Construyo la inteligencia
que mueve el capital.
Head of Sail Intelligence en Sail. Arquitecto único de un motor cross-chain de yield y un sistema de riesgo en tiempo real con ~$700M enrutados en Base y Arbitrum. Dos papers de investigación, dos informes de rendimiento, un equipo de dos ingenieros a mi cargo.
Tres sistemas en producción. Una sola capa de inteligencia.
Fundé la capa de inteligencia en Sail — un protocolo DeFi de optimización de yield en Base y Arbitrum — desde cero, y ahora lidero un equipo de dos ingenieros que la construye. También definí el esquema de la base de datos, construí las primeras UIs de usuario y contribuí a Sail Protocol, nuestra nueva capa interna de custodia y permisos.
Asignación cross-chain como MDP con restricciones
Objetivo no convexo (yield, coste de transacción, slippage, riesgo de concentración) resuelto con simulated annealing y aceptación Metropolis-Hastings. Un meta-controlador CNN predice los hiperparámetros del annealing a partir del histórico APY/TVL, reduciendo la búsqueda 3–5×.
Monitorización de riesgo en tiempo real
Detección de anomalías por z-score sobre líneas base APY multi-horizonte (1d / 7d / 30d), scoring dual SPIKE / TREND (80/20 vs 40/60), ciclos de ejecución por tier (1h / 2h / 6h), y un mecanismo de inercia financiera que recortó el churn innecesario de cartera un 43 %.
SMAs onchain operadas por agentes
Contribuidor al primer protocolo onchain de cuentas separadas (SMA) diseñado para agentes autónomos. Un kernel de Solidity de ~590 SLOC media custodia Safe, mandatos EIP-712 y permisos en staticcall con gas cap. Sustituye la capa de permisos de terceros por un diseño interno.
Liderazgo. Presenté la capa de inteligencia a inversores de capital riesgo durante rondas de financiación, fui el responsable del relato técnico del motor y Sonar en esas conversaciones, y lideré discusiones de roadmap con el CEO sobre dirección y trade-offs.
01 Las matemáticas de la asignación
El marco matemático completo — formulación, demostraciones y validación empírica — está documentado en dos papers públicos de los que soy autor único.
02 Sonar — puntuación de anomalía
Sonar suspendió la exposición de usuarios antes de dos exploits públicamente confirmados — la detección ocurrió antes de la confirmación pública en ambos casos:
- · Exploit del oráculo de Moonwell $1,78M de deuda incobrable, 181 prestatarios afectados. Sonar marcó comportamiento anómalo del oráculo en los mercados de Moonwell en Base y suspendió la exposición antes de que se confirmara la magnitud del exploit.
- · Exploit de Resolv Protocol ~$80M de USR minteados a través de una clave AWS KMS comprometida, ~$25M ETH extraídos, USR despegado a $0,003. Sonar detectó actividad de minteo sin control y suspendió las posiciones expuestas a Resolv antes de que el despegue de USR fuera públicamente visible.
03 Rendimiento en producción
Todos los retornos son netos de gas, comisiones de puente, slippage y comisiones de protocolo.
| trimestre | APY medio | vs. mejor estático | vs. T-Bills | alcance |
|---|---|---|---|---|
| Q4 2025 | 8,91 % | +5,43 % | +123,87 % | 20 fuentes, USDC + USDT |
| Q1 2026 | 6,06 % | +6,03 % | +44,3 % | 32 fuentes, USDC + USDT, +EURC |
Una red neuronal para el yield.
La mayoría de "optimizadores de yield con IA" no predicen yield — rankean por APY pasada. Este artículo desglosa la decisión arquitectónica de usar redes convolucionales (no LSTMs, no boosted trees) para forecasts de APY calibrados, y por qué el mismo marco que encuentra edge en renta variable funciona aún mejor en DeFi.
Quant Mentality: How We Use Convolutional Networks to Outyield DeFi
"La estrategia deja de ser un fondo y se convierte en una función: capital × restricciones × aversión al riesgo → cartera."
Expectativa condicional, features estacionarias, incertidumbre calibrada y validación disciplinada — el mismo marco que usan los quant shops sistemáticos en renta variable, apuntado a vaults DeFi donde funciona mejor.
Leer el artículo →+ incertidumbre calibrada
por vault, por día
04 Publicaciones
Las cuatro son obra de autor único.
Dónde forjé el oficio.
- Accelya — Software Engineer I · aplicación de gestión de pagos, full-stack · Java · C# · .NET · SQL · Dic 2023 – Nov 2024
- Career break — viaje internacional y exploración profesional. Viaje post-graduación por Corea del Sur y la costa oeste de EE.UU. (San Francisco, Cupertino, Stanford, Berkeley); conocí ingenieros en Apple y alumni de Berkeley mientras visitaba a familia. · Jul – Nov 2023
- Deloitte — Becario de Technology Strategy & Transformation · investigación y análisis de mercado para clientes tecnológicos en la división de datos · RapidMiner · Dataiku · Alteryx · Mar – Jun 2023
- Agencia Ferroviaria de la Unión Europea — becario de ingeniería de software · SHACL shapes para validación de knowledge graphs en la app de mapas EUAR, más un dashboard web de informes de validación · SPARQL · SHACL · RDF · Invierno 2022/23
Cosas que construí porque quise.
Tracker CLI + TUI para One Piece TCG (cartas, cajas selladas, slabs graduados). Scraping de precios en vivo desde CardMarket y eBay con un pipeline de cookies consciente de Cloudflare que desencripta cookies de Chrome / Arc / Brave / Edge en macOS y Windows vía el keychain de cada plataforma. Dashboard HTML offline autocontenido, sync iCloud, P&L por ítem, gestión de recibos.
Sistema de visión por computador de tres módulos: adquisición de imagen con eliminación de ruido, reconocimiento de cartas basado en VGG16 y simulador de equity Monte Carlo. Alta precisión de reconocimiento y simulación realista a dos jugadores. Documentado en la publicación oficial de la UPM.
Sistema multi-agente que asiste a streamers con la moderación del chat. Baneo por blacklist, análisis de ratio de lenguaje ofensivo para timeouts y una GUI para que streamers y moderadores revisen las decisiones automatizadas.
Proyecto grupal de investigación: diseño completo de centro de datos para una plataforma online de edición de vídeo — layout de racks, planos eléctricos, diseño de refrigeración y flujo de aire. Matrícula de Honor.
Compilador para un subconjunto de JavaScript. Analizadores léxico, sintáctico y semántico; tabla de símbolos; recuperación de errores y avisos. Matrícula de Honor.
+ Trabajos anteriores
- Ecomobility — Web Semántica · estaciones de bici y puntos de carga de Madrid publicados como RDF (OpenRefine, RML) · otoño 2022
- Reactify — React + API de Spotify · invierno 2022
- Broker de Sistemas Distribuidos — broker pub/sub en C, suscripciones persistentes · invierno 2021/22
- Middleware de Detección de Fraude Bancario — Java JMS, middleware concurrente · invierno 2021/22
- Shell propia — C / Bash; lexer, parser, pipelines multi-proceso · invierno 2021
- Sokoban — Java MVC con persistencia XML · primavera 2022
- Filtro Blanco y Negro — Assembly MC88110 · invierno 2020/21
Universidad Politécnica de Madrid · 2019 – 2023
Grado en Ingeniería Informática · Nota media 8,56 / 10. Matrículas de Honor en Sistemas Operativos, Procesadores de Lenguajes, Web Semántica y Grafos de Conocimiento, Art of Programming, Prolog, Programming Project, Proyecto Centro de Procesamiento de Datos.
Materias: Algoritmos y Estructuras de Datos · IA · Machine Learning · Sistemas Distribuidos · Middleware · Concurrencia · Probabilidad y Estadística · Redes de Computadores · Seguridad · Algorítmica Numérica · Competitive Programming · Computación Cuántica.
Hablemos.
Abierto a posiciones senior / lead — remoto o híbrido Madrid. Finanzas cuantitativas, infraestructura de datos, ML aplicado, fintech. Indefinido o equivalente EOR de la UE.