# PROTOCOLO DE SOBRES SELLADOS · predicciones sobre expedientes CNMC abiertos (SOB1 · 22-oct-2026)

Programa de `asesor/SOTA_PLAN_22OCT.md` §3 («predicciones selladas como programa») y §7.1 (sobres que no necesitan
etiqueta hoy). Generaliza el sobre de Cantabria (`colusion/D1D2.md` §4; md5 `8145e9e1…`, 21-oct 19:17:03 CEST) a cualquier
expediente incoado y sin resolver. **Este documento no sella nada**: fija el método; qué hechos entran en cada sobre lo decide
el orquestador escribiendo la `config` antes de llamar a `sellar.py`.

## 1. Qué se sella

Para cada expediente `<exp>` (código CNMC con «/» → «-», p. ej. `S0004-25`):

1. **El universo**: `salidas/universos/<exp>.parquet` (una fila por lote adjudicado: `source`, licitación y lote, sin copias,
   `NOT es_copia` de `unified_20261018`). Contiene **solo ids en md5** (`id_lote` = md5(source|licitacion_id|lote),
   `id_lic` = md5(source|licitacion_id), `id_organo` = md5(organo_clave)), atributos de mercado (año, CPV, tipo de contrato y de
   órgano, nº de ofertas, importes) y los **hechos ya medidos**; nada de empresas. Banderas para recortar el universo:
   `en_mercado` (CPV/objeto del expediente), `en_nucleo` (la parte del mercado que la nota de prensa nombra), `en_organos`
   (tipo de órgano citado), `en_periodo` (ventana supuesta), `es_menor`. La tabla de vuelta a los ids reales
   (`interno/universos_mapa.parquet`, 700) solo se usa al abrir. El md5 del parquet entra en el sobre.
2. **La config** (JSON, su md5 entra en el sobre): expresión del universo, lista de hechos con sentido, forma de combinarlos,
   mínimo de hechos disponibles, **regla de decisión por lote** (umbral), **regla por expediente**, criterio de acierto y el
   **sesgo de etiqueta declarado** (§5).
3. **La predicción por lote**: puntuación de cada hecho (en [0,1], orientada), puntuación combinada y `senalado` (binario).
4. **La predicción por expediente** (binaria): «la resolución acreditará manipulación en este universo» si la tasa de
   señalados del universo ≥ tasa de referencia × (1 + margen); la tasa de referencia (y de dónde sale: p. ej. 20,3 % de los
   controles nacionales de obras en Cantabria) la fija la config. Si los hechos no separan, lo honesto es que la predicción
   por expediente salga «no distingue», y así se sella.
5. **El md5 del código** (`sellar.py`) y la fecha y hora.

### Hechos disponibles hoy (columnas del universo)

| Hecho | Columnas | Unidad y cobertura | Estado en el registro |
|---|---|---|---|
| OU1 oferta única | `ou1_evaluable`, `ou1_unica`, `ou1_p` (esperado del modelo de OU1) | lote PLACSP evaluable | hecho pasa; frente a cárteles **invertido** (O/E 0,55) |
| VC1 cambios tras publicar | `vc1_evaluable`, `vc1_fondo`, `vc1_tipo`, `vc1_subtipo`, `vc1_p` | lote PLACSP | hecho pasa; frente a cárteles **invertido** (0,351) |
| RS1 lotes hermanos | `rs1_celda_evaluable`, `rs1_hermana` | lote en celda órgano × CPV2 × año evaluada | hecho pasa; frente a cárteles nulo (0,508) |
| D1 capa 1 (descuentos y dispersión) | `d1_en_p`, `d1_en_c`, `d1_baja`, `d1_baja_cond`, `d1_rango`, `d1_sep`, `d1_pnc`, `d1_pct_s3` | PLACSP 2018-2025, ≥ 3 ofertas, mín/máx | no pasa (AUC 0,505); PNC 0,677 solo en militar |
| B3 ofertas por licitador | `b3_en_piloto`, `b3_cv`, `b3_diffp` | solo las 457 licitaciones del piloto A | no seguir |

Ninguno ha pasado frente a cárteles sancionados: **lo esperable es fallo**, y eso es lo que da valor al sobre (es una prueba
prospectiva que no se puede ajustar a posteriori). La regla de §7 de SOTA_PLAN («los hechos de proceso no separan») se
mantiene: el sobre la pone a prueba fuera de muestra, no la contradice.

## 2. Formato

- `sellados/sobre_<exp>.json`: JSON **canónico** (claves ordenadas, sin espacios, UTF-8, floats a 6 decimales) con
  `protocolo`, `expediente`, `sellado`, `universo{fichero, md5, expresion, lotes, lotes_puntuados, licitaciones}`, `config`,
  `config_md5`, `codigo_md5`, `prediccion_expediente`, `senalados`, `lotes[{id_lote, id_lic, anio, hechos[], puntuacion,
  senalado}]`, `se_abre`.
- `sellados/sobre_<exp>.json.md5`: `<md5>  sobre_<exp>.json  sellado <fecha hora zona>` (444).
- `sellados/sobre_<exp>.original.json`: copia 444. Un sobre no se sobrescribe nunca (el guion aborta si existe).
- Lo publicable antes de abrir: **solo** el md5, la fecha, el nº de lotes y licitaciones del universo, la regla y el criterio
  (como la entrada `d2-cantabria-prediccion`). Ni la lista ni las puntuaciones.

## 3. Cuándo se abre

- (Sobres de autoridades autonómicas: con la resolución de esa autoridad; campo `se_abre_autoridad` de la config.)
- Cuando la CNMC publique la **resolución del Consejo** del expediente (ficha `cnmc.es/expedientes/<código>` con «Resolución
  del Consejo – …») o su **archivo**. Plazo legal de 24 meses desde la incoación (18 en los iniciados con la redacción
  anterior; ver INVENTARIO); suspensiones y ampliaciones lo alargan.
- **Comprobación semanal** (lunes, revisión del framework): 1 petición por expediente abierto a su ficha; si cambia
  «Último resultado», se descarga la resolución.
- **Autoridades autonómicas** (añadido el 27-oct-2026 por decisión del orquestador; SOB2) <!-- sob2-lunes-autonomicas -->: la comprobación de los
  lunes suma **3 peticiones**, con el mismo descargador educado (≥ 5 s, `robots.txt` cumplido, parada con 403/429):
  - ACREA: `https://www.juntadeandalucia.es/defensacompetencia/defensa-de-la-competencia/consulta-de-expedientes-y-resoluciones/`
    (lista «expedientes en trámite» y últimas resoluciones);
  - CGC: `https://competencia.gal/gl/expedientes` (resoluciones; una incoación aparece como nota en `/gl/actualidade`);
  - AVC: `https://www.competencia.euskadi.eus/avc/expedientes-incoados/webavc00-container/es/`.
  Si un expediente con sobre (ACREA-ES-01-2024, V-FIRMES-AND-26) sale de «en trámite» o aparece su resolución, se descarga la resolución y
  el sobre se abre con ella. Si es una caducidad, el sobre espera al procedimiento nuevo.
  Si aparece una incoación nueva de contratación pública (en firmes, la nueva incoación de ES-02/2023), se anota en el INVENTARIO. La **ACCO**
  no se consulta: su `robots.txt` veta a todos los agentes.
- **CNMC sin buscador**: su `robots.txt` veta `/buscador*`, `/*?`, `/*&` y `/listado/` a todo agente. Las incoaciones nuevas se buscan en
  `https://www.cnmc.es/feed/all` y en `https://www.cnmc.es/prensa/noticias`, la primera página y sin paginar. Los expedientes, en sus fichas
  `/expedientes/<código>`. Nunca con el buscador.
- Si la resolución sale **antes** de sellar, el expediente queda fuera del programa (no hay predicción posible).
- **Ampliaciones de incoación** (nuevas empresas o directivos, como Cantabria el 6-oct-2026) no reabren el sobre: el universo
  no depende de las empresas.

## 4. Cómo se mide al abrir (`sellar.py abrir`)

1. `verificar`: el md5 recalculado debe coincidir; si no, no se abre.
2. **Verdad R**: las licitaciones que la resolución cite como afectadas, casadas con la regla E1 de D4c (expediente exacto;
   23/23 en el cotejo) contra `interno/universos_mapa.parquet` → `id_lic`. Si la resolución no lista licitaciones, R = lotes
   ganados por las sancionadas en el periodo y mercado acreditados (casado por nombre exacto, como V2 de P8), declarado.
   Las citadas que caen fuera del universo se cuentan (`fuera_de_universo`): miden cuánto falló la definición del universo,
   no el screen.
3. **Métricas**: precisión y recall de `senalado` frente a R; F1; tasa de señalados en R y en el resto del universo; AUC de la
   puntuación (Mann-Whitney con empates) con IC 95 % bootstrap por licitación (2.000 réplicas, semilla 20261022).
4. **Veredicto** (criterio escrito en la config antes de sellar; el de Cantabria por defecto): **acierto** si recall ≥ 0,60 (y,
   cuando la config lo pide, señalados en controles ≤ 25 %); **acierto débil** si AUC ≥ 0,65 con límite inferior > 0,50;
   **fallo** en otro caso. **Archivo sin infracción**: se publica la tasa de señalados del universo como tasa de falsos
   positivos y la predicción por expediente acierta si era «no distingue».
5. **Agregado del programa**: con ≥ 10 sobres abiertos, el registro publica la tabla de aciertos por expediente y la AUC media
   con su IC; con menos, solo expediente a expediente.

## 5. Sesgo de etiqueta (se declara en cada sobre)

- **Selección**: la CNMC cita las licitaciones que pudo probar (documentos de inspección, clemencia), no todas las afectadas.
  Lo no citado **no es limpio**: la precisión medida es una **cota inferior** y el recall se mide solo sobre lo probado.
- **Mecanismo**: en cobertura y reparto todas las empresas se presentan (más ofertas, menos oferta única): los hechos de
  «falta de competencia» van al revés por construcción (P8, OU1, VC1). Se predice igual; el sentido de cada hecho se fija en
  la config y no se cambia al abrir.
- **Universo**: mercado, territorio y periodo salen de la nota de prensa y la ficha (sección NACE), no de la resolución; el
  periodo es **supuesto** hasta que la resolución lo acredite. Las citas fuera de la ventana se informan aparte.
- **Cobertura**: los hechos D1/OU1/VC1 solo existen para la PLACSP (las plataformas autonómicas no traen mín/máx); un lote sin
  hechos queda sin puntuación y fuera de las métricas (se informa cuántos).
- **Clientes privados**: las notas de Cantabria y Castilla-La Mancha incluyen contratos privados: no están en nuestros datos.

## 6. Entrada en el registro de precisión

Al sellar, el orquestador añade a `app/datos/precision.json` (en una PR, no desde aquí) una entrada como
`d2-cantabria-prediccion`: `veredicto: "sellada, pendiente"`, `publicacion: "no publicado"`, `prediccion{md5, sellado,
se_abre}`, `n` = lotes puntuados, `que_mide`, `verdad` («la resolución del expediente <código>»), `umbral` (el criterio de §4
copiado de la config), `metricas` con el recuento agregado de señalados y la `nota` con la lectura previa (lo esperable).
`id` propuesto: `sob-<exp en minúsculas>` (p. ej. `sob-s0015-25`). Al abrir: `veredicto` pasa a «pasa» (acierto), «no pasa»
(fallo) o «no confirmada» (acierto débil), con las métricas del §4 y el enlace a la apertura.

## 7. Cómo se sella (para el orquestador)

```
# 1) escribir la config (p. ej. config/S0015-25.json) y revisar el seco
./run.sh py/sellar.py seco sellar --exp S0015-25 --config config/S0015-25.json --seco
# 2) sellar de verdad (escribe en sellados/, 444)
./run.sh py/sellar.py sello sellar --exp S0015-25 --config config/S0015-25.json
# 3) comprobar
./run.sh py/sellar.py verif verificar --sobre sellados/sobre_S0015-25.json
# al abrir, con la verdad casada en verdad/S0015-25.tsv (cabecera id_lic)
./run.sh py/sellar.py abre abrir --sobre sellados/sobre_S0015-25.json --verdad verdad/S0015-25.tsv
```
(rutas relativas a `sobres/`; dentro del contenedor el guion resuelve `BASE` desde su propia ubicación.)