Transformamos datos financieros en decisiones inteligentes
Desde 2019, hemos trabajado con entidades financieras para implementar sistemas de aprendizaje profundo que analizan patrones de mercado y optimizan procesos de inversión.
Cómo empezó todo
En marzo de 2019, tres analistas financieros se encontraron debatiendo sobre las limitaciones de los modelos tradicionales de predicción. Compartían la misma frustración: los métodos convencionales no capturaban la complejidad real de los mercados.
Decidieron probar algo diferente. Comenzaron a entrenar redes neuronales con datos históricos de bolsa, probando arquitecturas que pudieran detectar patrones que ningún analista humano identificaría manualmente. Los primeros resultados fueron modestos, pero prometedores.
Para finales de 2020, habían desarrollado un sistema funcional que ayudaba a gestoras de fondos a evaluar riesgos con mayor precisión. Ese fue el verdadero punto de partida de thalomexis.
Nuestro enfoque técnico
Trabajamos principalmente con arquitecturas LSTM y transformers adaptadas al análisis de series temporales financieras. No vendemos predicciones mágicas — desarrollamos herramientas que procesan volúmenes masivos de información histórica para identificar tendencias.
- Modelos entrenados con datos de más de 15 años de históricos bursátiles europeos
- Sistemas de detección de anomalías que alertan sobre comportamientos atípicos del mercado
- Optimización de carteras mediante algoritmos genéticos combinados con redes neuronales
- Análisis de sentimiento financiero procesando miles de noticias diarias en tiempo real
Cada proyecto comienza con una fase de análisis exhaustivo donde entendemos qué datos tiene el cliente y qué preguntas necesita responder. Después diseñamos una arquitectura específica para ese caso.
Principios que guían nuestro trabajo
Estos valores no son declaraciones abstractas — son decisiones diarias que tomamos cuando diseñamos sistemas o interactuamos con clientes.
Transparencia técnica
Explicamos cómo funcionan nuestros modelos, qué limitaciones tienen y cuándo no son la mejor solución. Si un problema se resuelve mejor con métodos tradicionales, lo decimos.
Rigor metodológico
Validamos cada modelo con múltiples conjuntos de datos independientes. Documentamos todos los experimentos y mantenemos registros detallados de configuraciones y resultados.
Adaptación continua
Los mercados financieros cambian constantemente. Actualizamos nuestros sistemas regularmente, incorporando nuevos datos y ajustando parámetros según evoluciona el entorno económico.
Colaboración estrecha
Trabajamos codo con codo con los equipos de análisis de nuestros clientes. Entrenamos a sus profesionales para que comprendan y aprovechen las herramientas que desarrollamos.
Enfoque práctico
Priorizamos soluciones que generen valor medible. No implementamos tecnología por moda — cada sistema debe resolver un problema concreto y demostrable del cliente.
Responsabilidad ética
Consideramos el impacto de nuestros sistemas. Evaluamos sesgos en los datos, documentamos decisiones algorítmicas y mantenemos protocolos estrictos de privacidad.
Un equipo que vive entre números y algoritmos
Somos doce personas con perfiles diversos: ingenieros en machine learning, matemáticos especializados en finanzas cuantitativas, desarrolladores de software y analistas de datos. Algunos vienen del mundo académico, otros de fondos de inversión.
Lo que nos une es la curiosidad por descubrir qué pueden revelar los datos cuando se analizan correctamente. Dedicamos tiempo a experimentar con nuevas arquitecturas, probar librerías recientes y estudiar papers de investigación.
También mantenemos conversaciones constantes con profesionales del sector financiero. Asistimos a conferencias, participamos en grupos de investigación y colaboramos con universidades en proyectos específicos.
Nuestro compromiso principal es desarrollar sistemas que funcionen en condiciones reales de mercado, no solo en entornos de prueba. Cada implementación incluye un seguimiento prolongado para verificar que los resultados se mantienen a lo largo del tiempo.