Actualizado el 02 de octubre 2026 por el equipo de traders-forex.com
El Dr. Ernest Chan es una de las figuras más conocidas del trading algorítmico. Desde 1994 diseña modelos estadísticos y algoritmos capaces de detectar patrones en grandes cantidades de datos. No fue hasta finales de los años 90, atraído por las luces de Manhattan, cuando empezó a aplicar esos modelos a los mercados financieros.
En esta entrevista de 13 preguntas repasa más de dos décadas en el sector: por qué empezó a operar con su propio dinero en 2006, por qué piensa trabajar hasta los 85 años y los dos criterios que hay que mirar antes de elegir un primer empleo. Hemos completado la conversación con su trayectoria actualizada, la lista de sus libros y un método en cinco pasos para empezar.
Se subestima la importancia de la suerte; por eso intento ayudar a los menos afortunados. Dr. Ernest Chan
Ernest P. Chan, a quien todos llaman «Ernie», es doctor en física teórica por la Universidad de Cornell. Empezó como investigador en aprendizaje automático en IBM, en un equipo del que también salieron Bob Mercer y Peter Brown, futuros directivos de Renaissance Technologies. Entró en Morgan Stanley en 1997 y después pasó por Credit Suisse y varios hedge funds, entre ellos Millennium Partners, antes de establecerse por su cuenta en 2006.
Hoy es fundador y presidente no ejecutivo de QTS Capital Management, una gestora cuantitativa, y fundador de PredictNow.ai, una fintech especializada en aprendizaje automático aplicado a la gestión del riesgo. Ha firmado, solo o como coautor, cinco libros, todos publicados por Wiley.
| Periodo | Etapa de su trayectoria |
|---|---|
| 1994 | Doctorado en física en Cornell y, a continuación, investigador en aprendizaje automático en IBM Research (centro T.J. Watson) |
| 1997 | Entrada en Morgan Stanley, en el grupo de Data Mining e Inteligencia Artificial |
| Años 2000 | Credit Suisse, Mapleridge Capital, Maple Securities, Millennium Partners |
| 2006 | Se convierte en trader independiente (ETF, acciones, futuros) |
| 2008 | Publicación de su primer libro, Quantitative Trading |
| 2011 | Fundación de QTS Capital Management |
| 2020 | Fundación de PredictNow.ai |
| 2025 | Publicación de Generative AI for Trading and Asset Management, escrito con Hamlet Medina |
Sobre esta entrevista: la conversación se realizó tras la publicación de su tercer libro (2017), cuando Ernest Chan era miembro gestor de QTS Capital Management. Sus respuestas se reproducen tal cual y reflejan su situación de entonces. La trayectoria, la lista de libros y el resto de recuadros de esta página se han actualizado en octubre de 2026.
1. ¿Recuerda cuándo y por qué se inició en el trading, y a qué se dedica dentro de él?
Mi carrera en el trading se ha desarrollado en dos etapas: primero en el mundo institucional, empezando por Morgan Stanley, y después como trader independiente y gestor de fondos. Entrar en Morgan Stanley en 1997 fue la decisión ingenua de un joven: quería vivir entre las luces de Manhattan (y la sede de Morgan Stanley en Times Square es, desde luego, muy llamativa). Me hice trader independiente en 2006 porque no creía que pudiera operar de forma rentable con todas las limitaciones institucionales. Empecé mi actividad independiente operando con ETF, acciones y futuros.
2. ¿Cuál es su estilo de trading y cómo lo integra con las demás actividades de su vida? ¿Opera en función de su vida, o su vida gira en torno al trading?
Mi trading es totalmente cuantitativo y automatizado. Tengo la suerte de trabajar con un socio extraordinario, que es un genio del software, y con un colaborador muy entregado. Eso significa que puedo dedicar mi tiempo a la investigación y a la enseñanza, y tomarme tiempo libre cuando quiero.
3. ¿Qué le motiva a trabajar constantemente en la mejora de sus sistemas de trading y a disfrutar de lo que hace?
El reto intelectual y la emoción, el sentido del deber hacia mis inversores y la necesidad de mantener a mi familia.
4. A lo largo de su trayectoria, ¿puede identificar un momento o una rutina que después marcara la diferencia en su trading o en su vida?
Empecé a operar con mi propio dinero en 2006. Nada concentra tanto la atención como arriesgar el dinero propio.
5. Supongo que ha vivido fracasos en el pasado. ¿Cómo los superó y ha evolucionado su enfoque desde entonces?
No cometer el mismo error dos veces es mi lema. Soy muy estable emocionalmente, en parte gracias a mi edad. Los reveses temporales no me asustan. Pienso vivir hasta los 100 años y trabajar hasta los 85 como mínimo, así que tengo tiempo de sobra para recuperarme de mis errores.
6. ¿A qué atribuye su éxito? ¿A la suerte, a la inteligencia o al trabajo duro y constante? ¿O quizá a una combinación de todo ello?
Agradezco a mis padres sus genes y su trabajo duro, que me permitieron asistir a las mejores escuelas posibles. Gracias a esa base, a mi propio trabajo y a la suerte, he podido alcanzar un éxito modesto como trader. Se subestima la importancia de la suerte; por eso intento ayudar a los menos afortunados.
7. ¿Qué cree que le diferencia de otras personas que intentan triunfar en el trading algorítmico?
La estabilidad emocional, la inteligencia y la curiosidad.
En esta conferencia en inglés, Ernest Chan explica cómo se utiliza en la práctica el aprendizaje automático en finanzas y dónde están sus límites.
8. ¿Qué consejo daría a quienes fracasan, se rinden o nunca empiezan, ya sea en el trading o en cualquier otro ámbito?
Encuentre su ventaja: ¿la programación? ¿Las matemáticas? ¿La contabilidad? ¿La intuición de mercado? ¿El patrimonio? ¿Los contactos? Y céntrese en utilizar esa ventaja para tener éxito. Además, puede ser más divertido y productivo asociarse con otra persona que tenga una ventaja complementaria.
9. ¿Se marca objetivos? ¿Cree que es una buena forma de conseguir lo que uno quiere?
Mi objetivo es convertirme en Jeff Bezos. No, en serio, no creo que los objetivos sean útiles. Simplemente doy lo mejor de mí cada día.
10. Con lo que sabe ahora, ¿hay algo que le habría gustado hacer de otra manera, antes o después en su vida?
Ojalá hubiera tenido más paciencia para encontrar el entorno institucional adecuado cuando empecé en este sector. Morgan Stanley es una gran empresa, pero creo que habría aprendido más incorporándome a un grupo de trading por cuenta propia o a un hedge fund cuantitativo. No tenía las habilidades necesarias para hacer política en los grandes bancos de inversión.
11. Ya ha escrito tres libros sobre trading cuantitativo. ¿Por qué decidió escribirlos?
Escribir, enseñar y, en general, explicar algo de forma sistemática es la mejor manera de conocerlo bien. Siempre saco ideas de trading de ese proceso.
12. Ha tenido una gran carrera, de IBM a Morgan Stanley, Credit Suisse y varios hedge funds. ¿Cuál es la lección más importante que extrae de ella y que sería más útil para quien quiera iniciarse en el trading sistemático?
A la hora de elegir el primer empleo, los criterios más importantes son si el jefe es un buen mentor y si el grupo al que uno se incorpora tiene un gran potencial de crecimiento. El salario es secundario. Me encantaba mi grupo en IBM, del que, como muchos saben, salieron figuras de los hedge funds como Bob Mercer y Peter Brown. Por otra parte, el aprendizaje permanente es esencial, esté uno donde esté. Por ejemplo, acabo de aprender a programar decentemente en Python en unos dos meses, después de haber empezado con Basic en el instituto y seguir con C, Mathematica, C++, Perl, Java, Matlab y R. ¡Nunca se es demasiado viejo para aprender algo nuevo!
13. ¿Cree que el trading discrecional será menos habitual entre los principiantes, ahora que tienen acceso a muchas herramientas para crear sus propias estrategias sistemáticas (Excel, Python, R o los lenguajes de las plataformas de los brókers)?
El trading discrecional es como conducir un coche. Que un ser humano decida girar a la derecha no significa que no pueda beneficiarse de las tecnologías de asistencia a la conducción (por ejemplo, la detección de ángulos muertos). A la inversa, no todo el mundo necesita un coche autónomo para llegar a su destino. Uno de los ingredientes clave para operar con éxito es el conocimiento del mercado y la intuición. Eso no se aprende únicamente con programación e IA.
En el momento de la entrevista, Ernest Chan había publicado tres libros. Hoy son cinco, todos editados por Wiley y escritos en inglés. Los dos últimos tratan de la inteligencia artificial aplicada al trading.
| Libro | Año | Tema | Nivel |
|---|---|---|---|
| Quantitative Trading How to Build Your Own Algorithmic Trading Business | 2008 2.ª ed. 2021 | Encontrar una estrategia, hacer el backtest y montar una actividad de trading algorítmico. La 2.ª edición añade código en Python y R. | Principiante a intermedio |
| Algorithmic Trading Winning Strategies and Their Rationale | 2013 | Estrategias de reversión a la media y de momentum, y la lógica que las sustenta. | Intermedio |
| Machine Trading Deploying Computer Algorithms to Conquer the Markets | 2017 | Modelos más avanzados: series temporales, opciones, trading intradía, aprendizaje automático. | Avanzado |
| Hands-On AI Trading with Python, QuantConnect and AWS | 2025 | Obra colectiva: casos prácticos de IA aplicada al trading, con código. | Intermedio a avanzado |
| Generative AI for Trading and Asset Management con Hamlet Medina | 2025 | IA generativa para traders y gestores, desde los usos sin código hasta los modelos aplicados a series de rentabilidades. | Intermedio a avanzado |
Este es un método progresivo, elaborado a partir de los consejos que Ernest Chan da en esta entrevista y de los principios que desarrolla en sus libros.
Programación, matemáticas, contabilidad, intuición de mercado, capital o red de contactos: localice su punto fuerte y construya su enfoque en torno a él. Si le falta una habilidad, asóciese con alguien que tenga una ventaja complementaria.
Python es hoy el lenguaje más utilizado en la investigación cuantitativa. Ernest Chan cuenta que lo aprendió en unos dos meses, después de Matlab y R: nunca es tarde para empezar.
Escriba reglas de entrada, de salida y de tamaño de posición sin ambigüedad, y pruébelas con datos históricos incluyendo las comisiones y reservando un periodo de datos fuera de muestra para limitar el sobreajuste.
Ejecute la estrategia en condiciones reales de mercado pero con dinero ficticio, en un bróker regulado, para comprobar la ejecución de las órdenes y comparar los resultados con los del backtest.
Arriesgue únicamente una cantidad que pueda permitirse perder, limite el riesgo por operación, lleve un diario de sus errores para no repetirlos y siga formándose.
La trayectoria de Ernest Chan demuestra que el trading algorítmico no está reservado a las grandes instituciones: después de IBM y Morgan Stanley, fue como independiente, con su propio capital, cuando dice haber progresado más. Su mensaje cabe en pocas palabras: encontrar la ventaja propia, no repetir los errores, seguir aprendiendo y no olvidar nunca el papel de la suerte en el éxito.
Sus libros siguen siendo una buena puerta de entrada para quien quiera pasar a la práctica, empezando por Quantitative Trading. Y, como recuerda en su última respuesta, los algoritmos no eliminan la necesidad de conocer el mercado: la acompañan.
| Bróker | Regulación | Spread EUR/USD | Plataformas | Ideal para | Web |
|---|---|---|---|---|---|
 | KNF / CNMV (España)CMF (Chile)FCACySEC | ≈ 0,8-0,9 pips, sin comisión | xStation 5 (web, escritorio, móvil) | Principiantes, Forex + acciones reales | |
 | FSCAFSC Mauricio | Standard ≈ 1,2 pips / Raw desde 0,0 pips + comisión | MT4, MT5, WebTrader, app VT Markets | Traders de Latinoamérica, MetaTrader |
Advertencia sobre los riesgos: los CFD son instrumentos complejos que conllevan un alto riesgo de perder dinero rápidamente debido al apalancamiento. En la mayoría de los brókers, entre el 69 % y el 80 % de las cuentas de inversores minoristas pierden dinero al operar con CFD. Consulte el porcentaje exacto publicado por cada bróker y asegúrese de comprender cómo funcionan los CFD antes de invertir.
