Científico e inversor, entre la poyata y Wall Street. Prueba y error como mecanismo de evolución.
Joined August 2023
- Tweets4.4K
- Following706
- Followers4.8K
- Likes16.3K
Gonzalo retweeted
BREAKING NEWS
The 2026 #NobelPrize in Physiology or Medicine has been awarded to Karl Deisseroth, Peter Hegemann and Georg Nagel “for their discoveries concerning light-gated ion channels and optogenetics.”
Gonzalo retweeted
Hayek on what true scientists understand that most intellectuals don’t:
“The man who has learned a little science lacks the humility the real scientist gladly acquires. The typical intellectual believes everything must be explainable, but a scientist knows that a great many things are not. A good scientist is essentially a humble person.”
Gonzalo retweeted
Este agosto el proyecto cumple 4 años. Hemos multiplicado por más de 5 con un 56% IRR. 13 baggers $vhi $tea $kulr $vhi $abcl $delia $camx $rklb $asts $dig $hims $sofi $vyt $aep espero que muchos más en los próximos 4. ¡Gracias a todos/as! Hoy lo celebramos con 1 nueva tesis💡
🤖 Made with AI
Gonzalo retweeted
Es increíble la de posibilidades que abren cosas como esta.
Ojalá pronto más noticias así para más tipos de cáncer y con la IA jugando un papel importante.
🔴 ÚLTIMA HORA | Las farmacéuticas Moderna y Merck anuncian el éxito de la primera vacuna contra el melanoma y se disparan en Bolsa elpais.com/ciencia/2026-08-1…
Gonzalo retweeted
El problema radica en la esencia del cáncer. Cuando hablamos de cáncer nos referimos al crecimiento descontrolado de células y lo catalogamos por tipos pero, en esencia, el cáncer de cada paciente es único porque hay miles de mutaciones distintas posibles. Por si fuera poco, cuando el cáncer de un paciente va evolucionando va acumulando más mutaciones, lo que lo vuelve aun más difícil de tratar.
Para solventar este problema se suelen tomar muestras de los tumores e intentar saber cuales son esas mutaciones específicas. En función de eso, se elije una terapia u otra. Además, los tratamientos clásicos contra el cáncer intentan frenar la división de las células. Esto destruye las células cancerígenas, pero también todo tipo de células que se dividen (como las del pelo, por ejemplo), de ahí muchos de los efectos secundarios. Las terapias matan indiscriminadamente toda célula que se divida, como matar moscas a cañonazos.
Sin embargo, en ese proceso de evolución del cáncer dentro del paciente, pensemos que la célula cancerígena va acumulando mutaciones de manera incontrolada, y eso puede hacer que exponga en su membrana proteínas mutadas que no se expresarían en una célula normal. Pues lo que ha conseguido $MRNA es una estrategia que: extrae una muestra del tumor, la secuencia para saber cuáles son sus mutaciones específicas, y genera una vacuna* de mRNA que enseña al sistema inmune a identificar esas proteínas mutadas y matar a las células que las expresen. Como sólo están presentes en las células cancerígenas, es altamente específica y evitan un montón de efectos secundarios típicos de las terapias clásicas. Además, esta estrategia se puede aplicar a cada paciente de manera individualizada; se diseña una vacuna específica que se adecúe a su tumor particular.
*Digo vacuna porque es una inyección que enseña a tu sistema inmune a detectar una amenaza al estilo de las vacunas habituales, solo que en este caso la amenaza son tus propias células tumorales.
Gonzalo retweeted
$MRNA is up over 70% after becoming one of the first companies ever to deliver a positive Phase 3 result for a personalized cancer vaccine.
Treatment is built around each patient’s own tumor and when combined with KEYTRUDA it reduced the risk of melanoma returning or spreading.
Gonzalo retweeted
Starting a PhD: "I am going to be the foremost expert in this fascinating and urgent topic"
During a PhD:
Gonzalo retweeted
GRATUITO🟢En mayo complementé la tesis de $abcl con una publicación sobre por qué su enfoque IA + naturaleza era el probable ganador entre diferentes modelos. Tras otro +100%, desde hoy es libre. Incluye “AppCellera” 🧮un calculador de valor intrínseco. Todo en el siguiente mensaje
Gonzalo retweeted
Stevanato up 46% since this post
Still cheap and more positive data points have come our way although not the bargain it was ofc
$STVN
The narrative in Stevanato will shift, not a matter of IF but WHEN imho
Not even a defensive name at this point, growing EBITDA at a mid-teens rate and enjoying secular demand (and pretty significant tailwinds)
$STVN
Gonzalo retweeted
Mi nuevo proyecto 👇
Llevo tiempo queriendo hacer una herramienta para inversores, pero no quería hacer lo típico.
No quería hacer otra herramienta de gestión de carteras ni otro rediseño de TIKR.
Quería hacer algo un poco más original 👀
Os dejo primero el resumen y después, para quien tenga curiosidad, toda la explicación de qué he hecho y por qué.
💬 RESUMEN
Estoy construyendo una herramienta para seguir mejor lo que pasa en tus inversiones.
🔎 Noticias que realmente importan
Encuentra y filtra noticias más allá de las fuentes financieras de siempre, reduciendo cientos de resultados a unas pocas cosas relevantes.
🧠 Seguimiento automático de tu tesis
Compara cada nuevo evento con lo que esperas de la empresa y va acumulando evidencia a favor o en contra de tu tesis.
📅 Calendario dinámico de eventos
Detecta resultados, lanzamientos, adquisiciones, regulación, aperturas de fábricas y otros eventos importantes, y actualiza sus fechas conforme aparece nueva información.
En esencia:
Saber qué está pasando realmente en tus empresas, qué importa para tu tesis y qué viene después.
Sin tener que seguirlo todo manualmente.
📈 LOS DETALLES
Aquí viene la explicación larga de lo que he hecho y por qué.
Para los que os interese la transparencia y el build in public.
1️⃣ EL PROBLEMA
Ya he dicho que quería hacer algo original.
Pero las ideas son relativamente limitadas.
Los workflows y lo que necesita un inversor no han cambiado tanto, y existen cientos de herramientas que solucionan la mayoría de problemas.
En Find My Moat tengo una colección de +350 herramientas de inversión.
Así que la pregunta era:
¿Qué podía hacer que realmente aportase algo nuevo?
Sabía que la mayor oportunidad probablemente estaba en algo relacionado con LLMs, simplemente porque ha habido menos tiempo para saturar el mercado.
Y lo bueno es que también soy inversor, así que tengo una idea de qué cosas podrían ser realmente útiles.
Después de probar literalmente docenas, si no cientos, de herramientas, había un problema que ninguna me había solucionado de forma convincente:
💬 El seguimiento de las noticias de mi cartera.
2️⃣ DEMASIADO RUIDO, Y AUN ASÍ TE PIERDES COSAS
He probado mil soluciones.
Todas te dan noticias genéricas que no valen para casi nada.
Cada día puedes tener fácilmente 3 o 4 noticias inútiles por cada acción en cartera.
Con un portfolio de 20 empresas, eso son 60-80 noticias al día.
Y probablemente el 90% no te interese.
Además, casi todas son noticias puramente "financieras":
• Estimaciones de analistas
• Próximos resultados
• Cambios de precio objetivo
• Algún titular de Bloomberg
• Variaciones del precio de la acción
Y prácticamente todas las herramientas beben de las mismas 5 fuentes.
Pero a mí me interesa otra cosa.
Me interesa el negocio.
Sus productos.
Su equipo directivo.
Sus competidores.
Sus avances empresariales.
Quiero entender cómo avanza un riesgo regulatorio, cómo se desarrolla una adquisición, qué colaboraciones firma la empresa o qué está ocurriendo dentro de su industria.
Muchas de esas cosas las herramientas tradicionales las omiten completamente.
Así que tienes el peor de los dos mundos:
Muchísimo ruido y, aun así, noticias importantes que nunca llegan hasta ti
Falla en filtrar.
Y falla en encontrar.
Y ya ni hablemos de microcaps, situaciones especiales o empresas más de nicho.
Al final dejas de mirar todo con calma, confías en que el algoritmo de Twitter te enseñe lo importante y acabas viendo lo mismo que todo el mundo.
Y es normal.
Estas herramientas existen desde hace 20 años.
Hasta hace poco era demasiado caro hacer algo mucho más sofisticado que agregar noticias de los proveedores de siempre.
Hasta ahora.
3️⃣ MI ENFOQUE
Mi enfoque es completamente diferente.
Utilizo un sistema de búsqueda de información que no está diseñado específicamente para acciones.
De hecho, podría utilizarse para mantenerse informado sobre prácticamente cualquier tema.
Eso permite encontrar noticias y desarrollos transversales que probablemente nunca entrarían en la portada de Bloomberg.
Después utilizo LLMs para analizar lo encontrado.
Cada noticia se:
• Clasifica como relevante o irrelevante
• Puntúa por importancia
• Cataloga por tipo
• Relaciona con la empresa correspondiente
Y el usuario puede ajustar qué quiere ver para cada empresa.
El objetivo es muy simple:
Que todas las noticias importantes lleguen hasta ti y que puedas ignorar el resto.
Si existen +200 posibles noticias al día relacionadas con tu cartera, quizá solo tengas que mirar las 5 que realmente importan.
Cuantas más empresas sigues, más útil se vuelve.
🔎 PRIMERA PARTE: SEGUIR TODO LO IMPORTANTE
Esa es la primera parte del producto.
Mantenerte informado de lo importante que pasa en tu cartera sin esfuerzo.
Sin tener que leer cosas que no valen para nada.
Y con mucha más seguridad de que no te estás perdiendo algo importante.
La idea parece simple.
Pero no te das cuenta de cuánto te estabas perdiendo hasta que empiezas a encontrar noticias que ni siquiera sabías que existían.
🧠 SEGUNDA PARTE: SEGUIMIENTO DE LA TESIS
Aquí es donde la cosa se vuelve bastante más interesante.
Porque lo importante de una noticia no es solo la noticia.
Es cómo afecta a tu tesis de inversión.
De nada te sirve saber que una empresa abre una nueva fábrica en China si tu tesis depende de que cambie el CEO o de que desaparezca un riesgo regulatorio en Estados Unidos.
Dentro de la app puedes escribir brevemente qué cosas importan para tu tesis.
Por ejemplo:
"Espero que la regulación en Europa se suavice."
"Sería muy negativo si los márgenes se deterioran en Asia."
"Creo que los competidores crecerán más lento."
Puedes hacerlo tan simple o detallado como quieras.
A partir de ahí, la aplicación compara automáticamente los nuevos eventos contra tu tesis.
Y empieza a monitorizar si lo que ocurre en el mundo real:
✅ Refuerza tu tesis
❌ La debilita
⚪ No cambia nada relevante
Con el tiempo vas acumulando evidencia.
Y dentro de tres meses, cuando te preguntes:
"¿Se ha cumplido X?"
No tienes que confiar en tu memoria.
Tienes una lista de eventos y noticias con toda la evidencia acumulada.
Todo automático.
Tú escribes qué es importante y el sistema va siguiendo el mundo por ti.
Y, obviamente, esta parte es completamente opcional.
Si no te gusta escribir una tesis de inversión, puedes utilizar simplemente el sistema de noticias.
📅 TERCERA PARTE: DESCUBRIMIENTO DINÁMICO DE EVENTOS
Este enfoque también permite hacer otra cosa bastante interesante.
Conforme aparecen nuevas noticias, el sistema va construyendo automáticamente un calendario con los eventos importantes relacionados con tus empresas.
Desde cosas tradicionales como:
• Presentaciones de resultados
• Investor Days
• Juntas de accionistas
Hasta cosas bastante menos estructuradas:
• Apertura de una nueva fábrica
• Deadline de una adquisición
• Lanzamiento de un producto
• Resolución regulatoria
• Inicio de producción
Y no necesita que exista una fecha exacta.
Puede entender cosas como:
"Q1 2027"
"Durante la segunda mitad del año"
"Antes de finales de septiembre"
Y actualizar el evento automáticamente conforme aparece nueva información.
La idea es terminar teniendo un calendario extremadamente completo de todo lo que puede importar para tus inversiones.
De nuevo:
Filtrado por relevancia, importancia y categoría.
🚀 ¿Y AHORA QUÉ?
Es algo bastante diferente al resto de herramientas que he probado.
Y es algo que he hecho con mucho mimo.
La app ya está casi lista.
Antes de lanzarla quiero hacer una beta cerrada con varias personas para recoger feedback y seguir mejorándola.
Y creo que, con la infraestructura que tiene, puede crecer bastante.
Por ejemplo, en el futuro podría monitorizar también competidores privados de las empresas que tienes en cartera.
Algo que las herramientas financieras tradicionales apenas pueden hacer.
Pero primero:
Beta cerrada → feedback → lanzamiento público.
Y a partir de ahora quiero construirla bastante en público.
💬 QUIERO PROBARLA
Si queréis probarla totalmente gratis durante la beta, dejadme un comentario.
Intentaré seleccionar un grupo pequeño de personas, además de algunas que ya tengo en mente.
Y si os interesa ver cómo evoluciona el proyecto, empezaré a documentarlo por aquí.
Podéis seguirme para no perderos nada.
Ha sido ( y está siendo) mucho mucho trabajo, así que si os ha gustado la idea, un like ❤️ o un RT 🔄 ayudan muchísimo.
Gonzalo retweeted
Nueva mini herramienta en mi web:
[📊 Multiple X-Ray]
Una herramienta de valoración de empresas.
Te da:
👉 El múltiplo que sería justo
👉 Años para recuperar tu inversión según el crecimiento
👉 % del valor en 1-5 / 6-10 / +10 años
👉 Una matriz de sensibilidad
Añade el múltiplo actual, el WACC y el crecimiento perpetuo y mira rápidamente si la empresa está cara o barata.
100% gratis - Sin cuenta
Gonzalo retweeted
Kalshi to launch prediction markets on clinical trials.
They're working with AppliedXL on this - there's a white paper (kalshi.com/biotech) and FAQ (appliedxl.com/faq).
Some highlights:
- 'Employment verification' will be required - to protect against insider trading.
- Markets will only open after a trial is fully-enrolled, to avoid influencing recruitment.
- Small-cap biotech is out initially, since the market itself could damage the company or investor confidence.
- Kalshi will provide the wisdom of the crowd market, AppliedXL will provide their data-driven probability-of-success model alongside it.
Kalshi, one of the world’s largest prediction market exchanges, plans to take bets on clinical trials and regulatory approvals trib.al/PNFFula
Gonzalo retweeted
¿Tú con quién estás? ¿Con Harari o con Henrich?
Joseph Heath critica en este artículo el relato de la evolución humana que presenta Yuval Noah Harari en Sapiens por ser anticientífico y obsoleto. Lo contrasta con la teoría mucho más sólida y actual, según él, de Joseph Henrich (The Secret of Our Success), que invierte completamente el orden explicativo.
Heath identifica cuatro capacidades únicas que diferencian a los humanos:
-Inteligencia superior (incluyendo razonamiento abstracto y matemático).
-Lenguaje complejo y gramatical.
-Cooperación ultrasocial (con no parientes).
-Cultura acumulativa (transmisión y mejora continua de conocimiento y artefactos).
Cualquier teoría seria debe explicar cómo evolucionaron estos rasgos en un tiempo evolutivo muy corto (Homo erectus apareció hace unos 2 millones de años o así).
La secuencia de Harari sigue el orden clásico: Inteligencia → Lenguaje → Cooperación → Cultura. Pero Heath le ve muchos problemas:
-El cerebro grande es muy costoso (energía y mortalidad en el parto). No está claro qué beneficio compensatorio habría tenido en la sabana.
-El lenguaje como “mutación casual” (Tree of Knowledge) tiene problemas graves: el primer mutante no tendría con quién hablar (problema de arranque).
-Sin cooperación previa, el lenguaje sería “cheap talk” (habla barata) y poco creíble.
-La cooperación no surge fácilmente de la inteligencia (teoría de juegos y dilema del prisionero lo demuestran).
-La cultura no es solo “más gente trabajando junta”; es evolución cultural acumulativa.
Así que Heath prefiere la secuencia que propone Henrich (siguiendo a Boyd y Richerson): Cultura → Cooperación → Lenguaje → Inteligencia. La historia sería más o menos lo siguiente. El ajuste inicial que lo arranca todo fue una mayor capacidad de imitación fiel: los humanos copian comportamientos complejos con gran precisión, incluso sin entenderlos del todo, a diferencia de los chimpancés. Esta capacidad permitió el surgimiento de la evolución cultural acumulativa, es decir, que las herramientas, técnicas y conocimientos mejoren y se transmitan de generación en generación. La imitación conformista (“haz lo que hace la mayoría”) y la tendencia a imitar a los más exitosos aumentaron la homogeneidad cultural dentro de los grupos, lo que potenció la selección entre grupos: aquellos más cooperativos culturalmente dominaron a los demás, favoreciendo el surgimiento de normas prosociales. Esto, a su vez, desencadenó un proceso de auto-domesticación, en el que los individuos más agresivos eran marginados reproductivamente, haciendo a los humanos más prosociales por naturaleza. Con mayor cooperación, el lenguaje se volvió útil y creíble. Finalmente, la inteligencia (incluido el cerebro grande) fue impulsada por la explosión cultural: valía la pena invertir en mejor memoria y cognición porque permitía absorber y aprovechar una cultura cada vez más compleja.
En resumen, el artículo es una defensa clara de la co-evolución gen-cultura.
This is a great piece that accurately captures the challenges of explaining what makes us human. josephheath.substack.com/p/h…
