámetros se aplican a test sin volver a ajustarlos.

Orden temporal

Restricción por la cual el pasado precede al futuro en la construcción y evaluación. La disponibilidad efectiva puede ser posterior al timestamp del evento. Respetar el orden exige considerar publicación, revisiones y maduración de etiquetas.

Data leakage

Uso indebido de información que no estaría disponible al predecir. Puede entrar por features, escaladores, etiquetas, selección o estructura del grafo. Un split cronológico no elimina automáticamente todas estas fuentes.

Laboratorio 02 · 30 minutos

Data Leakage y walk-forward

Detectá fuga de información y purgá etiquetas que todavía no están disponibles.

Ridge ajustada · datos sintéticos

Abrir experimento →

Controles y consecuencias

ControlValoresQué modifica
LeakageOFF / ONAgrega o retira 0,15r(t)+0,85y(t,H).
Walk-forwardON / OFFCompara reajuste por fold con holdout temporal.
Horizonte H1 / 7Acumula H retornos y excluye etiquetas no maduras.

Procedimiento

  1. Reiniciá y conservá walk-forward ON, H=1 y leakage OFF.
  2. Anotá RMSE, MAE, acierto de dirección y R². Exportá el registro.
  3. Activá leakage y repetí sobre los mismos folds. No cambiés el horizonte todavía.
  4. Volvé a OFF, elegí H=7 e inspeccioná las seis filas purgadas por fold.
  5. Desactivá walk-forward y compará el rango de evaluación: es otro test, no una comparación idéntica.

Ejemplo comprobable

Con H=7 el primer test comienza en t=135. El último origen permitido en train es 128, cuya etiqueta termina en 135. Los seis orígenes 129 a 134 se excluyen porque aún no tienen etiqueta completa al corte. El proxy con fuga contiene la etiqueta futura aun después de hacer esa purga.

Preguntas y orientación

Compará leakage OFF/ON manteniendo horizonte y folds. Exportá ambos registros.

Ver orientación de respuesta

La variable contaminada contiene 85% de la etiqueta futura; una mejora de métricas no demuestra generalización.

Elegí H=7. ¿Por qué se excluyen filas al final de train?

Ver orientación de respuesta

Se purgan 6 orígenes cuya etiqueta termina después del primer instante de decisión test. Walk-forward no corrige una feature que ya contiene futuro.

Vocabulario del laboratorio

Data leakage

Uso indebido de información que no estaría disponible al predecir. Puede entrar por features, escaladores, etiquetas, selección o estructura del grafo. Un split cronológico no elimina automáticamente todas estas fuentes.

Look-ahead bias

Sesgo causado por utilizar información del futuro al construir features, seleccionar modelos o evaluar resultados. Por ejemplo, una media centrada contiene datos posteriores a t. La auditoría debe preguntar qué habría podido calcularse en tiempo real.

FutureProxy

Variable pedagógica contaminada que codifica parte del target futuro. En el laboratorio 02 es 0,15r(t)+0,85y(t,H). Su buena relación con y se construye deliberadamente y no puede usarse al predecir.

Regresión ridge

Regresión lineal con penalización L2 para reducir coeficientes excesivos. Minimiza error cuadrático más λ por la suma de coeficientes al cuadrado. El laboratorio utiliza λ=0,1, features escaladas y un intercepto sin penalización.

Regularización L2

Penalización proporcional al cuadrado de los coeficientes del modelo. Reduce la magnitud de pesos de manera continua. Su efecto depende de la escala de las features y de cómo se define la función objetivo.

RMSE

Raíz del error cuadrático medio. Se calcula como √media[(ŷ−y)²] y conserva las unidades de y. Penaliza más los errores grandes; aquí los retornos se informan en puntos porcentuales.

MAE

Error absoluto medio. Se calcula como media[|ŷ−y|] y conserva las unidades de y. Permite interpretar un error típico sin elevar al cuadrado los desvíos.

Directional Accuracy

Proporción de signos correctamente anticipados. Compara sign(ŷ) con sign(y). Un pronóstico de retorno cero no expresa una dirección; en la arena esa métrica se omite para el baseline cash.

R²

Métrica de ajuste relativa a una referencia basada en la media. Se calcula como 1−SSE/SST. Puede ser negativo fuera de muestra; no mide rentabilidad y es indefinido si el target no tiene variación.

Split temporal

Separación de datos que preserva orden cronológico. Se asignan muestras por fecha de etiqueta o por una regla documentada de origen. Las ventanas test pueden utilizar historia anterior que ya era conocida.

Walk-forward validation

Evaluación secuencial que entrena con el pasado y prueba en períodos posteriores. En cada fold se vuelve a ajustar el modelo con información disponible al nuevo corte. Permite observar variación entre períodos, pero no repara features contaminadas.

Fold temporal

Cada corte o iteración de una validación walk-forward. Debe registrar último origen train, última fecha de etiqueta y rango test. Los errores de targets de H períodos que se superponen no son independientes.

Out-of-sample

Datos no utilizados para ajustar el modelo. Excluir datos del ajuste es necesario, pero también hay que excluirlos de la selección. La expresión no garantiza que las features estén libres de fuga.

Feature legítima

Variable que puede conocerse realmente al momento de producir la predicción. Su construcción, sus revisiones y sus fuentes deben ser conocidas al corte. Un registro histórico reconstruido después puede no ser legítimo en una evaluación retrospectiva.

Target futuro

Resultado que ocurre después del tiempo de decisión y no debe filtrarse a X. Para H=7 depende de siete retornos posteriores. Su etiqueta sólo puede ingresar a train cuando esos siete períodos ya fueron observados.

Laboratorio 03 · 25 minutos

Arena de pronósticos BTC / ETH

Contrastá seis perfiles sintéticos con métricas calculadas y costos explícitos.

Perfiles sintéticos · sin entrenamiento

Abrir experimento →

Controles y consecuencias

ControlValoresQué modifica
EscenarioBTC / ETHCambia un proceso sintético con parámetros conocidos.
Horizonte1 / 7Evalúa retornos log acumulados en 90 orígenes.
Familias de featuresMercado / técnica / on-chainActiva términos causales prefijados; no ajusta algoritmos.
Costo0 a 50 bpCosto × |cambio de posición|. Pasar de −1 a +1 cuesta dos unidades.

Procedimiento

  1. Reiniciá, inspeccioná la advertencia de perfiles y el baseline cash.
  2. Activá on-chain manteniendo BTC, H=1 y los otros controles.
  3. Cambiá a ETH: anotá que cambió el proceso sintético y no un mercado descargado.
  4. Fijá H=7 y compará costos 0 y 30 bp.
  5. Separá en tu informe error predictivo, dirección y riesgo económico.

Ejemplo comprobable

La fila Naive predice 0 en los 90 orígenes. Por ello RMSE=sqrt(media[y²]) y MAE=media[|y|]. Las posiciones permanecen en cash, su drawdown es 0 y su Sharpe no se define porque la desviación es 0. Con H=7 se toman 13 decisiones separadas por siete períodos; las métricas predictivas usan los 90 targets y pueden solaparse.

Preguntas y orientación

Activá on-chain, cambiá BTC/ETH y compará RMSE con baseline.

Ver orientación de respuesta

El resultado depende del proceso sintético y de coeficientes prefijados. Ninguno de los seis algoritmos nombrados se entrena aquí.

Compará costos 0 y 30 bp con H=7. ¿Cambian RMSE y Sharpe de la misma manera?

Ver orientación de respuesta

RMSE no cambia: el pronóstico permanece fijo. Sharpe y drawdown se recalculan con retornos netos y decisiones sin solapamiento.

Vocabulario del laboratorio

Baseline

Referencia declarada para evaluar pronósticos o para descomponer una salida explicada. En evaluación es un pronóstico de referencia; en SHAP es el valor esperado bajo un juego explicativo. Estos dos usos responden a preguntas distintas.

Naive

Baseline que usa una regla muy simple, por ejemplo persistencia o ausencia de cambio. En la arena elige retorno pronosticado cero y posición cash. En otros problemas puede ser persistencia: conviene declarar siempre la regla concreta.

AR

Modelo autorregresivo que usa valores pasados de la variable para estimar el futuro. Su versión real ajusta coeficientes de retardos en train. La arena muestra un perfil causal prefijado inspirado en AR; no estima ese modelo.

Random Forest

Ensamble de árboles de decisión entrenados sobre muestras y subconjuntos de variables. Combina predicciones de muchos árboles para reducir variabilidad. El nombre de la arena identifica un perfil sintético: no se construyen ni ajustan árboles allí.

XGBoost

Algoritmo de gradient boosting basado en árboles, optimizado para aprendizaje tabular. Construye árboles sucesivos que corrigen el objetivo de entrenamiento con regularización. La arena no ejecuta boosting ni constituye un benchmark del algoritmo.

LSTM

Red recurrente Long Short-Term Memory con memoria explícita. Una red recurrente con estado de celda c y estado oculto h, controlados por compuertas de entrada, olvido y salida. Su utilidad debe contrastarse con baselines bajo el mismo protocolo.

GRU

Red recurrente Gated Recurrent Unit con estado oculto y dos compuertas. Una red recurrente que utiliza compuertas de actualización y reset sin una celda c separada. Aquí h=(1−z)g+zh_anterior; un z alto conserva más estado anterior.

Feature set

Conjunto de variables disponibles para un modelo. Debe describir disponibilidad, unidades y transformaciones. Una comparación por ablación cambia una familia de entradas y mantiene el protocolo restante.

Features de mercado

Variables como precio, retorno, volumen o volatilidad. Su frecuencia y su fuente deben ser consistentes con el target. En la arena sólo se usa un término sintético derivado del retorno actual.

Indicadores técnicos

Transformaciones de precios/volumen como medias móviles, RSI o MACD. Una transformación no aporta datos futuros si sólo utiliza historia disponible. El laboratorio 03 usa una onda sintética, no RSI o MACD calculados de un mercado real.

Features on-chain

Variables derivadas de la actividad registrada en la blockchain. Requieren una definición de bloques, confirmaciones, ventanas y unidad de análisis. En la arena el término on-chain es una onda pedagógica y no un dato de explorador.

Horizonte

Distancia entre instante de información y target futuro. Aquí H cuenta períodos diarios sintéticos. Cambiar H modifica etiqueta, disponibilidad, solapamiento y frecuencia de decisiones económicas.

Sharpe Ratio

Relación entre retorno excedente y volatilidad. En la arena se estima media(retorno neto)/desviación muestral × √(365/H), con tasa libre cero. Esa anualización presupone una escala temporal y no prueba estabilidad de la estrategia.

Max Drawdown

Mayor caída desde un máximo a un mínimo posterior. Se calcula como el máximo de 1−riqueza/máximo previo. Depende de la secuencia de retornos netos, no sólo de su promedio.

Same split

Principio de comparar modelos sobre exactamente los mismos períodos. Los targets y orígenes de evaluación deben coincidir. En la arena los 90 orígenes son idénticos, aunque no se realiza entrenamiento de los perfiles.

Same metrics

Principio de evaluar todos los modelos con la misma definición de métricas. También deben coincidir unidades, definición de cero, costos y anualización. Compartir únicamente el nombre de una métrica no hace comparables dos estudios.

Laboratorio 04 · 20 minutos

LSTM vs GRU

Compará parámetros exactos y observá curvas pedagógicas de pérdida.

Conteo exacto · curvas sintéticas

Abrir experimento →

Controles y consecuencias

ControlValoresQué modifica
ArquitecturaLSTM / GRUCambia 4 / 3 bloques de parámetros.
input_dim d1 a 24Número de features por paso; afecta el conteo.
Unidades u8 a 128Dimensión recurrente y capacidad ilustrativa.
Bias1 / 2 vectoresUno es la convención simplificada; dos coincide con PyTorch.
Dropout0 a 0,6Modifica sólo una fórmula de curvas ilustrativas.
Épocas20 a 150Muestra más puntos de la curva; no ejecuta optimización.

Procedimiento

  1. Reiniciá con d=8, u=32 y dos biases. Compará LSTM y GRU.
  2. Elegí un bias y verificá el desglose del conteo.
  3. Variá unidades manteniendo los otros parámetros.
  4. Compará dropout 0, 0,2 y 0,6 con 150 épocas.
  5. Ubicá el mínimo de validation y explicá por qué las curvas no son evidencia de entrenamiento.

Ejemplo comprobable

Para d=8, u=32 y dos vectores de bias, LSTM suma 4·32·8=1.024 pesos de entrada, 4·32²=4.096 recurrentes y 4·32·2=256 biases: 5.376. GRU suma 768+3.072+192=4.032. Elegir un bias cambia a 5.248 y 3.936. El conteo no incluye cabeza de salida ni otra capa.

Preguntas y orientación

Con d=8 y u=32, compará LSTM/GRU y uno/dos vectores de bias.

Ver orientación de respuesta

Con dos biases: LSTM 5.376 y GRU 4.032. Con uno: 5.248 y 3.936. Una capa, una dirección, sin cabeza de salida.

Variá dropout de 0 a 0,6 y épocas de 20 a 150. Identificá el mínimo de validación.

Ver orientación de respuesta

Las curvas se generan con una fórmula y muestran un compromiso ilustrativo. No miden desempeño real ni prueban superioridad de una arquitectura.

Vocabulario del laboratorio

RNN

Red neuronal recurrente diseñada para procesar secuencias y mantener un estado entre pasos. Actualiza h(t) a partir de entrada actual y estado anterior. Una red recurrente puede procesar secuencias, pero también sufrir problemas de gradiente y memoria efectiva.

LSTM

Red recurrente Long Short-Term Memory con memoria explícita. Una red recurrente con estado de celda c y estado oculto h, controlados por compuertas de entrada, olvido y salida. Su utilidad debe contrastarse con baselines bajo el mismo protocolo.

GRU

Red recurrente Gated Recurrent Unit con estado oculto y dos compuertas. Una red recurrente que utiliza compuertas de actualización y reset sin una celda c separada. Aquí h=(1−z)g+zh_anterior; un z alto conserva más estado anterior.

input_dim

Cantidad de variables de entrada por paso temporal. Es d, no L: describe cuántas variables tiene cada paso. En el laboratorio 01 d=2 y L puede cambiar sin modificar esa cantidad.

Units

Dimensión del estado oculto recurrente. Es u, el tamaño de h y de c en LSTM sin proyección. Aumentarlo eleva especialmente el término recurrente u² del conteo de parámetros.

Parámetro

Peso o bias aprendido durante el entrenamiento. Las compuertas comparten sus matrices a lo largo de los pasos temporales. Cambiar la longitud de secuencia no agrega matrices nuevas a una celda estándar.

Input gate

Compuerta LSTM que regula cuánto contenido nuevo ingresa al estado de celda. Sus valores sigmoides entre 0 y 1 multiplican el candidato g. No selecciona ejemplos completos; regula coordenadas de memoria.

Forget gate

Compuerta LSTM que regula cuánto del estado previo se conserva. Multiplica c(t−1) en c(t)=f·c(t−1)+i·g. No es una medida directa de importancia económica del pasado.

Output gate

Compuerta LSTM que regula qué parte del estado de celda se expone como hidden state. Calcula h(t)=o·tanh[c(t)]. Distingue memoria interna de la parte expuesta a la siguiente transformación.

Cell state

Memoria interna de una LSTM. Acumula candidato y memoria previa mediante compuertas. En el integrador es un escalar para facilitar el cálculo; una LSTM real puede usar un vector grande.

Hidden state

Estado recurrente que resume información previa. Resume el prefijo procesado y alimenta el siguiente paso. No debe confundirse con una predicción final o una etiqueta.

Update gate

Compuerta GRU que combina estado previo y candidato nuevo. Su interpretación depende de la convención algebraica. En esta unidad un z próximo a 1 retiene h anterior; próximo a 0 incorpora el candidato.

Reset gate

Compuerta GRU que controla cuánto del pasado interviene al construir el candidato. En la variante escalar usada aquí modula r·(0,38h_anterior) dentro del candidato. No controla directamente la mezcla final de h.

Dropout

Regularización que desactiva unidades durante entrenamiento. Durante entrenamiento aplica máscaras aleatorias y reescala activaciones según su implementación. PyTorch lo aplica entre capas recurrentes; el laboratorio 04 sólo modifica curvas sintéticas.

Epoch

Una pasada completa por el conjunto de entrenamiento. No equivale a un batch ni a una actualización de parámetros. Aquí el eje de épocas es ilustrativo y no ejecuta optimización.

Loss

Función que cuantifica error y guía el ajuste de parámetros. Su elección depende del target. Una pérdida baja en train no basta para establecer generalización ni calidad económica.

Validation loss

Error calculado sobre datos de validación. No participa normalmente del gradiente de entrenamiento. Su mínimo puede usarse para seleccionar un checkpoint según una regla fijada previamente.

Generalization gap

Diferencia entre error de entrenamiento y validación. Aquí es loss_validation−loss_train al final de las épocas mostradas. Cambios de distribución también pueden ampliar esa brecha.

Overfitting

Ajuste excesivo a Train con peor generalización. Puede afectar pesos, hiperparámetros o selección de estrategias. Una curva ilustrativa ayuda a reconocer el patrón, pero no diagnostica un modelo real.

Early stopping

Detención del entrenamiento cuando Validation deja de mejorar. Se define mediante paciencia, mejora mínima y restauración del checkpoint. El laboratorio sólo marca el mínimo observado y no ejecuta esa regla.

Laboratorio 05 · 25 minutos

Blockchain como grafo

Explorá direcciones, aristas dirigidas, fuerza y centralidad.

Grafo sintético · centralidad calculada

Abrir experimento →

Controles y consecuencias

ControlValoresQué modifica
Direcciones6 a 16Cambia n del grafo dirigido simple.
Probabilidad p0,12 a 0,42Cambia el generador; no fija exactamente la densidad.
RegenerarSemilla +1Crea otra realización y muestra la semilla.
SeleccionarClic / teclado / listaInspecciona métricas y vínculos de una dirección.
PageRank ponderadoOFF / ONUsa conteos de transacciones en las transiciones.

Procedimiento

  1. Reiniciá y anotá n, p, semilla y densidad observada.
  2. Seleccioná una dirección con la lista o con Enter sobre un nodo.
  3. Contrastá degree con fuerza usando la tabla de vínculos.
  4. Activá PageRank ponderado sin regenerar; compará ranking.
  5. Regenerá y después reiniciá: comprobá que vuelve la semilla 2026.

Ejemplo comprobable

Con 10 direcciones hay 10·9=90 aristas dirigidas posibles. Si la realización contiene 22, la densidad es 22/90≈0,244. Una dirección con dos aristas entrantes de pesos 3 y 8 tiene in-degree=2 y fuerza entrante=11. Los pesos no representan 3 u 8 unidades monetarias.

Preguntas y orientación

Elegí una dirección con vínculos entrantes y salientes. Diferenciá degree y strength.

Ver orientación de respuesta

Degree cuenta contrapartes en este grafo simple; strength suma los pesos, definidos como conteos de transacciones agregadas.

Activá PageRank ponderado manteniendo la misma semilla.

Ver orientación de respuesta

Los pesos cambian las probabilidades de transición. La suma de PageRank es 1; betweenness permanece no ponderada. Una dirección no identifica necesariamente una persona.

Vocabulario del laboratorio

Grafo

Estructura formada por nodos y aristas. Su significado depende de qué representa cada nodo y vínculo. Un grafo de direcciones no equivale a un grafo de transacciones, bloques o contratos.

Nodo

Unidad de un grafo. En el laboratorio 05 representa una dirección sintética. En otros diseños puede representar una transacción o un contrato; esa decisión cambia la tarea.

Arista

Relación definida entre dos nodos de un grafo. En 05 agrega transacciones dirigidas entre dos direcciones; su peso cuenta eventos. En 06 y 07 representa una relación no dirigida de un grafo simplificado.

Grafo dirigido

Grafo cuyas aristas tienen origen y destino. El vínculo A→B no implica B→A. PageRank y betweenness se calculan respetando esos sentidos en el laboratorio 05.

Wallet

Software o dispositivo para gestionar claves y direcciones de una blockchain. Es una herramienta para gestionar claves y direcciones, no una identidad verificada. El laboratorio utiliza direcciones sintéticas como nodos y no agrupa usuarios.

Transacción

Evento registrado en la blockchain según su modelo de ejecución. Un evento real puede tener múltiples entradas, salidas o llamadas. Las aristas del laboratorio son una agregación didáctica y no reproducen íntegramente UTXO o EVM.

Densidad

Proporción de conexiones existentes respecto de las posibles. En un grafo dirigido simple sin self-loops es m/[n(n−1)]. La probabilidad p del generador no tiene por qué coincidir exactamente con la densidad observada.

Degree

Cantidad total de conexiones asociadas a un nodo. En un grafo simple cuenta aristas incidentes o contrapartes según la convención. No suma transacciones repetidas agregadas: esa cantidad corresponde a strength.

In-degree

Número de aristas que llegan al nodo. Cuenta vínculos de contrapartes que llegan a la dirección. Su fuerza entrante suma los pesos y puede ser mucho mayor.

Out-degree

Número de aristas que salen del nodo. Cuenta vínculos hacia contrapartes de destino. No debe confundirse con el importe transferido ni con número total de eventos.

Centralidad

Medida de posición o importancia estructural en un grafo. Cada medida responde a una definición de posición estructural. Ninguna demuestra por sí sola identidad, riesgo, fraude o influencia económica.

PageRank

Centralidad que pondera la calidad de los vínculos entrantes. Distribuye masa por enlaces salientes con damping 0,85 y redistribución de nodos sin salida. El modo ponderado usa proporciones de conteos de transacciones.

Betweenness

Centralidad basada en la intermediación de un nodo en caminos cortos. Suma fracciones de caminos mínimos entre pares que pasan por el nodo. Aquí es dirigida, no ponderada y normalizada por (n−1)(n−2).

Camino corto

Secuencia de aristas con mínima longitud entre dos nodos. En 05 la longitud es el número de aristas, no sus pesos. Si se usan pesos como distancias debe declararse por qué una cantidad de transacciones representaría distancia.

Topología de red

Forma global en que nodos y conexiones se organizan. Incluye conectividad, componentes y distribución de vínculos. Dos nodos con la misma feature pueden tener contexto estructural distinto.

Intermediación

Rol de un nodo como puente entre regiones de la red. Un puente puede concentrar caminos mínimos sin tener muchos vecinos. La interpretación depende del grafo observado y sus omisiones.

Laboratorio 06 · 30 minutos

GNN: propagación de mensajes

Seguí cada coeficiente y transformación de GCN, GraphSAGE y GAT.

Pesos fijos · cálculo de capas

Abrir experimento →

Controles y consecuencias

ControlValoresQué modifica
ArquitecturaGCN / GraphSAGE / GATCambia la regla de agregación y transformación.
NodoA a FMuestra embedding, coeficientes y traza.
Capa L0 a 6En 0 no hubo agregación; luego aplica pesos fijos.
AvanzarUna capaPermite comparar la propagación y el campo receptivo.

Procedimiento

  1. Reiniciá: A, GCN, capa 1. Recalculá agregado y salida con la matriz visible.
  2. Elegí capa 0 y comprobá que no se muestran coeficientes de agregación.
  3. Compará GraphSAGE y GAT en la misma capa y nodo.
  4. En GAT sumá pesos; en GCN explicá por qué no tienen que sumar 1.
  5. Avanzá hasta capa 6 y registrá el campo receptivo sin inferir desempeño.

Ejemplo comprobable

En GCN, A tiene dos vecinos B y C. Con self-loops los grados son 3, 4 y 5. Los coeficientes para A, B y C son 1/3, 1/sqrt(12) y 1/sqrt(15): suman aproximadamente 0,8802. El agregado de sus dos features es [0,53847; 0,45253] y la salida H·W seguida de ReLU es [0,52128; 0,56882].

Preguntas y orientación

Seleccioná A, capa 1 y compará GCN, GraphSAGE y GAT. Reconstruí la traza.

Ver orientación de respuesta

GCN usa coeficientes simétricos y self-loop; GraphSAGE concatena estado propio y media; GAT aplica softmax sobre scores con pesos fijos.

Explorá capas 0 a 6. ¿Qué ocurre con el campo receptivo?

Ver orientación de respuesta

Puede alcanzar vecinos a L saltos. Los coeficientes GCN no necesariamente suman 1; GAT sí. Más capas no prueban mejor clasificación.

Vocabulario del laboratorio

GNN

Graph Neural Network: familia de redes para datos con estructura de grafo. Una red que actualiza representaciones a partir de features y relaciones. En 06 sus pesos son fijos; las representaciones se calculan sin entrenamiento.

Message passing

Intercambio y agregación de información entre nodos vecinos. Cada capa combina mensajes del estado de la capa anterior. Las actualizaciones son simultáneas; no se usan vecinos parcialmente actualizados en la misma ronda.

Embedding

Representación vectorial de un nodo, grafo o estado. Es un vector dependiente del encoder y sus parámetros. Una coordenada mayor no significa mayor riesgo ni mejor precisión por sí sola.

Node feature

Variable inicial asociada a un nodo. En 06 cada nodo tiene dos valores sintéticos. En un estudio real se deben definir unidades, disponibilidad y escalado de todas las features.

Neighborhood

Conjunto de vecinos conectados a un nodo. Se define por las aristas y su dirección. En 06 y 07 se utiliza vecindario no dirigido como simplificación explícita.

Aggregate

Operación que resume mensajes de los vecinos. Puede usar suma ponderada, media o atención. Debe preservar invariancia ante el orden de vecinos cuando la arquitectura lo exige.

Update

Transformación que produce el nuevo estado del nodo. Aplica una transformación y una activación después de agregar. En GraphSAGE se conserva el estado propio mediante concatenación.

Layer

Una ronda de message passing y transformación. Tras L capas puede incorporarse información hasta L saltos. El campo receptivo es potencial: pesos y activaciones pueden atenuar mensajes.

Self-loop

Conexión del nodo consigo mismo para conservar información propia en la agregación. GCN y GAT incluyen el propio nodo entre las fuentes. GraphSAGE conserva su estado por concatenación y promedia sólo vecinos externos.

GCN

Graph Convolutional Network con agregación normalizada. Usa H_nuevo=ReLU[D̃⁻¹/² Ã D̃⁻¹/² H W]. Sus coeficientes simétricos no necesariamente suman 1 y no equivalen a un simple promedio por fila.

GraphSAGE

Arquitectura GNN basada en agregación de vecinos. La variante mean concatena [h_propio || mean(vecinos)] y proyecta con W_S. Este laboratorio usa todos los vecinos y omite normalización L2 posterior.

GAT

Graph Attention Network con atención entre vecinos. Una cabeza calcula scores LeakyReLU(aᵀ[Wh_v||Wh_u]) y softmax sobre vecinos más self. La atención depende de features y parámetros fijos aquí.

Attention

Mecanismo que asigna pesos relativos a distintas fuentes de información. Pondera fuentes antes de agregarlas. Un peso de atención no es automáticamente una explicación causal ni una medida de importancia global.

Softmax

Función que convierte scores en pesos positivos normalizados. Exp(a_i)/Σexp(a_j) convierte scores en pesos que suman 1. Para estabilidad numérica se resta el máximo de los scores antes de exponenciar.

Attention weight

Peso asignado a un vecino por el mecanismo de atención. En 06 incluye el self-loop y se calcula para la capa seleccionada. No debe mostrarse como si existiera agregación cuando L=0.

ReLU

Función de activación max(0,x). Se aplica por coordenada y deja pasar valores positivos. Puede hacer cero una contribución transformada negativa.

Representación oculta

Estado intermedio de un nodo dentro de la red. Surge después de agregar y transformar. Para comparar modelos hay que evaluar una tarea, no sólo comparar tamaños de embeddings.

Receptive field

Conjunto de nodos cuya información puede influir en la representación tras varias capas. En el grafo no dirigido puede crecer hasta L saltos. Llegar a todo el grafo no garantiza conservar información discriminativa.

Over-smoothing

Fenómeno por el cual muchas capas hacen que representaciones de nodos se vuelvan demasiado similares. Depende de arquitectura, conectividad, pesos y profundidad. Observar vectores parecidos en este ejemplo no demuestra un límite universal de las GNN.

Laboratorio 07 · 30 minutos

Integrador GNN + LSTM / GRU

Recorré snapshots, pooling y compuertas de una celda recurrente.

Pesos fijos · prefijo causal

Abrir experimento →

Controles y consecuencias

ControlValoresQué modifica
GNNGCN / GraphSAGE / GATEncoder de una capa, compartido entre snapshots.
TemporalLSTM / GRUCelda escalar con pesos fijos y estado inicial cero.
Anterior / siguienteSnapshots 1 a 5Calcula sólo el prefijo disponible hasta t.
Reproducir / pausarAvance automáticoRecorre estados cada 1,2 segundos; se detiene al final.

Procedimiento

  1. Reiniciá con GCN y LSTM en snapshot 1.
  2. Verificá vector global, densidad y proyección escalar.
  3. Avanzá hasta snapshot 3; observá que 4 y 5 siguen pendientes.
  4. Reconstruí c y h usando la traza de compuertas; después compará GRU.
  5. Reproducí la secuencia y justificá qué etiquetas y entrenamiento faltarían en un experimento real.

Ejemplo comprobable

El encoder produce cinco embeddings de dos coordenadas. Su media da dos valores; concatenar densidad crea un vector global de tres coordenadas. Se calcula x=0,85z₁+0,55z₂+0,35z₃ y se actualiza una celda escalar. En GRU, si z=0,6, candidato g=0,4 y h_anterior=0,2, h=0,4·0,4+0,6·0,2=0,28.

Preguntas y orientación

Avanzá snapshot por snapshot y verificá pooling y estado de celda.

Ver orientación de respuesta

Se promedian 5 embeddings, se concatena densidad y se proyecta a x escalar. Sólo se calculan estados hasta el cursor actual.

Cambiá LSTM a GRU y reconstruí h con las compuertas visibles.

Ver orientación de respuesta

La convención GRU es h=(1−z)·g+z·h_anterior. El score sigmoide 0–1 es adimensional, sin calibración ni entrenamiento.

Vocabulario del laboratorio

Grafo dinámico

Grafo cuya estructura o features cambian con el tiempo. Los snapshots deben construirse con eventos conocidos al corte. Usar aristas futuras al resumir un estado anterior produciría fuga estructural.

Snapshot

Estado de un grafo en un tiempo dado. Tiene una ventana de agregación y un tiempo de disponibilidad. En 07 se muestran cinco grafos sintéticos consecutivos.

Graph embedding

Vector que resume información de un grafo completo. El pooling convierte varios embeddings de nodo en un vector global. En 07 se usa media de cinco nodos y se concatena densidad.

z(t)

Embedding del snapshot en el instante t. En la notación conceptual es el vector global del snapshot. Para evitar confusión, z de la compuerta GRU es otro objeto: un factor escalar de retención.

Secuencia temporal

Orden de embeddings o estados a través del tiempo. La celda procesa únicamente el prefijo observado. Mostrar resultados futuros como disponibles en t alteraría la interpretación causal.

Celda recurrente

Unidad LSTM o GRU que actualiza memoria a cada paso. Comparte pesos entre pasos y conserva estado. En el integrador es escalar y parte de h₀=c₀=0 para permitir una traza manual.

Hidden state

Estado recurrente que resume información previa. Resume el prefijo procesado y alimenta el siguiente paso. No debe confundirse con una predicción final o una etiqueta.

Cell state

Memoria interna de una LSTM. Acumula candidato y memoria previa mediante compuertas. En el integrador es un escalar para facilitar el cálculo; una LSTM real puede usar un vector grande.

Temporal graph model

Modelo que combina estructura de grafo y dependencia temporal. Debe decidir si recurre sobre estados de nodo o sobre un resumen global. La arquitectura aquí usa un resumen global por snapshot.

Sampling

Regla para seleccionar nodos, vecinos, aristas o snapshots durante entrenamiento. Puede reducir costo, pero cambia el vecindario observado. Los laboratorios 06 y 07 no muestrean: emplean todos los vecinos.

Label

Resultado objetivo asociado a nodo, arista, grafo o período. Su disponibilidad puede retrasarse respecto del evento. Es necesario auditar ese retraso antes de incorporarla a entrenamiento.

Window

Conjunto de snapshots pasados utilizado como contexto. En un modelo de snapshots define cuánta historia de grafos se procesa. No equivale necesariamente a la ventana de agregación de transacciones de cada grafo.

Temporal validation

Evaluación que respeta la secuencia pasada -> futuro. También exige que aristas y features pertenezcan al pasado. Separar sólo etiquetas no impide fuga en la estructura.

Pipeline

Cadena completa de transformaciones desde datos hasta output. Debe especificar dimensiones y unidades en cada transformación. En 07 pasa de 5×2 a un vector global de 3, luego a x escalar y estado escalar.

Signal

Salida pedagógica final del simulador; no equivale a recomendación financiera. En 07 se muestra un score adimensional generado por pesos fijos. Su rango 0–1 no lo convierte en una probabilidad calibrada.

Sigmoid

Función que transforma un valor real a un número entre 0 y 1. σ(a)=1/(1+exp(−a)). Es una transformación matemática; la interpretación probabilística requiere una tarea y calibración adecuadas.

Graph-level task

Problema cuyo target corresponde al grafo completo y no a un nodo individual. Por ejemplo, predecir una propiedad del snapshot completo. Requiere pooling u otra lectura global y un target que corresponda a esa misma unidad.

Laboratorio 08 · 25 minutos

Explorador SHAP

Reconstruí la salida de un modelo lineal y cambiá su referencia.

Modelo lineal · SHAP exacto bajo supuestos

Abrir experimento →

Controles y consecuencias

ControlValoresQué modifica
ActivoBTC / ETHSelecciona coeficientes y features de un modelo lineal distinto.
Features x0 a 1Cambia la observación, no los coeficientes.
Referencia μ0,2 a 0,8Cambia medias de fondo, baseline y contribuciones; mantiene f(x).
Observación de referenciax=μHace cero todas las contribuciones del juego independiente.

Procedimiento

  1. Reiniciá BTC y verificá los cinco términos w(x−μ).
  2. Comprobá suma, baseline, salida y residuo numérico.
  3. Mové sólo μ de 0,50 a 0,60: registrá que f(x) no cambia.
  4. Elegí observación de referencia y comprobá φ=0.
  5. Cambiá a ETH y explicá por qué atribución local no equivale a causalidad.

Ejemplo comprobable

Con BTC inicial, w=[−0,75; 0,42; 0,55; 0,30; −0,18], x=[0,72; 0,66; 0,58; 0,62; 0,44] y μ=0,50, φ=[−0,1650; 0,0672; 0,0440; 0,0360; 0,0108]. La suma es −0,0070 y f(x)=0,0130 con baseline 0,0200. El intercepto permanece b=−0,15. Si μ cambia a 0,60, baseline=0,0540 y Σφ=−0,0410: la salida sigue en 0,0130.

Preguntas y orientación

Con BTC y μ=0,50 verificá baseline, contribuciones y salida.

Ver orientación de respuesta

Base=0,0200; Σφ=−0,0070; f(x)=0,0130. La suma debe cerrar salvo redondeo.

Cambiá μ y mantené x fijo. Después elegí observación de referencia.

Ver orientación de respuesta

Cambian baseline y contribuciones, no f(x). Si x=μ todas las contribuciones son cero. La fórmula es exacta para el juego interventional independiente, no para SHAP condicional con correlación.

Vocabulario del laboratorio

Explainability

Conjunto de técnicas para hacer comprensible el comportamiento de un modelo. Describe comportamiento del modelo bajo un método y una referencia. Debe evaluarse estabilidad y adecuación al objetivo de explicación.

Interpretability

Grado en que una persona puede comprender cómo un modelo produce una salida. Puede surgir de un modelo simple o de una explicación posterior. Comprender una fórmula no garantiza que sus supuestos representen el mundo.

SHAP

Método de atribución de contribuciones locales de features. Asigna contribuciones mediante un juego de coaliciones de features. La referencia y el modo de tratar dependencias forman parte de la definición del resultado.

Shapley value

Concepto de teoría de juegos que distribuye un resultado entre participantes según contribución marginal. Promedia el aporte marginal sobre coaliciones con pesos específicos. Para un modelo lineal y juego independiente se reduce a w_i(x_i−μ_i).

Baseline

Referencia declarada para evaluar pronósticos o para descomponer una salida explicada. En evaluación es un pronóstico de referencia; en SHAP es el valor esperado bajo un juego explicativo. Estos dos usos responden a preguntas distintas.

Expected value

Valor esperado E[f(x)] usado como referencia de la explicación. En 08 es b+Σw_iμ_i, bajo la distribución de referencia definida. Cambiar μ cambia el baseline sin modificar la función f.

Local explanation

Explicación de una predicción concreta. Depende de la observación x y de la referencia. No puede generalizarse automáticamente a todas las observaciones.

Feature contribution

Aporte de una feature al desplazamiento desde baseline hasta output. Se expresa en las mismas unidades que la salida explicada. Aquí su suma reconstruye el desplazamiento respecto de baseline.

Positive contribution

Contribución que aumenta el output respecto del baseline. El signo depende de w y de x−μ, no sólo del valor de la feature. Una misma feature puede cambiar de signo al cambiar la referencia.

Negative contribution

Contribución que reduce el output respecto del baseline. Reduce la salida relativa al baseline elegido. No significa que la feature sea mala ni que intervenirla cause un beneficio.

Linear additive model

Modelo cuya salida es suma de un intercepto y términos lineales de las features. f(x)=b+Σw_ix_i no incluye interacciones entre features. Con coeficientes fijos se puede verificar la suma exactamente.

Model output

Salida numérica producida por el modelo para una observación. Aquí es una magnitud adimensional y puede ser negativa. No se etiqueta como retorno, porcentaje de éxito o probabilidad.

Weight

Coeficiente w_i asociado a una feature. Describe sensibilidad del modelo lineal por unidad de entrada. No equivale a una contribución local sin considerar x y la referencia μ.

Expected feature value

Referencia E[x_i] utilizada en la forma lineal pedagógica. Es μ_i de la distribución de fondo elegida. En 08 el slider cambia todas esas medias simultáneamente.

Causalidad

Relación por la cual intervenir una variable produce un cambio en otra; SHAP no la demuestra. Necesita un diseño o supuestos de identificación adecuados. Una atribución SHAP explica la función predictiva y no identifica ese efecto.

Correlación

Asociación estadística entre variables que no implica causalidad. Las dependencias pueden cambiar el reparto de SHAP condicional. La fórmula independiente del laboratorio no modela esa redistribución.

Aditividad

Propiedad por la cual el output puede descomponerse como baseline más suma de contribuciones. En 08 se comprueba f(x)=baseline+Σφ con un residuo numérico. La propiedad no convierte un modelo complejo en un mecanismo causal.

Consulta transversal

Vocabulario general

Se conservan y desarrollan los términos del apéndice de la guía docente original. Las definiciones de cada laboratorio agregan el contexto de uso y sus límites.

Activo

Instrumento o red analizada; en los simuladores se utilizan BTC y ETH como casos pedagógicos. Los nombres BTC y ETH identifican escenarios sintéticos diferentes. Sus trayectorias y métricas no son estimaciones del comportamiento histórico real.

Aditividad

Propiedad por la cual el output puede descomponerse como baseline más suma de contribuciones. En 08 se comprueba f(x)=baseline+Σφ con un residuo numérico. La propiedad no convierte un modelo complejo en un mecanismo causal.

Attention

Mecanismo que asigna pesos relativos a distintas fuentes de información. Pondera fuentes antes de agregarlas. Un peso de atención no es automáticamente una explicación causal ni una medida de importancia global.

Baseline

Referencia declarada para evaluar pronósticos o para descomponer una salida explicada. En evaluación es un pronóstico de referencia; en SHAP es el valor esperado bajo un juego explicativo. Estos dos usos responden a preguntas distintas.

Betweenness

Centralidad basada en la intermediación de un nodo en caminos cortos. Suma fracciones de caminos mínimos entre pares que pasan por el nodo. Aquí es dirigida, no ponderada y normalizada por (n−1)(n−2).

Cell state

Memoria interna de una LSTM. Acumula candidato y memoria previa mediante compuertas. En el integrador es un escalar para facilitar el cálculo; una LSTM real puede usar un vector grande.

Centralidad

Medida de posición o importancia estructural en un grafo. Cada medida responde a una definición de posición estructural. Ninguna demuestra por sí sola identidad, riesgo, fraude o influencia económica.

Data leakage

Uso indebido de información que no estaría disponible al predecir. Puede entrar por features, escaladores, etiquetas, selección o estructura del grafo. Un split cronológico no elimina automáticamente todas estas fuentes.

Directional Accuracy

Proporción de signos correctamente anticipados. Compara sign(ŷ) con sign(y). Un pronóstico de retorno cero no expresa una dirección; en la arena esa métrica se omite para el baseline cash.

Dropout

Regularización que desactiva unidades durante entrenamiento. Durante entrenamiento aplica máscaras aleatorias y reescala activaciones según su implementación. PyTorch lo aplica entre capas recurrentes; el laboratorio 04 sólo modifica curvas sintéticas.

Embedding

Representación vectorial de un nodo, grafo o estado. Es un vector dependiente del encoder y sus parámetros. Una coordenada mayor no significa mayor riesgo ni mejor precisión por sí sola.

Epoch

Una pasada completa por el conjunto de entrenamiento. No equivale a un batch ni a una actualización de parámetros. Aquí el eje de épocas es ilustrativo y no ejecuta optimización.

Feature

Variable de entrada. Una entrada válida debe estar disponible al decidir. En el laboratorio 01 cada paso aporta dos features: precio y retorno logarítmico.

Feature on-chain

Variable derivada de datos de la blockchain. Su construcción requiere fijar red, ventana, confirmaciones y fuente. Un agregado reconstruido posteriormente puede introducir información no disponible al corte.

GAT

Graph Attention Network con atención entre vecinos. Una cabeza calcula scores LeakyReLU(aᵀ[Wh_v||Wh_u]) y softmax sobre vecinos más self. La atención depende de features y parámetros fijos aquí.

GCN

Graph Convolutional Network con agregación normalizada. Usa H_nuevo=ReLU[D̃⁻¹/² Ã D̃⁻¹/² H W]. Sus coeficientes simétricos no necesariamente suman 1 y no equivalen a un simple promedio por fila.

Generalization

Capacidad de un modelo para funcionar sobre datos no vistos. Debe medirse en períodos no usados para ajuste o selección. Las simulaciones de arquitectura con pesos fijos no evalúan esa capacidad.

GNN

Graph Neural Network: familia de redes para datos con estructura de grafo. Una red que actualiza representaciones a partir de features y relaciones. En 06 sus pesos son fijos; las representaciones se calculan sin entrenamiento.

GraphSAGE

Arquitectura GNN basada en agregación de vecinos. La variante mean concatena [h_propio || mean(vecinos)] y proyecta con W_S. Este laboratorio usa todos los vecinos y omite normalización L2 posterior.

GRU

Red recurrente Gated Recurrent Unit con estado oculto y dos compuertas. Una red recurrente que utiliza compuertas de actualización y reset sin una celda c separada. Aquí h=(1−z)g+zh_anterior; un z alto conserva más estado anterior.

Hidden state

Estado recurrente que resume información previa. Resume el prefijo procesado y alimenta el siguiente paso. No debe confundirse con una predicción final o una etiqueta.

Horizonte

Distancia entre instante de información y target futuro. Aquí H cuenta períodos diarios sintéticos. Cambiar H modifica etiqueta, disponibilidad, solapamiento y frecuencia de decisiones económicas.

Lag

Valor rezagado de una variable. r(t−1) es el retorno del período anterior. El retardo debe calcularse sin desplazar una observación futura hacia una fila anterior.

LSTM

Red recurrente Long Short-Term Memory con memoria explícita. Una red recurrente con estado de celda c y estado oculto h, controlados por compuertas de entrada, olvido y salida. Su utilidad debe contrastarse con baselines bajo el mismo protocolo.

MAE

Error absoluto medio. Se calcula como media[|ŷ−y|] y conserva las unidades de y. Permite interpretar un error típico sin elevar al cuadrado los desvíos.

Max Drawdown

Mayor caída desde un máximo a un mínimo posterior. Se calcula como el máximo de 1−riqueza/máximo previo. Depende de la secuencia de retornos netos, no sólo de su promedio.

Message passing

Intercambio y agregación de información entre nodos vecinos. Cada capa combina mensajes del estado de la capa anterior. Las actualizaciones son simultáneas; no se usan vecinos parcialmente actualizados en la misma ronda.

Nodo

Unidad de un grafo. En el laboratorio 05 representa una dirección sintética. En otros diseños puede representar una transacción o un contrato; esa decisión cambia la tarea.

Out-of-sample

Datos no utilizados para ajustar el modelo. Excluir datos del ajuste es necesario, pero también hay que excluirlos de la selección. La expresión no garantiza que las features estén libres de fuga.

Overfitting

Ajuste excesivo a Train con peor generalización. Puede afectar pesos, hiperparámetros o selección de estrategias. Una curva ilustrativa ayuda a reconocer el patrón, pero no diagnostica un modelo real.

PageRank

Centralidad que pondera la calidad de los vínculos entrantes. Distribuye masa por enlaces salientes con damping 0,85 y redistribución de nodos sin salida. El modo ponderado usa proporciones de conteos de transacciones.

R²

Métrica de ajuste relativa a una referencia basada en la media. Se calcula como 1−SSE/SST. Puede ser negativo fuera de muestra; no mide rentabilidad y es indefinido si el target no tiene variación.

Regularización

Técnicas destinadas a controlar complejidad y sobreajuste. Puede incluir penalización de pesos, dropout o parada temprana. Su elección debe hacerse sin consultar el test final.

Retorno

Variación relativa de un activo entre períodos. El retorno simple es P(t)/P(t−1)−1; el logarítmico es ln[P(t)/P(t−1)]. Los log-retornos se suman en el horizonte y se convierten con exp(r)−1 para el cálculo económico.

RMSE

Raíz del error cuadrático medio. Se calcula como √media[(ŷ−y)²] y conserva las unidades de y. Penaliza más los errores grandes; aquí los retornos se informan en puntos porcentuales.

SHAP

Método de atribución de contribuciones locales de features. Asigna contribuciones mediante un juego de coaliciones de features. La referencia y el modo de tratar dependencias forman parte de la definición del resultado.

Sharpe Ratio

Relación entre retorno excedente y volatilidad. En la arena se estima media(retorno neto)/desviación muestral × √(365/H), con tasa libre cero. Esa anualización presupone una escala temporal y no prueba estabilidad de la estrategia.

Snapshot

Estado de un grafo en un tiempo dado. Tiene una ventana de agregación y un tiempo de disponibilidad. En 07 se muestran cinco grafos sintéticos consecutivos.

Softmax

Función que convierte scores en pesos positivos normalizados. Exp(a_i)/Σexp(a_j) convierte scores en pesos que suman 1. Para estabilidad numérica se resta el máximo de los scores antes de exponenciar.

Split temporal

Separación de datos que preserva orden cronológico. Se asignan muestras por fecha de etiqueta o por una regla documentada de origen. Las ventanas test pueden utilizar historia anterior que ya era conocida.

Target

Variable a predecir. Define la tarea y sus unidades. Cambiar de precio a retorno cambia el significado del error, aunque se conserve la misma ventana de entrada.

Test

Datos reservados para evaluación final. Debe representar datos posteriores no usados en selección. Consultarlo repetidamente para elegir el modelo deja de ser una evaluación final independiente.

Train

Datos usados para ajustar el modelo. Sus datos ajustan pesos y transformaciones como el escalador. Agregar información posterior al corte crea fuga incluso cuando no se modifican las etiquetas.

Validation

Datos usados para selección y vigilancia de generalización. Sirve para comparar configuraciones y seleccionar checkpoints. Repetir la selección sobre el mismo conjunto puede sobreajustar la decisión del investigador.

Ventana temporal

Secuencia fija de observaciones pasadas usada como entrada. Con L=30 y d=2, una muestra tiene forma 30×2. Una ventana aporta contexto; no determina por sí sola que una red vaya a aprender mejor.

Walk-forward

Validación que avanza cronológicamente con múltiples cortes. Cada avance agrega pasado conocido y evalúa un período posterior. En 02 se emplean cuatro folds con test de 35 orígenes.

Wallet

Software o dispositivo para gestionar claves y direcciones de una blockchain. Es una herramienta para gestionar claves y direcciones, no una identidad verificada. El laboratorio utiliza direcciones sintéticas como nodos y no agrupa usuarios.

Cierre y evaluación docente

Pedí una comparación con dos configuraciones del mismo laboratorio, una hipótesis previa y una explicación posterior. La marca de actividad sólo registra avance; la evidencia de aprendizaje está en el razonamiento y en la reconstrucción del cálculo.

CriterioEvidencia observable
Preparación y causalidadReconoce forma de X, fecha de etiqueta, purga y disponibilidad.
Cálculo y unidadesReconstruye una métrica o una traza y conserva sus unidades.
Comparación controladaMantiene configuraciones comunes y diferencia costo de error predictivo.
Interpretación críticaDistingue arquitectura, entrenamiento, atribución y causalidad.
ReproducibilidadEntrega dos registros, una tabla de comparación y una conclusión con límites.

Transferencia al proyecto real

Documentar datos de Bitcoin o Ethereum, disponibilidad, unidad de análisis y etiquetas; ajustar baselines y modelos en train; aplicar validación temporal y evaluar la mejora incremental con ablaciones. La arena sintética y los pesos fijos sirven para preparar estas decisiones, no para sustituir ese experimento.

Fuentes y trazabilidad

Versión revisada del 2 de octubre de 2026, basada en los ocho HTML y la guía docente suministrados. Se revisaron fórmulas, unidades y comportamientos, y se desarrollaron los términos originales.