La academia sí importa: profesionalizar el trading en LATAM
October 7, 2026
16
Min
Desde hace algún tiempo vengo pensando en una idea que considero importante para el futuro del trading, la inversión y las finanzas cuantitativas en Latinoamérica: la academia debe recuperar un papel mucho más relevante dentro de nuestra industria.
Cuando hablo de academia sí estoy hablando de universidades, formación profesional, investigación, programas estructurados y espacios donde se aprende a pensar con método. No creo que un título universitario convierta automáticamente a una persona en un buen trader, de la misma manera que estudiar economía no convierte automáticamente a alguien en un gran inversionista. Pero tampoco estoy de acuerdo con una idea que se ha vuelto cada vez más frecuente en redes sociales: que la formación académica es prácticamente irrelevante para quien quiere dedicarse a los mercados. Creo que ahí estamos cometiendo un error.
Durante los últimos años se ha vuelto común escuchar que la universidad está desconectada de la realidad, que los profesores no saben operar, que lo importante se aprende en YouTube, que los mercados se entienden únicamente frente a una pantalla o que estudiar demasiado incluso puede convertirse en un obstáculo porque al final todo se reduce a experiencia.
Hay una parte de verdad en algunas de esas críticas. Muchas universidades necesitan actualizar la manera en que enseñan mercados financieros y acercarse mucho más a la programación, los datos, la microestructura, la tecnología y los problemas reales de la industria. Pero pasar de esa crítica a concluir que la academia no importa me parece una simplificación excesiva.
Cuando revisamos la historia de las finanzas encontramos algo bastante diferente. Una gran parte de los avances que hoy utilizamos fue desarrollada por personas con una formación académica extraordinariamente sólida o directamente vinculadas a universidades. Incluso buena parte de quienes no siguieron ese camino formal terminó desarrollando por sí misma aquello que una buena educación superior intenta construir: capacidad para investigar, cuestionar, estructurar problemas, contrastar evidencia y producir nuevo conocimiento. Para mí esa diferencia es fundamental.
Si pensamos en Harry Markowitz, estamos hablando de una persona formada en la Universidad de Chicago que desarrolló durante su trabajo doctoral una de las ideas que terminaría convirtiéndose en fundamento de las finanzas modernas. En 1952 publicó Portfolio Selection y formalizó un problema que hoy parece casi evidente: una inversión no debería analizarse únicamente por su rentabilidad esperada, sino también por la forma en que su riesgo interactúa con el resto del portafolio.
William Sharpe continuaría posteriormente parte de esa línea de investigación y desarrollaría uno de los trabajos fundamentales alrededor del CAPM. Myron Scholes recibió formación avanzada en economía financiera y estadística; Robert Merton estudió Ingeniería Matemática en Columbia, Matemática Aplicada en Caltech y posteriormente obtuvo su doctorado en Economía en MIT. De la interacción entre Scholes, Fischer Black y Merton surgirían avances que transformarían profundamente la valoración de derivados.
Robert Engle desarrollaría después los modelos ARCH, que permitieron estudiar de manera mucho más rigurosa un fenómeno que cualquier trader reconoce visualmente: la volatilidad no permanece constante a través del tiempo. Eugene Fama, Robert Shiller y muchos otros investigadores dedicarían décadas a estudiar cómo se forman los precios, qué tan eficientes son los mercados y qué información puede extraerse de ellos.
Lo interesante es que no siempre llegaron a las mismas conclusiones. Precisamente ahí aparece uno de los valores más importantes de la academia. La academia no avanza porque todos estén de acuerdo. Avanza porque alguien propone una hipótesis, otro la cuestiona, otro encuentra una limitación y otro construye una explicación mejor. Ese proceso de discusión, evidencia y revisión es parte esencial de cómo evoluciona el conocimiento.
La academia no es importante porque tenga todas las respuestas. Es importante porque enseña a formular mejores preguntas y a demostrar por qué creemos que una respuesta puede ser correcta.
Cuando uno revisa estos nombres aparece un patrón difícil de ignorar. No fueron personas que simplemente encontraron una estrategia rentable y comenzaron a enseñarla. Tenían herramientas intelectuales para convertir problemas financieros en problemas que pudieran estudiarse. Esa capacidad rara vez aparece por accidente.
Benjamin Graham representa muy bien esa relación entre academia e industria. Graham fue inversionista, pero también profesor de Columbia Business School. Junto con David Dodd comenzó a enseñar una forma estructurada de analizar inversiones que posteriormente terminaría convirtiéndose en Security Analysis y en una de las bases intelectuales del value investing. De aquellas aulas saldría posteriormente Warren Buffett, probablemente uno de los inversionistas más estudiados de la historia.
Lo importante para esta discusión no es solamente el éxito de Graham como inversionista. Es el proceso. Un problema que existía en los mercados fue llevado a un entorno académico, organizado, discutido, convertido en una metodología y posteriormente devuelto a la industria. Teoría y práctica alimentándose mutuamente.
Jim Simons representa otro ejemplo, pero desde una perspectiva mucho más cercana a lo que hoy llamamos quantitative trading. Antes de construir Renaissance Technologies, Simons estudió Matemáticas en MIT, obtuvo un doctorado en Berkeley, trabajó en investigación y criptografía y posteriormente presidió el Departamento de Matemáticas de Stony Brook University. Cuando llegó a los mercados no llegó únicamente con capital. Llegó con una estructura mental construida durante años para resolver problemas.
Renaissance comenzó a incorporar matemáticos, físicos, estadísticos y científicos computacionales en una industria que tradicionalmente había estado dominada por perfiles de Wall Street. El cambio no consistía simplemente en “usar matemáticas”, sino en abordar los mercados desde otra pregunta. En lugar de empezar preguntando qué patrón utilizaban los traders exitosos, comenzaron a preguntarse qué podía descubrirse dentro de los datos.
Parece una diferencia pequeña. Para mí cambia prácticamente todo.
El caso de Simons demuestra algo importante: una buena formación académica no entrega necesariamente una estrategia rentable, pero sí puede desarrollar la capacidad de observar problemas complejos, construir modelos, medir resultados y descartar hipótesis cuando la evidencia no las sostiene. Eso también es una ventaja competitiva.
Podría parecer que esta defensa de la academia aplica únicamente a economistas, gestores institucionales o quantitative traders. Pero incluso cuando revisamos algunos de los nombres más conocidos del análisis técnico encontramos nuevamente una relación muy clara entre formación, investigación y construcción de conocimiento.
J. Welles Wilder, por ejemplo, era ingeniero mecánico antes de entrar a los mercados. Posteriormente desarrollaría herramientas como RSI, ATR, ADX, Directional Movement y Parabolic SAR, indicadores que hoy vienen instalados prácticamente por defecto en muchas plataformas de trading. Su caso me parece particularmente interesante porque permite entender mejor lo que intento defender. Wilder no necesitó ser profesor de finanzas para aportar a los mercados, pero tampoco llegó como una persona intelectualmente desestructurada. Su formación como ingeniero está muy relacionada con la forma en que abordó problemas de medición, tendencia, volatilidad y momentum.
John Bollinger tampoco desarrolló las Bollinger Bands dentro de una universidad, pero construyó una carrera profundamente ligada al análisis de mercados, la computación y la profesionalización posterior, incluyendo las designaciones CFA y CMT. Gerald Appel desarrolló el MACD desde una aproximación sistemática y cuantitativa y dedicó décadas a estudiar mercados mediante observación y análisis histórico. Edwin Coppock, economista, desarrolló su conocida curva de momentum de largo plazo durante los años sesenta.
Richard Wyckoff y Charles Dow constituyen casos diferentes. Ninguno tuvo una trayectoria universitaria comparable a la de Markowitz, Merton o Simons. Sin embargo, tampoco fueron simples consumidores de conocimiento. Wyckoff pasó años observando a los grandes operadores de Wall Street, entrevistando profesionales, publicando, organizando conceptos y convirtiendo sus observaciones en una metodología enseñable. Dow hizo algo parecido desde el periodismo financiero: estudió empresas, sectores, actividad económica y comportamiento agregado del mercado hasta construir una forma de análisis que otras generaciones terminarían organizando como la Teoría de Dow.
Es decir, algunos de los grandes empíricos no pasaron por una educación universitaria avanzada, pero terminaron desarrollando de manera intuitiva muchas de las características que asociamos con el pensamiento académico: observación sistemática, formulación de hipótesis, registro, contraste y construcción de conocimiento. Eso cambia bastante la lectura. Los grandes autodidactas de los mercados no demostraron que estudiar fuera innecesario. Demostraron que algunas personas excepcionales fueron capaces de construir por sí mismas el rigor intelectual que normalmente intentamos desarrollar mediante una buena educación.
Aquí es donde me vuelvo más crítico con parte del mensaje que se ha instalado en nuestra industria. Una cosa es afirmar que existen diferentes caminos para convertirse en trader o inversionista. Eso me parece completamente razonable. Otra muy diferente es afirmar que estudiar no importa.
En redes sociales se repiten con frecuencia frases como “la universidad no sirve para trading”, “los economistas no entienden los mercados”, “todo se aprende operando” o “la teoría no sirve cuando hay dinero real de por medio”. No creo que esa sea una conclusión seria.
Una persona puede aprender perfectamente una estrategia sin saber estadística. Puede reconocer una estructura de precio sin conocer econometría. Puede operar durante años sin programar una sola línea de código. No estoy cuestionando eso. Lo que cuestiono es convertir nuestras limitaciones actuales de conocimiento en una filosofía.
Existe una diferencia enorme entre decir “no sé estadística” y afirmar “la estadística no sirve”. Entre decir “mi operativa actual no necesita programación” y concluir que la programación no tiene nada que aportar al trading. Entre no haber estudiado economía y asumir que la economía no tiene relación con los activos financieros. Cuando una industria empieza a despreciar el conocimiento que no domina, tiene un problema.
Aquí también aparece una cuestión que pocas veces discutimos: el hecho de que alguien haya conseguido resultados durante algún período no convierte automáticamente todos sus métodos o explicaciones en correctos. En mercados financieros podemos ganar dinero estando equivocados durante bastante tiempo. Por eso necesitamos procesos que nos permitan distinguir entre una buena explicación, una coincidencia favorable y una ventaja verdaderamente robusta.
No encuentro ningún problema en que una persona comience en trading aprendiendo una estrategia. De hecho, puede ser una excelente manera de empezar. Aprendemos unas reglas, practicamos, observamos el comportamiento del precio, cometemos errores y ganamos experiencia. Pero con el tiempo deberían aparecer preguntas más profundas.
¿Por qué funciona esa estrategia? ¿En qué mercados fue estudiada? ¿En qué período? ¿La muestra es suficiente? ¿Funciona igual en escenarios de volatilidad alta y baja? ¿Qué ocurre fuera de muestra? ¿Existe sesgo de supervivencia? ¿Estamos sobreoptimizando parámetros? ¿Cómo cambia el resultado cuando incorporamos comisiones, spread y slippage? ¿Existe suficiente liquidez para ejecutar realmente lo que muestra el backtest? ¿La estrategia mantiene su ventaja si modificamos ligeramente sus reglas?
Probablemente existe una pregunta todavía más importante: ¿qué evidencia tendría que encontrar para aceptar que mi propia hipótesis estaba equivocada?
Ahí cambia completamente la conversación. Ya no estamos intentando confirmar que nuestra estrategia funciona. Estamos intentando demostrar que podría no funcionar. Si sobrevive a ese proceso, empezamos a tener algo mucho más interesante.
Ese tipo de pensamiento crítico no pertenece exclusivamente a una universidad, pero una buena universidad debería ayudar a desarrollarlo. Por eso no creo que el papel de la academia sea enseñar cien estrategias nuevas. Para eso hoy existen cientos de canales, cursos y comunidades. La universidad puede aportar algo mucho más difícil de encontrar: enseñar a poner esas estrategias a prueba.
No necesitamos que la universidad enseñe más estrategias de trading. Necesitamos que enseñe a cuestionarlas, medirlas y determinar cuándo realmente existe evidencia detrás de ellas.
Defender la educación superior tampoco significa idealizarla. Una universidad mala seguirá siendo una universidad mala. Un programa desconectado de la industria seguirá teniendo problemas, y un estudiante puede completar una carrera entera limitándose a memorizar información sin desarrollar pensamiento crítico.
Pero una buena universidad posee algunas características difíciles de reproducir únicamente consumiendo contenido fragmentado en internet. Una formación estructurada obliga a pasar por disciplinas que probablemente una persona no habría escogido por iniciativa propia. Expone al estudiante a profesores con perspectivas diferentes, exige justificar afirmaciones, introduce metodología de investigación y obliga a leer trabajos que muchas veces contradicen nuestras propias ideas. Dependiendo del programa, también proporciona bases en estadística, economía, programación, matemáticas, contabilidad, finanzas o metodología científica.
Existe otra ventaja que me parece especialmente importante: crea espacios donde una persona puede equivocarse intelectualmente antes de equivocarse con dinero real.
Internet es extraordinario para aprender, pero tiene una característica compleja. Los algoritmos de recomendación suelen mostrarnos más de aquello con lo que ya estamos de acuerdo o aquello que mantiene nuestra atención. Una buena universidad debería hacer prácticamente lo contrario. Debería obligarnos a encontrarnos con ideas incómodas, con teorías que contradicen nuestra metodología, con datos que no confirman nuestras expectativas, con personas que piensan diferente. Eso también forma criterio.
Defender un papel más importante de la universidad implica también exigirle muchísimo más. No podemos criticar a los traders porque aprenden únicamente en YouTube mientras algunas universidades continúan enseñando mercados financieros prácticamente sin mercado. Si la academia quiere participar activamente en la profesionalización de esta industria, necesita acercarse a los problemas reales.
Los estudiantes deberían trabajar con datos, bases de datos, programación, backtesting, probabilidad, estadística, construcción de portafolios, microestructura, ejecución, derivados, riesgo y APIs. También deberían conocer análisis fundamental y análisis técnico, no necesariamente para convertirlos en dogmas, sino para analizarlos, medirlos y comprender en qué contextos pueden tener sentido.
La relación debe funcionar en ambas direcciones. La academia aporta método, profundidad y capacidad investigativa. La industria aporta problemas reales, restricciones de ejecución, experiencia y necesidades concretas. La tecnología permite convertir ambas cosas en herramientas.
En los últimos años he tenido la oportunidad de moverme entre esos mundos: mercados financieros, programación, educación y desarrollo tecnológico. Algo que he comprobado es que cuando un estudiante deja de limitarse a mirar un gráfico y empieza a preguntarse cómo obtener los datos, cómo probar una hipótesis, cómo programar un experimento o cómo explicar por qué obtuvo determinado resultado, cambia completamente su relación con el mercado. Deja de ser únicamente consumidor de información. Empieza a convertirse en investigador.
Gran parte del conocimiento que utilizamos actualmente en los mercados financieros fue desarrollado fuera de Latinoamérica. Estudiamos las ideas de Dow y Wyckoff, los principios de inversión de Graham, la teoría de portafolios de Markowitz, los modelos de valoración de Black, Scholes y Merton, además de desarrollos posteriores alrededor de momentum, factor investing, microestructura, Market Profile, Order Flow y muchas otras áreas.
No encuentro ningún problema en ello. El conocimiento no debería tener fronteras y sería absurdo renunciar a décadas de investigación simplemente porque se produjeron en otra región. Sin embargo, una industria que pretende madurar también debería preguntarse qué conocimiento está produciendo por sí misma.
Latinoamérica tiene características económicas, financieras y estructurales particulares que merecen ser investigadas con mayor profundidad. Tenemos mercados con niveles de liquidez diferentes, estructuras institucionales propias, ciclos económicos particulares y comportamientos de los inversionistas que no necesariamente pueden explicarse únicamente trasladando conclusiones obtenidas en Estados Unidos o Europa.
Ahí encuentro una oportunidad enorme para nuestras universidades. Podríamos desarrollar más investigación sobre microestructura y liquidez en nuestros mercados, estudiar cómo los ciclos económicos regionales afectan diferentes clases de activos, construir modelos de portafolio adaptados a las características de la región y profundizar en áreas como ejecución, trading sistemático, gestión cuantitativa del riesgo o comportamiento del inversionista. También podríamos desarrollar nuevos indicadores, metodologías y herramientas que posteriormente terminen siendo utilizadas por bancos, brokers, fintechs, gestores y traders.
Para mí, ese es uno de los papeles más interesantes que puede asumir una universidad: no limitarse a transmitir conocimiento, sino convertirse también en un lugar donde ese conocimiento se produce. Un entorno universitario bien construido tiene además una ventaja difícil de replicar para una persona que estudia completamente sola. Puede reunir economistas, ingenieros, programadores, matemáticos, traders, gestores y profesores alrededor de un mismo problema. Muchas innovaciones importantes aparecen precisamente cuando disciplinas que normalmente trabajan separadas comienzan a conversar entre sí.
¿Por qué nuestros estudiantes deberían limitarse a aprender indicadores creados hace cuarenta, cincuenta o cien años? ¿Por qué no podrían desarrollar los próximos?
Defender la educación estructurada tampoco significa defender el credencialismo. Un doctorado no convierte automáticamente a alguien en un buen trader. Un CFA no garantiza rentabilidad y estudiar finanzas tampoco asegura que una persona vaya a convertirse en un gran inversionista.
Las personas pueden llegar a los mercados desde caminos completamente diferentes. Algunos lo harán desde economía o finanzas; otros desde ingeniería, matemáticas, programación, administración o psicología. También existirán personas sin formación universitaria que conseguirán construir carreras extraordinarias. La cuestión relevante no es únicamente desde dónde comienza cada uno. Es cuánto desarrolla su conocimiento después de haber decidido convertir los mercados en una actividad profesional.
En ese sentido, profesionalizarse significa algo mucho más profundo que obtener un título. Significa que después de cinco, diez o veinte años de experiencia nuestra capacidad para comprender el mercado debería ser considerablemente mayor que cuando comenzamos. Deberíamos haber profundizado en las disciplinas relevantes para nuestra especialidad, desarrollado mejores herramientas para analizar nuestras decisiones y adquirido mayor capacidad para distinguir entre intuición, hipótesis y evidencia.
Uno puede comenzar en los mercados sin una gran formación. Lo que me cuesta mucho más defender es que después de diez o veinte años alguien siga creyendo que profesionalizar su conocimiento no importa.
Por eso tampoco veo contradicción entre reivindicar el valor de la universidad y reconocer el mérito de los grandes autodidactas. El problema no es que existan diferentes caminos. El problema aparece cuando utilizamos las excepciones para concluir que estudiar es innecesario.
Las redes sociales hicieron algo extraordinariamente valioso para nuestra industria: democratizaron el acceso. Personas que hace quince o veinte años probablemente nunca habrían tenido contacto con mercados internacionales hoy pueden estudiar, analizar, programar y participar. No deberíamos perder eso.
Pero democratizar una profesión es solamente una etapa. Después viene profesionalizarla. Profesionalizarla implica volver a valorar cosas que quizá dejaron de ser atractivas en una cultura acostumbrada a encontrar respuestas en pocos segundos: estudiar durante años, leer, investigar, equivocarse, revisar lo que pensamos, aceptar evidencia contraria y aprender disciplinas que inicialmente parecen alejadas de aquello que hacemos todos los días. Eso probablemente no produzca tantos videos virales. Pero sí produjo buena parte de los avances que utilizamos actualmente.
Por eso creo que la academia tradicional debe volver a ocupar un papel central dentro de la evolución del trading y la inversión en Latinoamérica. No para desplazar al autodidacta. No para afirmar que solamente puede participar quien tenga un título universitario. Tampoco para convertir los mercados en un ejercicio puramente teórico. Sino porque una industria que quiere madurar necesita instituciones capaces de desarrollar pensamiento crítico, investigación y conocimiento.
Los traders tendrán un papel. Los programadores también. Las fintech, los brokers, las bolsas, los gestores y la empresa privada deberán participar. Pero excluir a la universidad de esa construcción significaría desperdiciar precisamente una de las instituciones que históricamente más ha contribuido al conocimiento sobre el que funciona nuestra propia industria.
Tal vez sea momento de dejar de presentar al trader autodidacta y al académico como enemigos. La historia muestra algo mucho más interesante. Muchos de los grandes académicos terminaron transformando los mercados, y algunos de los grandes empíricos terminaron desarrollando una forma de pensar profundamente académica aunque nunca llevaran ese nombre.
Ambos entendieron algo que creo que deberíamos recuperar. Una profesión no avanza únicamente cuando aprendemos lo que otros ya saben. Avanza cuando somos capaces de cuestionarlo, ponerlo a prueba y eventualmente construir algo mejor.
Esa es precisamente la industria que me gustaría que comenzáramos a construir en Latinoamérica.
Divulgación: El autor es CEO de FinancialTools.io, empresa que lidera el Trading Lab de la Universidad de San Buenaventura Cali y ofrece programas de formación en trading. La directora editorial de Wall Street en Español tiene un rol de asesoría estratégica en FinancialTools.io.
Escrito por
Colaborador senior. CEO de FinancialTools.io y autor de Neuro Trading.
