Research · working papers
La metodología de FGA, publicada y sometida a prueba de robustez.
Working papers de FGA Research & Advisory: los documentos técnicos, con DOI y versión, que sostienen el método FGA. Cada futuro paper entra aquí.
WP-2026-01 es el primero: pone a prueba las cuatro capas del proceso FGA con el mismo rigor que exige la literatura académica sobre estrategias que dejan de funcionar fuera de la muestra.
En una frase: WP-2026-01 pone a prueba las cuatro capas del proceso FGA con un diseño pensado para no repetir los errores clásicos del backtesting, y publica el resultado con DOI antes de que nadie tenga que creerlo por confianza.
- Título
- «The Robustness of a Four-Layer Macro-Cycle Classification System»
- Identificador
- WP-2026-01 · versión 2
- Autor
- Francisco Salvador
- Publicado
- 16 de junio de 2026
- DOI
- 10.5281/zenodo.20709770
- Licencia
- CC BY-NC-ND 4.0
Fuente: registro en Zenodo · depósito en MPRA/RePEc en curso · autor: Francisco Salvador
Qué es
Qué es un working paper de FGA
Un working paper de FGA es el documento técnico que sostiene una afirmación del método: qué se probó, con qué datos, bajo qué hipótesis y con qué resultado. Se publica con identificador permanente (DOI), fecha y versión, para que se pueda citar, auditar y, si alguien encuentra un error, desmentir. No es contenido de marketing reescrito con lenguaje académico: es el mismo estándar que exige la literatura de finanzas empíricas antes de aceptar que una estrategia funciona.
Esta página es el índice. WP-2026-01 es la primera entrada; cada futuro working paper —sobre el ciclo de mercado, sobre visibilidad empresarial en IA o sobre cualquier otra pieza del método— se publicará aquí con la misma ficha: título, autor, fecha, DOI, abstract, metodología y versión.
WP-2026-01 · abstract
The Robustness of a Four-Layer Macro-Cycle Classification System
“Two decades of empirical finance establish a sobering regularity: edges that look strong on historical data rarely survive in real time. Predictors of the equity premium fail out-of-sample (Welch & Goyal, 2008); technical rules collapse once data-snooping is controlled (Sullivan, Timmermann & White, 1999; White, 2000); strategy performance decays ~26% out-of-sample and ~58% after publication (McLean & Pontiff, 2016); and, given the “factor zoo,” a credible new claim must clear a t-statistic near 3.0 rather than 2.0 (Harvey, Liu & Zhu, 2016). We evaluate the robustness of a four-layer macro-cycle classification system — three proprietary indicators (a cycle-health diffusion reading, a positioning/sentiment reading, a macro-phase reading) and a monetary-policy complement, integrated by a proprietary fusion rule — under an evaluation design built to respect these warnings. We do not present a freshly optimised backtest; the system has been run and contrasted live since 2007-2008, with the author anticipating the major cycles since 1999-2000, and we extend it over reconstructed history only to widen the regime sample. We test three pre-stated hypotheses — early bear detection (H1), specificity against non-bear corrections (H2), and superior risk-adjusted outcomes (H3). Across six independent regime episodes the system classified all six correctly (exact binomial p = 0.016 under a no-skill null), flagged all four bear markets ahead of the break, produced no false exit on the two large non-bear corrections, and delivered roughly twice the market's return per unit of maximum drawdown. We locate the fusion rule within the forecast-combination literature, situate the system against leading-indicator, sentiment and regime-switching benchmarks, and propose a pre-registered forward test — a public, time-stamped archive of regime calls — as the decisive, falsifiable validation. The construction is deliberately withheld; the object of the paper is the soundness of the result, not its recipe.”
Abstract original, en inglés, idioma de publicación del working paper.
En castellano, en corto
El proceso de cuatro capas se pone a prueba frente a los motivos habituales por los que una estrategia deja de funcionar fuera de la muestra: sobreajuste, «factor zoo» y decaimiento tras la publicación. No es un backtest optimizado a posteriori: el sistema lleva en producción, en directo, desde 2007–2008.
Metodología y resultados
Qué se probó y qué salió
H1 · detección temprana
¿Avisa el sistema antes de la ruptura?
De los cuatro mercados bajistas de la muestra, los cuatro quedaron señalados por el proceso antes de que se confirmara la ruptura.
H2 · especificidad
¿Distingue una corrección de un mercado bajista?
En las dos grandes correcciones que no llegaron a mercado bajista, el sistema no dio una salida en falso.
H3 · rendimiento ajustado a riesgo
¿Compensa el riesgo asumido?
El resultado agregado entrega aproximadamente el doble de rentabilidad del mercado por unidad de máxima caída (drawdown).
Sobre los seis episodios de régimen independientes de la muestra, el sistema clasificó los seis correctamente: una probabilidad exacta binomial de p = 0,016 bajo la hipótesis nula de que el proceso no aporta ninguna capacidad de acierto. El paper sitúa la regla de fusión dentro de la literatura de combinación de pronósticos, la compara con indicadores adelantados, lecturas de sentimiento y modelos de cambio de régimen como referencia, y propone el forward test público y fechado —ya en marcha, ver el registro de evidencia— como la validación decisiva y falsable. La construcción exacta del proceso se mantiene deliberadamente fuera del paper: el objeto del trabajo es la solidez del resultado, no la receta que lo produce.
Cómo citarlo
Cita y metadatos
Salvador, F. (2026). The Robustness of a Four-Layer Macro-Cycle Classification System (WP-2026-01, v2). FGA Research & Advisory. https://doi.org/10.5281/zenodo.20709770
Publicado el 16 de junio de 2026. Licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0). Depósito adicional en MPRA/RePEc en curso.
- Identificador
- WP-2026-01
- Versión
- v2
- DOI de esta versión
- 10.5281/zenodo.20709771
- DOI del concepto (todas las versiones)
- 10.5281/zenodo.20709770
Descargar
El PDF completo, tras un formulario breve
El working paper está también publicado en abierto en Zenodo (enlace de la cita, arriba). Si prefieres el PDF de FGA directamente en tu correo, junto con el aviso cuando se publique el siguiente working paper, dejamos el formulario.