Resumen Ultra‑Detallado de la Conversación

1. ¿Cuál es el objetivo del proyecto?

El propósito principal es traducir la complejidad del mercado de Bitcoin a un número único y fácil de interpretar. Imagina que vas a la playa y miras la bandera: verde significa que el mar está en calma y puedes bañarte con tranquilidad; roja indica peligro y que quizá sea mejor esperar. Nuestra métrica pretende ser esa bandera, pero aplicada al precio de Bitcoin.

Concretamente, aspiramos a resolver dos problemas habituales de los inversores no profesionales: primero, la sobreinformación —existen cientos de métricas, gráficos y opiniones contradictorias—; segundo, la gestión emocional —comprar en pánico cuando el precio sube y vender en depresión cuando baja. Al condensar varias señales en un score de 0 a 100, reducimos el ruido y proporcionamos una brújula objetiva.

Además, establecemos tres zonas claras: 0‑25 (acumulación), 25‑75 (neutral) y 75‑100 (riesgo de techo). El objetivo no es dar señales de “trading intradía”, sino ofrecer una herramienta para ciclos de varios meses o años, donde las grandes decisiones —comprar cuando todo está barato y vender cuando el mercado está eufórico— marcan la diferencia en la rentabilidad total.

En resumen, la meta es simple de describir pero poderosa en la práctica: ayudar a tomar mejores decisiones a largo plazo sin necesitar un doctorado en finanzas ni vigilar el mercado 24/7.

2. Indicadores que componen el termómetro

Para construir la métrica analizamos decenas de señales on‑chain y elegimos diez que representan ángulos distintos: sentimiento, rentabilidad de los holders, salud de la red y presión de los mineros o traders apalancados. A continuación se describe cada una con más detalle, usando analogías cotidianas.

• MVRV Z‑Score: imagina el precio de Bitcoin como el valor de mercado de todas las monedas existentes y el “precio que los inversores pagaron” como su coste de adquisición. Cuando el valor de mercado se aleja demasiado del coste (Z‑score alto), hay burbuja. Históricamente >Z=7 coincide con máximos de ciclo; <Z=0 indica infravaloración.
• Puell Multiple: es como mirar la nómina de los mineros. Si ganan mucho (ingresos por bloque en USD) respecto a su media anual, tienden a vender más para asegurar beneficios, ejerciendo presión bajista; cuando sus ingresos están muy bajos, muchos ya capitularon y el suelo puede estar cerca.
• RHODL Ratio: compara “monedas jóvenes” versus “monedas antiguas”. Si hay muchas monedas jóvenes con alto valor, significa que gente nueva está comprando, a menudo cerca de máximos; lo contrario sugiere manos fuertes acumulando en silencio.
• NUPL (Net Unrealized Profit/Loss): mide cuánta ganancia no realizada tienen los inversores en promedio. Se parece a ver cuánto beneficio latente hay en la cartera antes de que la gente decida vender. Valores elevados (euforia) anticipan correcciones; negativos señalan capitulación.
• SOPR: ratio entre precio de venta y precio de compra de las monedas que se mueven. SOPR > 1 = la mayoría vende con ganancia; SOPR < 1 = se vende con pérdida. Cruces sostenidos de abajo arriba suelen marcar recuperación de tendencia alcista.
• Mayer Multiple: compara el precio actual con su media móvil de 200 días. Es parecido a ver si la temperatura de hoy está por encima o por debajo de la temperatura media anual. Máximos de ciclo suelen tener múltiplos > 2.4.
• Pi Cycle Top: utiliza la interacción de dos medias (111 d y 350 d/2) y ha señalado con gran precisión los picos de 2013, 2017 y 2021. Piénsalo como dos autopistas que se cruzan: ese cruce suele indicar embotellamiento en la euforia.
• Hash Ribbons: combina hash rate (potencia de minado) y su media para detectar capitulación de mineros. Una caída fuerte en la potencia suele preceder a su rendición y, paradójicamente, puede marcar suelos, porque los mineros débiles venden y limpian el mercado.
• Net Position Change: observa si las “ballenas” (grandes carteras) están acumulando (entradas netas a monederos de almacenamiento frío) o distribuyendo (saliendo a exchanges). Es como ver si los directivos de una empresa compran o venden sus acciones.
• Liquidaciones de futuros: cuando muchos traders usan apalancamiento, un pequeño movimiento desencadena liquidaciones en cascada. Monitorizar liquidaciones extremas sirve para detectar pánico (suelos) o sobrecalentamiento (techos).

Conclusión: combinar estos indicadores reduce la probabilidad de falsos positivos. Cada uno aporta una pieza única del puzle: unos miran comportamiento de holders, otros salud de red, otros actividad especulativa. Juntos dan una visión 360°.

3. Cómo se calcula el score paso a paso

A continuación desglosamos el proceso en cinco pasos, con ejemplos numéricos y una metáfora culinaria para ilustrar cada etapa.

Paso 1 – Normalización (poner todos en la misma escala)

Supongamos que el MVRV oscila entre 0 y 10, mientras que SOPR se mueve entre 0.8 y 1.3. Sin normalizar, MVRV “gritaría” más fuerte que SOPR solo por tener números grandes. Para evitarlo usamos la fórmula del z‑score incremental: restamos la media histórica y dividimos entre la desviación estándar en cada punto temporal.

Analogía: es como convertir metros y pies a una misma unidad antes de sumar distancias.

Paso 2 – Truncado de valores extremos

Incluso después de normalizar, pueden aparecer outliers (p.ej., un flash‑crash o un pico de euforia). Cortamos cualquier valor por encima de +3σ o por debajo de −3σ. Esto evita que un evento extraordinario arruine la lectura del índice.

Analogía: en una receta podríamos descartar la sal sobrante que se cayó en el plato para no arruinarlo.

Paso 3 – Asignación de pesos

Existen dos estrategias y podemos alternar entre ellas:

• Pesos iguales: todos los indicadores cuentan lo mismo —simple y transparente.
• Pesos basados en ML: entrenamos un modelo (LightGBM) para predecir si el precio subirá +30 % en 6 meses. La importancia de cada feature se usa como peso. Así los datos históricos deciden qué señales fueron más útiles.

Analogía: es como decidir cuánto orégano y cuánto ajo poner según catas previas que revelaron qué combinación sabe mejor.

Paso 4 – Suma ponderada

Una vez normalizados y ponderados, sumamos los valores: Índice = Σ wi · si. El resultado gira alrededor de 0: valores negativos sugieren infravaloración y positivos sobrevaloración.

Paso 5 – Escalado final a 0‑100

Usamos la relación lineal Score = 50 + (50 / 3) × Índice, de modo que −3σ corresponde a 0, +3σ a 100 y 0 a 50. Esto crea una lectura intuitiva tipo “termómetro”.

Analogía: igual que convertir grados Fahrenheit a Celsius para entender rápidamente si hace frío o calor.

4. Herramientas que usamos (el “cinturón de herramientas”)

A continuación se detalla qué hace cada pieza y por qué la elegimos en lugar de alternativas.

• Python 3.11: lenguaje dominante en ciencia de datos. Amplia comunidad, librerías financieras, fácil de desplegar. Alternativa: R; lo descartamos por menor soporte en backtesting on‑chain.
• Pandas / NumPy: manipulación de series temporales, operaciones vectorizadas y alineación de dataframes. Permite unir 10+ métricas diarias sin perder filas.
• scikit‑learn: base de preprocesamiento, métricas, validación cruzada. Sirve como “pegamento” para modelos más avanzados.
• LightGBM: algoritmo de árboles de decisión potentes y rápidos en grandes datasets. Suele ganar competiciones Kaggle; maneja bien features correlacionadas.
• Optuna: automatiza la búsqueda de hiperparámetros con “pruning” para descartar pruebas malas y ahorrar tiempo.
• Vectorbt: framework de backtests vectorizados; en una línea calcula rentabilidad, drawdown y métricas sobre miles de parámetros.
• APIs on‑chain (Glassnode, CoinMetrics): fuentes reputadas, con históricos desde 2010, frecuencias diarias y documentación consistente.
• Git + GitHub Actions: control de cambios y despliegue automático cada vez que el repo recibe un push, garantizando reproducibilidad y rollback fácil.

Este stack es modular: puedes cambiar LightGBM por XGBoost o Vectorbt por Backtrader sin rehacer todo.

5. ¿Cómo se dará a conocer?

Aunque el núcleo es técnico, el éxito depende de comunicar el valor de forma clara: “Te ayudamos a no comprar la cima ni vender el suelo”.

Público objetivo

• Inversores minoristas con cierta experiencia en cripto que ya usan exchanges y desean un filtro extra para sus decisiones. • Creadores de contenido y analistas que necesitan referencias on‑chain para sus informes. • Fondos familiares (“family offices”) que buscan métricas simples antes de asignar capital.

Canales y formato de contenido

• Twitter (X): hilos semanales con gráficos, porque es donde está la conversación cripto.
• Instagram: carruseles visuales simplificados para público no técnico.
• Newsletter: análisis mensual en profundidad con storytelling de datos.
• Telegram: alertas instantáneas cuando el score cruza niveles clave.

Propuesta de valor en una frase

“Convierte la avalancha de datos on‑chain en un semáforo de tres colores”.

Estructura de precios

• Gratis: score mensual y PDF de introducción.
• Pro – 19 €/mes: acceso diario, alertas Telegram, backtests interactivos.
• Lifetime – 249 €: pago único, todas las actualizaciones, plazas limitadas (estrategia de escasez).

Se planea un early‑bird del 40 % de descuento las primeras dos semanas para incentivar adopción temprana.

6. Hoja de ruta (Roadmap)

El desarrollo se divide en cuatro fases iterativas, cada una con entregables tangibles:

1. Fase 1 – Investigación (4 semanas):
   • Descargar datos históricos completos (2010‑2025).
   • Construir notebook de exploración EDA.
   • Definir fórmula base y validar con backtest sobre 5 ciclos.
   • Publicar informe técnico interno (PDF ~ 20 páginas).
2. Fase 2 – Producto mínimo viable (6 semanas):
   • Diseñar identidad visual (logo, colores, tipografía).
   • Crear landing page responsive con formulario lista de espera.
   • Cron job que genera el score diario y guarda JSON.
   • Panel privado muy simple (HTML estático) que lee el JSON.
3. Fase 3 – Marketing y lanzamiento (3 semanas):
   • Tweets previos al lanzamiento con “teasers” de la métrica.
   • Colaboraciones con influencers del nicho on‑chain.
   • Webinar de presentación y sesión de preguntas.
4. Fase 4 – Mantenimiento continuo (∞):
   • Soporte a usuarios y canal de feedback.
   • Nuevas métricas experimentales cada trimestre.
   • Optimización de pesos con datos más recientes.

7. Nota legal (en palabras claras)

Para cumplir con regulaciones y proteger a los creadores del proyecto, se incluye un disclaimer visible en el sitio web y en todos los PDFs descargables. Los puntos clave:

• El contenido es educativo; no constituye recomendación individualizada.
• Las criptomonedas son volátiles; podrías perder todo tu capital invertido.
• No somos asesores registrados ante la CNMV ni equivalentes.
• La métrica se basa en datos históricos; rentabilidades pasadas no garantizan resultados futuros.
• Cada usuario es responsable de verificar la información y actuar acorde a su perfil de riesgo.

Traducción sencilla: te damos un mapa, pero tú decides por dónde caminar.

8. Próximos pasos después de esta conversación

Para pasar de la teoría a la práctica, propusimos las siguientes acciones inmediatas:

• Priorizar datos: contratar plan de Glassnode Advanced y automatizar endpoint de descarga con un “scheduler” (p.ej., GitHub Actions) cada madrugada.
• Reproducibilidad: crear un ambiente Conda con `environment.yml` para que cualquier colaborador replique el análisis en un comando.
• Backtest extendido: incluir la fase 2011‑2012 para comprobar si el modelo se comporta también en ciclos con menos liquidez.
• Diseño de la landing: bosquejo en Figma con el copy centrado en la propuesta de valor y un gran CTA hacia la lista de espera.
• Comunicación temprana: abrir cuenta de Twitter y empezar a compartir gráficos teaser para captar curiosos antes del MVP.
• Recopilar feedback: convocar 10 beta‑testers que reciban el score por email y respondan a una encuesta breve.

Estos pasos no requieren gran infraestructura y validan el interés real antes de invertir recursos en funciones complejas.