Digital Assets Risk Lab

Laboratorio de riesgo de activos digitales de la Parte 20. Ocho módulos que implementan la clasificación por promesa, el análisis de reservas, la cola de redención, la espiral algorítmica, la custodia por umbral, la profundidad de mercado y el grafo de contagio, con la biblioteca estándar y sin red.

Aviso

Todo lo que hay aquí es didáctico y trabaja con datos sintéticos. No se conecta a ninguna red, no mueve fondos, no crea ningún activo y no recomienda ninguna inversión. No contiene, ni contendrá, herramientas para ocultar fondos, evadir controles ni eludir obligaciones de cumplimiento.

Qué demuestra ejecutando

Seis afirmaciones que se repiten mucho y se comprueban poco:

Afirmación habitual	Lo que el laboratorio demuestra	Clase
«La cobertura subió, vamos mejor»	Sube mientras la composición empeora	4
«La corrida la causó el pánico»	La causa el orden de la cola	5
«El ratio de absorción está sano»	Sube durante todo el colapso	7
«Es un 3 de 5, es robusto»	Puede tener independencia efectiva 1	12
«Mueve 184 millones al día»	Absorbe 2 con un 1 % de impacto	13
«No tenemos exposición»	Cero directo, 117 millones de liquidez	14

Estructura

apps/digital_assets_risk_lab/
├── README.md
├── __init__.py
├── classification.py  ficha de cinco preguntas y rastreo de respaldo
├── reserves.py        coberturas, descuentos y punto de no retorno
├── redemption.py      orden de llegada, prorrateo y antidilución
├── depeg.py           banda de no arbitraje, fases y vigilancia
├── algorithmic.py     espiral de dos tokens y descomposición del rendimiento
├── custody.py         independencia efectiva, recuperación y retiradas
├── market.py          libro, profundidad, impacto y límite de posición
├── contagion.py       grafo, segundo grado y dependencias comunes
└── cli.py

Uso

Ver cómo la cobertura sube mientras el riesgo empeora:

python apps/digital_assets_risk_lab/cli.py reserves --redemption 0.35

Comparar orden de llegada con prorrateo:

python apps/digital_assets_risk_lab/cli.py queue

Ejecutar la espiral de un diseño de dos tokens:

python apps/digital_assets_risk_lab/cli.py spiral --rounds 5

Medir la independencia efectiva de un esquema de custodia:

python apps/digital_assets_risk_lab/cli.py custody

Contrastar volumen con profundidad:

python apps/digital_assets_risk_lab/cli.py market --position 12000000

Calcular la exposición económica de quien declara cero:

python apps/digital_assets_risk_lab/cli.py contagion

Pruebas

python -m pytest tests/test_digital_assets_risk_lab.py -q

Cinco de ellas documentan defectos y deben pasar:

test_la_cobertura_sube_mientras_la_composicion_empeora_documenta_el_problema
test_el_orden_de_llegada_premia_al_primero_documenta_el_problema
test_el_ratio_de_absorcion_sube_durante_el_colapso_documenta_el_problema
test_un_3_de_5_puede_tener_independencia_efectiva_1_documenta_el_problema
test_los_dos_cocientes_dan_conclusiones_opuestas_documenta_el_problema
test_exposicion_cero_con_38_millones_en_riesgo_documenta_el_problema

Sin ellas, el material afirmaría cosas que el código no sostiene.

Decisiones de diseño que conviene mirar

La clasificación no mira la tecnología. clasificar() recibe una ficha de cinco preguntas y ninguna es técnica. Es deliberado: si para clasificar hace falta mirar el código, se está mirando el sitio equivocado.

El descuento crece con el tamaño. coste_de_vender(..., escalera=True) multiplica el descuento por 1,5 cada mil millones. Con descuento constante el punto de no retorno se aleja tanto que deja de existir, y esa es exactamente la conclusión falsa que se quiere evitar.

La venta que agota el libro exige declarar el precio de cola. Libro.vender lanza ValueError si no se le da. Un modelo que rellena el hueco con un supuesto invisible produce una cifra que nadie revisa.

El ratio de absorción se calcula aunque sea el indicador equivocado. Está en algorithmic.py precisamente para poder demostrar que sube mientras el sistema cae, junto a emision_por_unidad, que es el que funciona.

La probabilidad de bloqueo supone independencia. Y la función que la calcula convive con tolera_evento_correlacionado(), porque la primera solo es defendible después de que la segunda sea verdadera.

Límites declarados

Los descuentos por tramo son supuestos declarados, no observaciones de mercado. Cambiarlos cambia la conclusión, y por eso están en una constante visible y no escondidos en una fórmula.
El traslado lineal de pérdidas al capital sirve para ordenar contrapartes, no para predecir importes: en un concurso la recuperación depende de la prelación y del tiempo.
El impacto de mercado lineal por importe vendido es una simplificación; en tensión el libro desaparece y el impacto no es lineal.
El modelo de independencia usa cuatro factores; en la práctica hay más.
Todos los instrumentos, carteras, libros y entidades son sintéticos y no representan a ningún emisor, plataforma ni organización real.