--- title: "7.5.2 Dónde trabajar: ecosistema de España y Europa" description: "Hedge funds, prop trading, bancos, gestoras, creadores de mercado, cripto y fintech: qué hace cada uno, cómo gana dinero y qué dicen los registros." url: "https://pythonparatrading.com/curso-python-trading/nivel-7/donde-trabajar-ecosistema-espana-y-europa/" lang: "es" image: "https://pythonparatrading.com/og/curso-python-trading/nivel-7/donde-trabajar-ecosistema-espana-y-europa.png" --- # 7.5.2 · Dónde trabajar: qué hace cada empresa y qué dicen los registros > Un quant trabaja para un modelo de negocio antes que para un equipo. Esta lección ordena los tipos de empresa que contratan perfiles cuantitativos por la forma en que ganan dinero, mide el ecosistema español con las listas y las estadísticas de la CNMV y el europeo con el registro de ESMA, y convierte esas fuentes en código que se puede volver a ejecutar cualquier día. No recomienda ninguna empresa. - Curso: [Nivel 7: Producción, MLOps, regulación, carrera y capstone](https://pythonparatrading.com/curso-python-trading/nivel-7/) - Módulo: 7.5 · Carrera profesional quant - Duración: 50 min - Requisitos: [1.1.1 · Participantes y centros de negociación](https://pythonparatrading.com/curso-python-trading/nivel-1/participantes-y-centros-de-negociacion/), [4.4.1 · Elegir bróker desde España o la UE: regulación, activos, costes y API](https://pythonparatrading.com/curso-python-trading/nivel-4/elegir-broker-desde-espana-y-la-ue/), [3.7.5 · MiCA: el marco de la UE para criptoactivos y sus proveedores (CASP)](https://pythonparatrading.com/curso-python-trading/nivel-3/mica-y-casp-en-la-ue/) ## Al terminar esta lección - Distinguir hedge funds, trading por cuenta propia, bancos, gestoras, creadores de mercado, empresas cripto y fintech por el origen de sus ingresos y por lo que hace en ellas un perfil cuantitativo. - Relacionar cada tipo de empresa con su figura jurídica en España (SV, AV, SGIIC, SGEIC, EAF, entidad de crédito, CASP) y con lo que esa licencia permite hacer. - Leer y agregar con pandas el formato de las listas de entidades de la CNMV, sus estadísticas de cuentas de resultados y una respuesta del registro de ESMA. - Comprobar en fuentes primarias a un posible empleador antes de una entrevista. ## Cuatro formas de ganar dinero Las ofertas de empleo dicen «hedge fund», «banco» o «fintech», pero esas palabras agrupan negocios muy distintos. Lo que más explica el día a día de un perfil cuantitativo no es el nombre del sector sino **de dónde sale el ingreso** de la empresa: de ahí salen el horizonte de las decisiones, la tolerancia al riesgo, el valor de un milisegundo y la forma de medir si alguien hace bien su trabajo. La lección 7.5.1 describe los roles (researcher, developer, trader, risk, data y ML engineer); esta los sitúa en los sitios donde se ejercen. ```mermaid flowchart TB I[Origen del ingreso] --> P[Patrimonio ajeno] I --> F[Flujo de clientes] I --> C[Capital propio] I --> S[Venta de servicios] P --> G[Gestoras y fondos] F --> B[Brókeres y bancos] C --> T[Prop y creadores] S --> D[Fintech y datos] ``` - **Patrimonio ajeno.** La empresa gestiona dinero de otros y cobra un porcentaje sobre él (comisión de gestión) y, a veces, sobre la rentabilidad (comisión de éxito). Su ingreso crece con el patrimonio y con la capacidad de retenerlo. - **Flujo de clientes.** La empresa cobra por ejecutar, custodiar, financiar o distribuir: comisiones por orden, margen de intereses del efectivo y de los préstamos de valores, retrocesiones por comercializar fondos. - **Capital propio.** La empresa arriesga su balance. Gana si su ventaja estadística supera los costes y el riesgo de inventario; nadie le paga por intentarlo. - **Venta de servicios.** Suscripciones de datos, software, plataformas o análisis. El cliente paga aunque pierda dinero en el mercado. Una empresa grande combina varias formas; un banco de inversión tiene las cuatro. Pero cada mesa o cada filial suele vivir de una, y conviene saber de cuál antes de la entrevista (lección 7.5.3). ## Siete tipos de empresa | Tipo | Qué hace | De dónde sale el ingreso | Trabajo cuantitativo típico | Lecciones y módulos | |---|---|---|---|---| | Hedge fund | Estrategias con apalancamiento, cortos y derivados para inversores profesionales | Comisión de gestión y de éxito sobre el patrimonio | Research de señales, carteras, ejecución, riesgo | 2.2, 2.5, 4.1, nivel 5 | | Trading por cuenta propia | Opera solo con su capital, sin clientes | El resultado de sus posiciones | Estrategias de corto plazo, latencia, control de riesgo intradía | 2.3, 4.2.5, 4.3, 7.1.2 | | Banco (mercados) | Creación de mercado para clientes, estructuración, cobertura, financiación | Horquilla, comisiones, margen de intereses | Valoración de derivados, XVA, modelos de riesgo, ejecución | 3.4, 4.2, 4.3.1 | | Gestora | Fondos de inversión y carteras, sobre todo largos y con índice de referencia | Comisión sobre el patrimonio | Construcción de carteras, factores, atribución, control de riesgo | 4.1, 2.6, 5.5.6 | | Creador de mercado | Cotiza compra y venta de forma continua | Horquilla menos selección adversa; incentivos de los centros | Microestructura, inventario, latencia, infraestructura | 2.3.6, 4.3.2, 7.1 | | Cripto | Exchanges, custodios, creadores de mercado y fondos sobre criptoactivos | Comisiones de negociación, financiación (funding), horquilla | Riesgo de contraparte, arbitraje, datos on-chain | 1.2.6, 3.7, 4.4.4 | | Fintech | Brókeres en línea, gestión automatizada, datos y software | Comisiones, intereses del efectivo, suscripciones | Ingeniería de datos, producto, MLOps, cumplimiento | 1.3, 7.2, 7.3 | Dos matices que la tabla no recoge. El primero: «hedge fund» no es una figura jurídica europea. En la UE, quien gestiona estrategias de ese tipo es un gestor de fondos de inversión alternativos (GFIA, AIFM en inglés) y en España, además, una SGIIC que gestione IIC de inversión libre. El segundo: «prop firm» designa dos cosas que no se parecen. Una es una empresa de trading por cuenta propia, con capital y empleados propios. La otra vende a particulares evaluaciones en cuentas simuladas y les promete capital si las superan; su modelo y sus riesgos se estudian en la lección 7.5.4. ## Las figuras jurídicas en España Cada tipo de empresa tiene una licencia, y la licencia dice qué puede hacer. El artículo 128 de la Ley 6/2023 de los Mercados de Valores clasifica las empresas de servicios de inversión (ESI) españolas: - **Sociedades de valores (SV).** Pueden operar «tanto por cuenta ajena como por cuenta propia» y prestar todos los servicios de inversión. Es la figura de un bróker que también negocia con su balance o crea mercado. - **Agencias de valores (AV).** «Solo pueden operar por cuenta ajena». Reciben, transmiten y ejecutan órdenes de clientes, gestionan carteras o asesoran, pero no negocian por cuenta propia. - **Sociedades gestoras de carteras (SGC)** y **empresas de asesoramiento financiero (EAF).** Gestión discrecional de carteras y asesoramiento, sin poder tener fondos o valores de clientes. - **Entidades de crédito.** No son ESI, pero el mismo artículo les permite prestar todos los servicios de inversión si su autorización las habilita. Por eso un banco puede tener una mesa de trading. Fuera de ese artículo quedan las **SGIIC**, que gestionan fondos y sociedades de inversión (IIC, incluidas las de inversión libre), las **SGEIC**, que gestionan entidades de inversión de tipo cerrado (capital riesgo), y los proveedores de servicios de criptoactivos (CASP) autorizados con MiCA, que se estudian en la lección 3.7.5. ## El ecosistema español en las listas de la CNMV La CNMV publica una lista por tipo de entidad, una página HTML con un bloque por entidad: nombre, número y fecha de registro y dirección. La lección 4.4.1 ya leyó la de ESI europeas en libre prestación para comprobar un bróker; aquí se usan las demás para medir el ecosistema. El código real que las descarga y las cuenta: ```python skip title="cnmv_listas.py" import html import re from urllib.request import Request, urlopen BASE = "https://www.cnmv.es/portal/consultas/listadoentidad.aspx" LISTAS = {"SV y AV": "?id=1&tipoent=0", "EAF": "?id=1&tipoent=2", "SGIIC": "?id=2&tipoent=0", "SGEIC": "?id=4&tipoent=0"} for tipo, q in LISTAS.items(): req = Request(BASE + q, headers={"User-Agent": "Mozilla/5.0"}) with urlopen(req, timeout=30) as r: pagina = r.read().decode("utf-8", errors="replace") texto = html.unescape(re.sub(r"<[^>]+>", "\n", pagina)) n = texto.count("Número y fecha de registro oficial") print(tipo, n) ``` El 23 de octubre de 2026 imprimía 114 SV y AV, 92 EAF, 122 SGIIC y 165 SGEIC. La lista de entidades de crédito españolas usa otro formato (código del Banco de España en vez de número de registro) y tenía 102. La celda siguiente procesa un extracto **ficticio** con el formato de las listas (con menos sangría) para trabajar sin red: ```python import re import pandas as pd LISTA = """ ALCOR MERCADOS, SOCIEDAD DE VALORES, S.A. Número y fecha de registro oficial: 901 - 12/03/1990 Dirección: C/ MAYOR 1 - 28013 MADRID BRIO PATRIMONIOS, A.V., S.L. Número y fecha de registro oficial: 902 - 02/06/2017 Dirección: C/ ARAGO 2 - 08007 BARCELONA CENIT GESTION, SGIIC, S.A. Número y fecha de registro oficial: 903 - 10/04/2001 Dirección: GRAN VIA 3 - 48001 BILBAO DUNA CAPITAL PRIVADO, SGEIC, S.A. Número y fecha de registro oficial: 904 - 01/09/2026 Dirección: C/ COLON 4 - 46004 VALENCIA EBRO ASESORES EAF, S.L. Número y fecha de registro oficial: 905 - 15/01/2025 Dirección: C/ ALFONSO I 5 - 50003 ZARAGOZA FARO QUANT A.V, S.L. Número y fecha de registro oficial: 906 - 24/07/2026 Dirección: C/ AZOR 6 - 28691 VILLANUEVA """ patron = re.compile( r"^(?P\S[^\n]*)\n" r"\s*Número y fecha de registro oficial: (?P\d+)" r" - (?P\d\d/\d\d/\d{4})\n" r"\s*Dirección: (?P[^\n]*)", re.M) ent = pd.DataFrame([m.groupdict() for m in patron.finditer(LISTA)]) ent["fecha"] = pd.to_datetime(ent["fecha"], format="%d/%m/%Y") ent["cp"] = ent["direccion"].str.extract(r"- (\d{5})\b")[0] ent[["nombre", "num", "fecha", "cp"]] ``` ```output nombre num fecha cp 0 ALCOR MERCADOS, SOCIEDAD DE VALORES, S.A. 901 1990-03-12 28013 1 BRIO PATRIMONIOS, A.V., S.L. 902 2017-06-02 08007 2 CENIT GESTION, SGIIC, S.A. 903 2001-04-10 48001 3 DUNA CAPITAL PRIVADO, SGEIC, S.A. 904 2026-09-01 46004 4 EBRO ASESORES EAF, S.L. 905 2025-01-15 50003 5 FARO QUANT A.V, S.L. 906 2026-07-24 28691 ``` La lista mezcla sociedades y agencias de valores, y la figura de cada una solo está en el nombre, escrito sin una norma fija: «SOCIEDAD DE VALORES», «S.V.», «A.V.», «AV» o, como en una entidad real de la lista, «A.V,» con la coma pegada. Las gestoras escriben «SGIIC» o «S.G.I.I.C.», y las EAF, «EAF» o «EAFI». Un clasificador por expresiones regulares tiene que admitir esas variantes. La provincia sale de los dos primeros dígitos del código postal: ```python REGLAS = [ ("SV", r"SOCIEDAD DE VALORES|\bS\.?V\b"), ("AV", r"AGENCIA DE VALORES|\bA\.?V\b"), ("SGIIC", r"\bS\.?G\.?I\.?I\.?C\b|GESTORA DE INSTITUCIONES"), ("SGEIC", r"\bS\.?G\.?E\.?I\.?C\b|ENTIDADES DE INVERSI[OÓ]N"), ("EAF", r"\bE\.?A\.?F\.?I?\b|ASESORAMIENTO FINANCIERO"), ] PROVINCIAS = {"28": "Madrid", "08": "Barcelona", "48": "Bizkaia", "46": "Valencia", "50": "Zaragoza"} def tipo(nombre: str) -> str: for etiqueta, regla in REGLAS: if re.search(regla, nombre.upper()): return etiqueta return "sin clasificar" ent["tipo"] = ent["nombre"].map(tipo) ent["provincia"] = ent["cp"].str[:2].map(PROVINCIAS).fillna("otra") ent[["nombre", "tipo", "provincia"]] ``` ```output nombre tipo provincia 0 ALCOR MERCADOS, SOCIEDAD DE VALORES, S.A. SV Madrid 1 BRIO PATRIMONIOS, A.V., S.L. AV Barcelona 2 CENIT GESTION, SGIIC, S.A. SGIIC Bizkaia 3 DUNA CAPITAL PRIVADO, SGEIC, S.A. SGEIC Valencia 4 EBRO ASESORES EAF, S.L. EAF Zaragoza 5 FARO QUANT A.V, S.L. AV Madrid ``` Con las listas reales, ese clasificador asigna un tipo a cada una de las 493 entidades de las cuatro listas y separa las 114 de la primera en 40 sociedades y 74 agencias de valores: son las dos barras inferiores de la figura de la cabecera. Las sociedades de valores, destacadas, son las únicas ESI españolas que pueden negociar por cuenta propia. La misma agregación da la geografía: ```python # (entidades con código postal 28xxx, total de la lista) madrid = pd.DataFrame( {"en_madrid": [88, 101, 96, 53], "total": [114, 122, 165, 92]}, index=["SV y AV", "SGIIC", "SGEIC", "EAF"]) madrid["pct"] = (100 * madrid["en_madrid"] / madrid["total"]).round(1) madrid ``` ```output en_madrid total pct SV y AV 88 114 77.2 SGIIC 101 122 82.8 SGEIC 96 165 58.2 EAF 53 92 57.6 ``` Más de tres cuartas partes de las SV y AV y de las SGIIC tienen su dirección registrada en la provincia de Madrid; las gestoras de capital riesgo (SGEIC) y las EAF están algo más repartidas, con Barcelona en segundo lugar (35 SGEIC y 14 EAF). La dirección registrada es la del domicilio social: no dice dónde trabaja cada empleado, pero sí dónde están la dirección y, casi siempre, las mesas. ## Cómo ganan dinero, con datos de la CNMV Las estadísticas de ESI de la CNMV publican cada trimestre el balance y la cuenta de resultados agregados de las sociedades y agencias de valores. El cuadro 1.4 desglosa las comisiones percibidas por servicio, en miles de euros **acumulados desde el inicio del año** (nota 2 del cuadro), así que la columna del cuarto trimestre es el año completo. Este es el extracto de 2025, con los números del cuadro publicado con datos a junio de 2026: ```python import io CUADRO = """partida;miles 2.1.1. Tramitación y ejecución de órdenes;170.106 2.1.2. Colocación y aseguramiento de emisiones;10.296 2.1.3. Depósito y anotación de valores;32.196 2.1.4. Gestión de carteras;68.167 2.1.5. Asesoramiento en materia de inversión;68.920 2.1.6. Búsqueda y colocación de paquetes;1.147 2.1.7. Operaciones de crédito al mercado;0 2.1.8. Comercialización de IIC;232.984 2.1.9. Internalización sistemática de órdenes;0 2.1.10. Intermediación en instrumentos derivados;11.279 2.1.11. Elaboración de informes y análisis financieros;11.077 2.1.12. Servicios y actividades con criptoactivos;0 2.1.13. Otras;106.013 """ com = pd.read_csv(io.StringIO(CUADRO), sep=";", thousands=".") com[["codigo", "servicio"]] = com["partida"].str.extract( r"^([\d.]+?)\.? (.+)$") total = com["miles"].sum() print(f"Suma: {total} miles de euros; total del cuadro: 712186") com["pct"] = (100 * com["miles"] / total).round(1) print(com.sort_values("miles", ascending=False)[ ["servicio", "miles", "pct"]].head(5).to_string(index=False)) ``` ```output Suma: 712185 miles de euros; total del cuadro: 712186 servicio miles pct Comercialización de IIC 232984 32.7 Tramitación y ejecución de órdenes 170106 23.9 Otras 106013 14.9 Asesoramiento en materia de inversión 68920 9.7 Gestión de carteras 68167 9.6 ``` *Fig. — Comisiones percibidas por las sociedades y agencias de valores españolas en 2025, por servicio.* Barras horizontales en millones de euros: comercialización de IIC 233,0 (destacada), tramitación y ejecución de órdenes 170,1, otras 106,0, asesoramiento 68,9, gestión de carteras 68,2, depósito de valores 32,2, derivados 11,3, informes y análisis 11,1 y colocación de emisiones 10,3. La suma de las partidas se queda a mil euros del total publicado: cada partida está redondeada a miles, y una diferencia de una unidad es redondeo, no un error de transcripción. Comprobar la suma es lo primero que hay que hacer al copiar una tabla. Y el resultado contradice la imagen habitual de un bróker: la primera partida no es la ejecución de órdenes sino la **comercialización de fondos**, un tercio de las comisiones. La ejecución, la intermediación en derivados y la búsqueda de paquetes, lo más parecido al trading, suman el 25,6 %. Para quien busca trabajo esto tiene una lectura directa: en muchas ESI españolas el negocio es distribuir y asesorar, y el trabajo cuantitativo, cuando lo hay, está en carteras, riesgo y datos más que en estrategias. La cuenta de resultados dice también cuánto pesa el personal: ```python pyg = pd.Series({"margen_bruto": 649_333, "personal": 309_801, "generales": 166_567, "antes_impuestos": 162_612}) print((pyg / 1000).round(1).to_string()) print(f"Personal / margen bruto: " f"{pyg['personal'] / pyg['margen_bruto']:.1%}") ``` ```output margen_bruto 649.3 personal 309.8 generales 166.6 antes_impuestos 162.6 Personal / margen bruto: 47.7% ``` El personal fue el mayor gasto del sector en 2025, casi la mitad del margen bruto. Es un dato agregado de 114 entidades muy distintas y no dice nada de salarios individuales: las estadísticas no lo publican y esta lección no da cifras de salarios sin una fuente primaria que las publique. ## Europa en el registro de ESMA ESMA mantiene un registro de entidades autorizadas con arreglo a MiFID II y a otras normas (gestoras de fondos UCITS y alternativos, centros de negociación, internalizadores). La interfaz web consulta un índice Solr que admite recuentos por campo (*facets*). La consulta de abajo funcionaba el 23 de octubre de 2026; no es una API documentada: ```python skip title="esma_recuentos.py" import json from urllib.parse import urlencode from urllib.request import Request, urlopen URL = ("https://registers.esma.europa.eu/solr/" "esma_registers_upreg/select?") params = [("q", "type_s:parent"), ("rows", 0), ("wt", "json"), ("fq", "ae_status:Active"), ("fq", 'ae_officeType:"Head office"'), ("facet", "true"), ("facet.limit", 60), ("facet.pivot", "ae_entityTypeLabel,ae_homeMemberState")] req = Request(URL + urlencode(params), headers={"User-Agent": "Mozilla/5.0"}) with urlopen(req, timeout=30) as r: datos = json.load(r) pivote = datos["facet_counts"]["facet_pivot"] print(pivote["ae_entityTypeLabel,ae_homeMemberState"][0]) ``` La respuesta es un árbol: un nodo por tipo de entidad con su total y, dentro, un nodo por Estado de origen. La celda siguiente lee un extracto de esa respuesta con los **valores reales** de la consulta (los cinco primeros Estados de cada tipo y España): ```python import json RESPUESTA = """[ {"value": "investment firm", "count": 5319, "pivot": [ {"value": "germany", "count": 1865}, {"value": "italy", "count": 463}, {"value": "austria", "count": 458}, {"value": "spain", "count": 312}, {"value": "france", "count": 268}]}, {"value": "aifm", "count": 2882, "pivot": [ {"value": "france", "count": 566}, {"value": "poland", "count": 384}, {"value": "spain", "count": 337}, {"value": "luxembourg", "count": 273}, {"value": "hungary", "count": 137}]}, {"value": "ucits management company", "count": 1143, "pivot": [ {"value": "luxembourg", "count": 286}, {"value": "france", "count": 224}, {"value": "spain", "count": 110}, {"value": "ireland", "count": 92}, {"value": "italy", "count": 45}]} ]""" filas = [{"tipo": t["value"], "total": t["count"], "estado": e["value"], "n": e["count"]} for t in json.loads(RESPUESTA) for e in t["pivot"]] esma = pd.DataFrame(filas) esma["pct"] = (100 * esma["n"] / esma["total"]).round(1) print(esma[esma["estado"] == "spain"].to_string(index=False)) ``` ```output tipo total estado n pct investment firm 5319 spain 312 5.9 aifm 2882 spain 337 11.7 ucits management company 1143 spain 110 9.6 ``` *Fig. — Empresas de servicios de inversión activas en el registro de ESMA, por Estado de origen (ocho primeros; 23 de octubre de 2026).* Barras horizontales: Alemania 1.865, Italia 463, Austria 458, España 312 (destacada), Francia 268, Chipre 265, Países Bajos 222 y Dinamarca 199. España es el cuarto Estado por número de empresas de servicios de inversión activas y el tercero en gestoras de fondos alternativos y de UCITS. Pero los recuentos de ESMA y de la CNMV no cuentan lo mismo: los 312 «investment firms» españoles del registro europeo son casi tres veces las 114 SV y AV de la lista nacional. Clasificando los 312 nombres con las reglas de la lección salen 39 SV, 75 AV, 92 EAF y 106 nombres sin ninguna de esas siglas; 103 de ellos llevan «BANCO», «BANK», «CAJA», «CAIXA» o «CRÉDITO» en el nombre. Las entidades de crédito que prestan servicios de inversión (artículo 128.3 de la Ley 6/2023) figuran en el registro europeo con esa etiqueta, y la CNMV las lista aparte. Comparar países con este recuento exige saber qué figuras nacionales carga cada autoridad bajo la misma etiqueta: un recuento sin definición no sirve para comparar. ## Del registro a la oferta de empleo Con el mapa y las fuentes, comprobar a un posible empleador cuesta unos minutos y evita sorpresas: ```mermaid flowchart LR A[Oferta de empleo] --> R{¿En un registro?} R -- sí --> L{¿Licencia acorde?} R -- no --> W[Advertencias] L -- sí --> E[Entrevista] L -- no --> P[Preguntar] ``` 1. **Identificar la entidad que contrata.** El nombre comercial no basta: el contrato se firma con una sociedad, y el aviso legal de su web da la razón social y el número de registro. 2. **Buscarla en el registro que corresponde a lo que dice hacer.** Gestión de fondos: SGIIC o SGEIC en la CNMV, o gestora UCITS o AIFM en el registro de ESMA. Negociación por cuenta propia o creación de mercado: SV o entidad de crédito. Criptoactivos: CASP autorizado (lección 3.7.5). 3. **Comprobar que la licencia cuadra con la actividad.** Una agencia de valores que anuncia una mesa de trading propio, o una EAF que habla de «gestionar el capital de la firma», merecen una pregunta en la entrevista. 4. **Si no aparece en ningún registro**, buscarla en las advertencias de la CNMV sobre entidades no autorizadas. No aparecer en un registro no es ilegal si la actividad no necesita autorización (una empresa de software, una consultora, un trader con su propio dinero), pero entonces no es una entidad financiera regulada, con lo que eso implica para la estabilidad del empleo y para lo que puede prometer. El salto de cada tipo de empresa a un puesto concreto, y lo que se pregunta en las entrevistas, está en la lección 7.5.3; la formación que piden las ofertas y los riesgos de las prop firms de evaluación, en la 7.5.4. ## Ejercicios 1. Clasifica estos nombres, con el formato del registro de ESMA, con la función `tipo` de la lección ampliada con una regla para entidades de crédito. ¿Cuántos quedan en cada grupo? **Solución.** ```python NOMBRES = ["ALCOR MERCADOS, SOCIEDAD DE VALORES, S.A.", "BRIO PATRIMONIOS, A.V., S.L.", "CENIT BANCO, S.A.", "CAJA RURAL DEL EBRO, S. COOP. DE CREDITO", "EBRO ASESORES EAF, S.L.", "GALENA INVESTMENT, S.A."] REGLAS_ESMA = REGLAS + [ ("crédito", r"BANC|BANK|\bCAJA\b|CAIXA|CR[EÉ]DITO")] def tipo_esma(nombre: str) -> str: for etiqueta, regla in REGLAS_ESMA: if re.search(regla, nombre.upper()): return etiqueta return "sin clasificar" pd.Series([tipo_esma(n) for n in NOMBRES]).value_counts() ``` ```output crédito 2 SV 1 AV 1 EAF 1 sin clasificar 1 Name: count, dtype: int64 ``` El orden de las reglas importa: las siglas de ESI van antes que las de crédito para que «… BANCA, AGENCIA DE VALORES» no se cuente como banco. GALENA INVESTMENT queda sin clasificar, como tres nombres reales del registro de ESMA; uno es «SANTANDER INVESTMENT, S.A.», que figura en la lista de entidades de crédito españolas de la CNMV aunque su nombre no lo diga. Para esos casos el nombre no basta y hay que cruzar con esa lista o con el código del Banco de España. 2. Las cifras del cuadro 1.4 son acumuladas desde enero. Con las comisiones por tramitación y ejecución de órdenes acumuladas a junio, septiembre y diciembre de 2025 (84.337, 124.996 y 170.106 miles de euros) y a marzo y junio de 2026 (51.838 y 97.771), calcula las de cada trimestre. ¿Cuál fue el trimestre con más comisiones por órdenes? **Solución.** ```python acum = pd.Series([84_337, 124_996, 170_106, 51_838, 97_771], index=["2025T2", "2025T3", "2025T4", "2026T1", "2026T2"]) anio = acum.index.str[:4] trim = acum.groupby(anio).diff().fillna(acum) trim = trim.drop("2025T2") # sin 2025T1 no se puede separar trim.astype(int) ``` ```output 2025T3 40659 2025T4 45110 2026T1 51838 2026T2 45933 dtype: int64 ``` El primer trimestre de cada año ya es trimestral; los demás se obtienen restando el acumulado anterior **del mismo año**, por eso la diferencia se agrupa por año. El dato de 2025T2 no se puede separar sin el de marzo de 2025, que no está en el extracto. El trimestre con más comisiones por órdenes fue el primero de 2026, con 51.838 miles de euros, frente a 40.000–46.000 en los demás. Restar sin agrupar habría dado un «2026T1» negativo (51.838 − 170.106), un error clásico al trabajar con cuentas de resultados acumuladas. 3. Una oferta pide un «quant researcher» para «una firma de trading propietario con sede en Madrid» y no da el nombre de la sociedad. Enumera qué comprobarías antes y durante la entrevista con las fuentes de esta lección. **Solución.** Antes: la razón social (aviso legal de la web o el registro mercantil) y su presencia en la lista de sociedades de valores de la CNMV o en el registro de ESMA como empresa de servicios de inversión o entidad de crédito; si negocia solo con su capital y sin acceso como miembro, puede no necesitar autorización (artículo 2.1.d de MiFID II), y entonces conviene saberlo. Si no aparece en ningún registro, las advertencias de la CNMV. Durante la entrevista: de dónde sale el ingreso (capital propio de socios, de un grupo o de terceros), quién asume las pérdidas, en qué mercados es miembro o con qué brókeres opera, cómo se controla el riesgo intradía (lección 4.2.5) y cómo se mide el trabajo de un researcher. Si «capital propio» resulta ser el de clientes que pagan por evaluaciones, es el modelo de la lección 7.5.4, no una empresa de trading propio. ## Autoevaluación 1. Una empresa española anuncia un puesto de «trader cuantitativo» para operar con su propio capital en un mercado regulado del que es miembro. ¿Qué figura de la Ley 6/2023 encaja con esa actividad? - A. Una agencia de valores - B. Una sociedad de valores (o una entidad de crédito habilitada) - C. Una empresa de asesoramiento financiero - D. Una sociedad gestora de carteras *Respuesta B: Una sociedad de valores (o una entidad de crédito habilitada).* El artículo 128 de la Ley 6/2023 permite a las sociedades de valores operar por cuenta ajena y por cuenta propia. Las agencias de valores solo pueden operar por cuenta ajena, y las SGC y las EAF no pueden operar en nombre propio salvo para administrar su patrimonio. Las entidades de crédito pueden prestar servicios de inversión si su autorización las habilita. 2. En 2025, ¿cuál fue la mayor fuente de comisiones de las sociedades y agencias de valores españolas según el cuadro 1.4 de la CNMV? - A. La tramitación y ejecución de órdenes - B. La intermediación en derivados - C. La gestión de carteras - D. La comercialización de IIC (fondos) *Respuesta D: La comercialización de IIC (fondos).* La comercialización de IIC sumó 233,0 millones de euros, el 32,7 % de las comisiones percibidas, por delante de la tramitación y ejecución de órdenes (170,1 millones, 23,9 %). El negocio de muchas ESI depende más del patrimonio de clientes que del volumen negociado. 3. El registro de ESMA cuenta 312 «investment firms» activas con sede en España, y la CNMV lista 114 sociedades y agencias de valores y 92 EAF. ¿De dónde sale la diferencia? - A. De entidades de crédito que prestan servicios de inversión y figuran en el registro de ESMA con esa etiqueta - B. De un error del registro de ESMA - C. De sucursales de empresas extranjeras - D. De empresas dadas de baja que ESMA no ha retirado *Respuesta A: De entidades de crédito que prestan servicios de inversión y figuran en el registro de ESMA con esa etiqueta.* Clasificando los 312 nombres, 39 son SV, 75 AV, 92 EAF y 106 no llevan ninguna de esas siglas: por el nombre, casi todas bancos, cajas y cooperativas de crédito. La consulta ya filtra entidades activas y sedes centrales. Antes de comparar dos registros hay que leer qué cuenta cada uno. 4. La lista de SGIIC de la CNMV muestra muchas más gestoras registradas antes de 2000 que en cualquier año reciente. ¿Qué se puede concluir? - A. Que antes se creaban más gestoras - B. Que el sector está en declive - C. Nada sobre las altas por año: la lista solo contiene las gestoras vigentes, así que mide supervivientes, no entradas - D. Que las gestoras antiguas son mejores *Respuesta C: Nada sobre las altas por año: la lista solo contiene las gestoras vigentes, así que mide supervivientes, no entradas.* Es el sesgo de supervivencia de la lección 1.4.4 aplicado a un registro: las gestoras que se dieron de baja no aparecen. Para estudiar entradas y salidas hacen falta series históricas, como las de las estadísticas de la CNMV. 5. ¿Qué distingue el modelo de ingresos de un creador de mercado del de una gestora? - A. Ninguna diferencia: los dos cobran comisiones de gestión - B. El creador de mercado gana la horquilla con su propio balance y pierde frente a contrapartes mejor informadas; la gestora cobra una comisión sobre el patrimonio de sus clientes - C. La gestora gana la horquilla y el creador de mercado cobra comisión de éxito - D. Los dos viven de vender datos *Respuesta B: El creador de mercado gana la horquilla con su propio balance y pierde frente a contrapartes mejor informadas; la gestora cobra una comisión sobre el patrimonio de sus clientes.* Son los dos extremos del mapa: capital propio y riesgo de inventario (lección 2.3.6) frente a patrimonio ajeno y comisiones. Por eso cambian el tipo de trabajo cuantitativo, la tolerancia a la latencia y la forma de medir el rendimiento. ## Ideas clave - El tipo de empresa se entiende por el origen del ingreso: patrimonio ajeno (gestoras, hedge funds), flujo de clientes (brókeres, bancos, exchanges), capital propio (trading propio, creadores de mercado) o venta de servicios (fintech, datos). - En España, solo las sociedades de valores y las entidades de crédito habilitadas pueden negociar por cuenta propia; las agencias de valores operan por cuenta ajena (artículo 128 de la Ley 6/2023). - Las listas de la CNMV del 23/10/2026 tienen 40 SV, 74 AV, 92 EAF, 122 SGIIC, 165 SGEIC y 102 entidades de crédito; más de tres cuartas partes de las SV y AV y de las SGIIC tienen la dirección en Madrid. - En 2025 las SV y AV percibieron 712,2 millones de euros en comisiones, y la primera partida fue la comercialización de fondos (32,7 %); el personal fue el 47,7 % del margen bruto. - El registro de ESMA cuenta 5.319 empresas de servicios de inversión activas en el EEE; las 312 españolas incluyen bancos que prestan servicios de inversión. - Los registros cuentan supervivientes y cada uno define a su manera qué cuenta: antes de sacar conclusiones, hay que leer la definición y la fecha. ## Recursos ### Research - [Quant research](https://pythonparatrading.com/quant-research/) · Research-0023 · 8 min ### Documentación - [CNMV: listas de entidades registradas (SV y AV, SGIIC, EAF, ESI extranjeras, entidades de crédito)](https://www.cnmv.es/portal/consultas/listadoentidad.aspx?id=1&tipoent=0) · cnmv.es - [CNMV: estadísticas sobre empresas de servicios de inversión (balances y cuentas de resultados trimestrales)](https://www.cnmv.es/portal/publicaciones/consultasestadisticas.aspx?id=ESI) · cnmv.es - [ESMA: bases de datos y registros](https://www.esma.europa.eu/publications-and-data/databases-and-registers) · esma.europa.eu - [Ley 6/2023, de 17 de marzo, de los Mercados de Valores y de los Servicios de Inversión (artículo 128)](https://www.boe.es/buscar/act.php?id=BOE-A-2023-7053) · boe.es - [Directiva 2014/65/UE (MiFID II), texto publicado en el DOUE (artículo 2: excepciones)](https://boe.es/doue/2014/173/L00349-00496.pdf) · boe.es Lección anterior: [7.5.1 · Roles del quant: seis oficios alrededor de un mismo sistema](https://pythonparatrading.com/curso-python-trading/nivel-7/roles-del-quant/) Lección siguiente: [7.5.3 · Portfolio público y entrevistas: enseñar criterio, no rentabilidades](https://pythonparatrading.com/curso-python-trading/nivel-7/portfolio-publico-y-entrevistas-quant/)