/* global React */ // §5.6 PeerReviewWorkflow — P18b editor de review (modo hostil M04.E08) const { useState, useMemo } = React; const RUBRIC_DIMENSIONS = [ { id: "precision_tecnica", label: "Precisión técnica", max: 30, attackVectors: [ "¿β apalancada vs desapalancada justificada?", "¿La fórmula FF5 incluye los 5 factores o solo 3?", "¿Las primas factoriales son consistentes con el período de estimación?", ], }, { id: "uso_evidencia", label: "Uso de evidencia y fuentes", max: 25, attackVectors: [ "¿Está citando el dataset por celda específica?", "¿Hay growth assumption sin análisis de sensibilidad?", "¿Menciona limitación temporal de FF3 en períodos cortos?", ], }, { id: "lenguaje_prudente", label: "Lenguaje prudente", max: 25, attackVectors: [ "¿Hay frases tipo \"el modelo predice/garantiza\"?", "¿Pasa el linter de prohibited_language?", "¿Atribuye certeza a R² alto sin caveat de sub-período?", ], }, { id: "transferencia", label: "Transferencia", max: 10, attackVectors: [ "¿Aplica la conclusión a la decisión de inversión real?", "¿Hace explícita la incertidumbre residual?", "¿Conecta divergencia inter-método con riesgo de modelo?", ], }, { id: "claridad", label: "Claridad", max: 10, attackVectors: [ "¿Las tablas tienen unidades y fuente?", "¿El diagnóstico de divergencia se entiende sin contexto extra?", "¿La recomendación final es accionable?", ], }, ]; const RUBBER_STAMP_PATTERNS = [ /todo bien/i, /buen trabajo/i, /sin problemas/i, /perfecto/i, /muy bien/i, ]; function dimensionRubberStamp(text) { if (text.trim().length < 30) return true; for (const re of RUBBER_STAMP_PATTERNS) { if (re.test(text) && text.trim().length < 80) return true; } return false; } function ScoreBar({ value, max, color }) { const pct = (value / max) * 100; return (
); } function PeerReviewWorkflow() { const [hostile] = useState(true); // M04.E08 const [scores, setScores] = useState({ precision_tecnica: 5, uso_evidencia: 4, lenguaje_prudente: 6, transferencia: 6, claridad: 7, }); const [comments, setComments] = useState({ precision_tecnica: "El reviewee aplica β apalancada (1.20) pero no justifica por qué ignora el smoothing Blume — la sensibilidad reportada al final de §1 muestra que Blume mueve Ke en 0,4pp, lo cual NO es marginal cuando luego declara divergencia de 2.9pp como \"informativa\". Hay inconsistencia metodológica.", uso_evidencia: "", lenguaje_prudente: "", transferencia: "", claridad: "", }); const [expandedDimension, setExpandedDimension] = useState("uso_evidencia"); const [showVectors, setShowVectors] = useState(true); const totalScore = Object.values(scores).reduce((a, b) => a + b, 0); const totalMax = RUBRIC_DIMENSIONS.reduce((a, d) => a + d.max, 0); const totalChars = Object.values(comments).reduce((a, b) => a + b.length, 0); const allDimensionsCommented = RUBRIC_DIMENSIONS.every(d => !dimensionRubberStamp(comments[d.id])); const totalAboveMin = totalChars >= 300; const canSend = allDimensionsCommented && totalAboveMin; return (
P18b · peer review editor ·

Peer Review · hostile mode

M04 · E08 reviewer pseudo: aleph_07 deadline: 36h
{/* LEFT — reviewee report (read only) */}
Informe del reviewee · read only
pseudo: orion_23 · empresa: META · 1487 palabras
§ 04

Comparación cuantitativa de los 3 enfoques

Los tres métodos producen resultados distintos. CAPM arroja 8,2%, FF5 arroja 11,1% e ICC arroja 9,3%. La diferencia entre el más alto y el más bajo es de 2,9pp.

La metodología FF5 incorpora factores adicionales que el CAPM ignora, especialmente el tilt growth de la empresa elegida (β_HML = −0,40). Esto explica buena parte de la divergencia entre CAPM y FF5, ya que la prima value-growth tiene signo y CAPM la deja fuera del modelo.

Promediando los tres métodos obtenemos un Ke robusto de 9,5%, que utilizo como input central para la valoración DCF.

Tabla 4 · Ke (%)
CAPM 8.2 ·{" "} FF5 11.1 ·{" "} ICC 9.3

R² del FF5 es 0,90 vs 0,70 de CAPM, lo que demuestra que FF5 es el modelo correcto para esta empresa.

{/* RIGHT — review editor */}
{hostile && (
Modo hostil · M04.E08
Crítica a la metodología, no a la persona. Lista negra anti-personalismos activa.
)}
{RUBRIC_DIMENSIONS.map(d => { const isExpanded = expandedDimension === d.id; const rubberStamp = comments[d.id].length > 0 && dimensionRubberStamp(comments[d.id]); const filled = comments[d.id].length >= 30 && !rubberStamp; const score = scores[d.id]; return (
{isExpanded && (
{/* Score slider */}
score {score}/{d.max}
setScores({ ...scores, [d.id]: parseInt(e.target.value, 10) })} style={{ width: "100%", accentColor: "var(--peer-color)" }} />
{/* Attack vectors */} {hostile && showVectors && (
vectores de ataque · click para citar
{d.attackVectors.map((v, i) => ( ))}
)} {/* Comment textarea */}