Econstellar: An Open-Source AI-Augmented Research Engine for Computational Financial Econometrics

Resumen Técnico: Econstellar – Un motor de investigación aumentado por IA de código abierto

Planteamiento del problema
El artículo identifica un cuello de botella crítico en la econometría financiera computacional: la transformación de una idea económica prometedora en un hallazgo empírico creíble y reproducible es una tarea costosa que requiere computación especializada. Mientras que la literatura sobre replicación documenta que una fracción sustancial de la economía empírica publicada no puede ser reproducida a partir de los materiales proporcionados, la brecha no es primordialmente de intención, sino de ejecución. La naturaleza pesada, irregular y limitada por la latencia de memoria de ciertas computaciones —específicamente la estimación de contagio de información teórica exacta mediante búsquedas de vecinos más cercanos (árboles k-d)— se resiste a la aceleración en procesadores gráficos (GPUs). En consecuencia, estos análisis rara vez se ofrecen al público en una forma que permita a los lectores re-ejecutarlos, variar los parámetros de entrada o rastrear la producción. Además, las herramientas de IA existentes suelen generar números directamente, creando un resultado "fluido pero inverificable" que carece de la fundamentación requerida para la investigación científica.

Metodología y Arquitectura del Sistema
Econstellar está diseñado como un motor de investigación abierto, en un entorno de pruebas (sandbox) y servido públicamente, que cierra la brecha entre las afirmaciones de investigación y la verificación independiente. El sistema se construye sobre cuatro componentes principales:

1. Motor de Computación en Sandbox:

   • Arquitectura: Un orquestador Node.js sin dependencias que se ejecuta en Google Cloud Run. Expone un único endpoint HTTP para análisis registrados.
   • Modelo de Seguridad: El sistema opera bajo un registro de "solo parámetros". La superficie pública acepta un nombre de método y parámetros tipados, validándolos contra un esquema fijo. Nunca acepta código ejecutable.
   • Ejecución: Las llamadas aceptadas lanzan subprocesos de R desechables sin salida de red (network egress), con una raíz de solo lectura y un directorio temporal (scratch directory).
   • Elección del Procesador: Crucialmente, las computaciones econométricas pesadas (específicamente las búsquedas de vecinos más cercanos para la entropía de transferencia) se ejecutan en Unidades Centrales de Procesamiento (CPUs). Los autores argumentan que el flujo de control dependiente de los datos y con divergencia de ramificación de las traversales de árboles k-d serializa los hilos en las GPUs, lo que convierte a las CPUs en el hardware apropiado para la estimación de información teórica exacta.

2. Capa de Analista de Inteligencia Artificial:

   • Interpretación de Dos Niveles: El sistema emplea un "analista rápido" (llamada a funciones) y un "asistente de investigación profunda" (bucle agéntico).
   • Restricción de Fundamentación: Al modelo de lenguaje (Gemini 2.5) se le prohíbe estrictamente originar números. Su función se limita a seleccionar análisis registrados, leer la salida JSON estructurada del motor R en sandbox y componer interpretaciones en prosa. Cada afirmación cuantitativa en el output de la IA corresponde a una computación real y reproducible.
   • Herramientas: El modelo interactúa con una herramienta run_analysis(method, params) cuyo esquema se deriva directamente del registro del motor de computación.

3. NEURICX (Inteligencia Financiera en Vivo):

   • Este servicio ingiere noticias globales del índice GDELT, clasifica los artículos por canal de transmisión mediante un modelo de lenguaje y realiza su geocodificación.
   • Los datos se persisten en un almacén longitudinal de BigQuery, lo que permite analizar la intensidad del canal y el estrés sistémico a lo largo del tiempo, en lugar de depender de vistas transitorias.

4. Banco de Trabajo de Investigación Público:

   • Una Aplicación de Página Única (SPA) estática y sin dependencias alojada en GitHub Pages.
   • Renderiza dinámicamente el catálogo de métodos del motor en tiempo de ejecución, asegurando que la interfaz se actualice a medida que se registran nuevos métodos.
   • Características de Reproducibilidad: Cada resultado está sellado con procedencia (método, versión, revisión del motor, parámetros, antigüedad de los datos, marca de tiempo) e incluye un enlace permanente para volver a ejecutar el análisis exacto. Los resultados se exportan como CSV/JSON con entradas BibTeX generadas.

Sustrato Metodológico
El sistema sirve diecisiete métodos econométricos basados en ocho primitivas de estimación subyacentes:

• Memoria Larga: Análisis de fluctuación detendida (exponente de Hurst).
• Varianza Multiescala: Transformada wavelet discreta de máxima superposición.
• Flujo de Información Dirigida: Entropía de transferencia utilizando estimadores de entropía diferencial de Kozachenko-Leonenko y la corrección de información mutua de vecinos más cercanos de Kraskov et al.
• Significancia de Supergrupos (Surrogates): Supergrupos que preservan la fase para pruebas de significancia direccional.
• Estructura de Comunidad: Maximización de modularidad.
• Formación de Redes: Grafos de dependencia dirigida que retienen aristas que sobreviven a las pruebas de supergrupos.
• Atribución de Canales: Regresión instrumentada (2SLS) para atribuir el contagio a canales comerciales, financieros y otros.
• Validación Discriminatoria: Área Bajo la Curva (AUC) y la prueba de DeLong para la clasificación de crisis.

Una estricta disciplina de estacionariedad gobierna todos los métodos: los niveles de precios se tratan como no estacionarios (I(1)), y todos los métodos se aplican exclusivamente a rendimientos logarítmicos (I(0)).

Resultados Clave y Valores Verificados
El artículo reporta valores verificados en vivo para diecisiete métodos computados sobre un panel de renta variable de la G20 (18 mercados, rendimientos logarítmicos diarios, 2006–2026). Los hallazgos notables incluyen:

• Pruebas de Raíz Unitaria: Confirmaron que los niveles de precios son I(1) y los rendimientos son I(0) para los principales índices (ej. S&P 500, Reino Unido, India).
• Perfiles de Contagio: El método soch_profile, que llama directamente al paquete publicado sochcontagion, reprodujo un perfil de cuantiles de wavelet dirigido para el par EE. UU.-India. El valor agregado (0.039) y las ganancias por escala coincidieron exactamente con el estudio publicado, diferenciándose únicamente en el número de escalas resueltas.
• Validación de Riesgo Sistémico: Un índice de riesgo sistémico basado en primitivas de flujo dirigido logró un AUC de 0.915 en la clasificación de la crisis del COVID-19 (muestra de renta variable de EE. UU.), ligeramente por debajo del benchmark contemporáneo del VIX (0.947), pero con un adelanto de un día en la alerta temprana. En una prueba más difícil respecto al estrés inducido por políticas comerciales en la India, el índice (aumentado con incertidumbre de política comercial) logró un AUC de 0.581, superando estadísticamente al India VIX (0.531, p=0.030).

Significancia y Reivindicaciones
El artículo posiciona a Econstellar no meramente como una herramienta de demostración, sino como el núcleo operativo de un programa de investigación activo que abarca tres lanzamientos de software y tres preprints. Su principal significancia radica en tres decisiones de diseño:

1. Alineación de Hardware: Colocar la computación pesada e irregular en el procesador mejor adecuado para ella (CPU) en lugar de forzarla a un hardware mal adaptado (GPU).
2. Fundamentación de la IA: Asegurar que el asistente de IA interprete pero nunca origine números, haciendo que cada afirmación cuantitativa sea reproducible.
3. Identidad de Código: Utilizar exactamente el mismo código desplegado que produce las figuras en los trabajos publicados del grupo como el código disponible para el público.

Los autores afirman que el sistema acorta la distancia entre una afirmación de investigación y el momento en que otra persona puede verificarla de forma independiente. Al hacer de la reproducibilidad el comportamiento por defecto de un instrumento de investigación servido, en lugar de un apéndice posterior al hecho, Econstellar pretende abordar la crisis de replicación en la economía computacional. El sistema está actualmente disponible como software de código abierto en una dirección pública activa, con planes para extenderlo a un panel completo de 18 mercados mediante un nodo dedicado de CPU-HPC.