Mansur Gilmullin / Perfil

¡Hola! Me llamo Mansur Gilmullin. Soy matemático, investigador y especialista en métodos matemáticos de análisis de datos en Fuzzy Technologies.

Durante más de 50 años, mi vida profesional ha estado dedicada a las matemáticas: álgebra, teoría de números, modelado matemático, enseñanza y desarrollo de métodos formales para el análisis de datos. Me gradué en la Facultad de Mecánica y Matemáticas de la Universidad Estatal de Kazán, con especialización en Matemática Aplicada, y posteriormente completé estudios de posgrado en Álgebra y Teoría de Números.

Durante muchos años trabajé en la educación superior: impartí cursos de álgebra, teoría de números, sistemas numéricos, álgebra computacional, matemáticas elementales y superiores, e historia de las matemáticas. También dirigí trabajos de investigación de estudiantes y participé en la formación de futuros especialistas en matemáticas e informática.

Poseo el grado de Candidato en Ciencias Pedagógicas (Candidate of Pedagogical Sciences), un grado académico ruso de nivel doctoral en educación y metodología de la enseñanza, así como el título académico de Profesor Asociado. Soy autor de trabajos científicos, educativos, metodológicos y de divulgación sobre matemáticas, enseñanza de las matemáticas e historia de la ciencia matemática. En los últimos años también he participado en investigaciones y desarrollos relacionados con el trading algorítmico, el análisis de series temporales numéricas, la detección de anomalías y la aplicación de modelos matemáticos a la toma de decisiones automatizada.

Actualmente trabajo en Fuzzy Technologies, un pequeño equipo de ingeniería que desarrolla plataformas, servicios y algoritmos para la analítica automatizada de mercados, el trading algorítmico y la evaluación de riesgos. Desarrollamos herramientas analíticas y de trading que combinan matemáticas rigurosas, modelos probabilísticos, procesamiento de datos, filtrado de anomalías y métodos de inferencia difusa.

Mi principal interés en este trabajo es traducir ideas matemáticas en algoritmos claros: filtros, estimaciones probabilísticas, escalas difusas flexibles, reglas para el tratamiento de anomalías y modelos de toma de decisiones. A lo largo de mis años de enseñanza, he aprendido no solo a trabajar con estructuras complejas, sino también a explicarlas con un lenguaje claro. En los sistemas de trading, esto es especialmente importante: los usuarios deben comprender no solo el resultado, sino también la lógica, las limitaciones y el ámbito de aplicación previsto de un algoritmo.

Para mí, un robot de trading no es un “botón mágico” ni un intento de adivinar el futuro. Es un sistema de ingeniería que debe trabajar cuidadosamente con probabilidades, ruido, valores atípicos, regímenes de mercado y reglas de gestión de riesgos previamente definidas.

Nuestros métodos y algoritmos se basan en modelos probabilísticos, análisis de rentabilidad y volatilidad, estimación de la alcanzabilidad del precio objetivo, filtrado de anomalías, lógica difusa y reglas claras de toma de decisiones. Utilizamos actualización bayesiana para refinar las estimaciones a medida que aparecen nuevos datos, nuestra propia modificación del filtro de Hampel para detectar valores atípicos en series temporales numéricas, estimación probabilística de objetivos para analizar posibles escenarios de movimiento del precio y escalas difusas para interpretar los estados del mercado.

No considero correcto prometer un resultado exacto cuando la propia naturaleza de los datos es probabilística y las fronteras entre los estados del mercado suelen ser difusas. El mercado financiero es un entorno de incertidumbre, ruido y regímenes que cambian constantemente. Por eso, en nuestros productos, no nos centramos en pronósticos llamativos, sino en reglas verificables, control del riesgo, pruebas honestas y una descripción clara de las limitaciones.

Tengo un interés particular en los métodos de detección de anomalías, los sistemas expertos, los conjuntos difusos y la aplicación de métodos matemáticos en ciberseguridad, análisis de datos y trading. En este tipo de tareas, la certeza absoluta es poco frecuente: los datos pueden ser incompletos, ruidosos o contradictorios. Por eso considero especialmente importante construir modelos que no sustituyan el riesgo por palabras atractivas, sino que lo tengan realmente en cuenta al diseñar el algoritmo.

Los productos de Fuzzy Technologies publicados aquí se desarrollan como herramientas de ingeniería para MetaTrader 5. Su propósito es proporcionar a los usuarios un sistema algorítmico transparente, verificable y reproducible: sin estrategias de martingala, sin recuperación mediante grid, sin promesas de ganancias garantizadas y sin depender de decisiones manuales impulsadas por emociones.

Prestamos atención no solo a las señales de entrada, sino también al filtrado del ruido del mercado, el control del riesgo, la solidez lógica y la claridad del comportamiento del algoritmo. Para mí, un buen algoritmo no es aquel que se ve bien en una única prueba, sino aquel cuyas reglas pueden explicarse, verificarse y aplicarse comprendiendo sus limitaciones.

Además del trabajo de investigación e ingeniería, continúo divulgando las matemáticas y la historia de la ciencia a través de mi blog de divulgación “Mathematics with Mansur-abiy” (en ruso). Para mí, esto no es solo una afición, sino una continuación del mismo camino profesional: las matemáticas son valiosas no solo por sus fórmulas, sino también por su cultura de pensamiento, la disciplina del razonamiento y la capacidad de trabajar con las limitaciones de los modelos y las ideas.

Mi enfoque del trading algorítmico puede resumirse así: matemáticas rigurosas, ingeniería cuidadosa, reglas verificables, respeto por el riesgo y ninguna promesa innecesaria.