Sin frameworks
Servidor HTTP nativo, SVG dibujado a mano, cero dependencias en el frontend. La página del dashboard pesa 30 KB.
Proyecto 01 · fintech / cuantitativoen producción · forward test desde 2026-09-08
Trading AI
Bot de trading cuantitativo que aprendió a no usar IA.
Sistema de paper trading 24/7 sobre Binance que compara cinco estrategias de mean-reversion en paralelo, con un motor de backtest propio que descartó más de 240 variantes, incluida la versión con modelos de lenguaje, antes de dejar correr la ganadora. Node.js sin frameworks, Docker en esta misma Raspberry Pi, dashboard en tiempo real por Server-Sent Events.
Estrategias probadas
240
variantes · 80 familias
Velas analizadas
3.2 M
18 pares · 15 meses
Win rate (OOS)
76 %
111 días nunca vistos
Profit factor (OOS)
2.49
estrategia principal
Drawdown máx (OOS)
2.6 %
70 trades
Costo de IA en prod
$0
antes: $3 a $8 diarios
Fig. 1 · Curva de equity · $60 iniciales · mayo 2025 a septiembre 2026
Cinco estrategias, un solo feed, 471 días
FK19· principal$90FK17$87FK24$88FK3$85control (LLM)$56
La zona sombreada son los 111 días out-of-sample: velas que ningún proceso de optimización vio jamás.
Fig. 2 · El problema
Dos modelos de lenguaje en cadena, $8 al día, 47 % de acierto.
Quería un bot que operara criptomonedas con poco capital ($60) y sin vigilarlo. La primera versión usaba un Qwen local como filtro y Claude como decisor final. Costaba entre $3 y $8 diarios en API y su win rate quedó en 47 %. Con comisiones del 0.1 % por operación, eso es perder dinero lentamente.
Fig. 3 · Lo que aprendí a base de datos
- 01Trend-following multi-timeframe (ADX, EMAs, Donchian). Backtest de 1,157 trades.−48 %
- 02Quince estrategias de scalping en 5 minutos. El fee drag de 3,000 trades al año se come cualquier edge.0 / 15
- 03Mean-reversion Connors RSI2 en 15 min con órdenes limit. El único edge que sobrevivió al walk-forward fuera de muestra.78 % WR
- 04Ronda "Frankenstein": 90 híbridos de piezas validadas. Quedó stop ancho, salida por RSI normalizado y solo LONG.FK19
La conclusión más valiosa fue contraintuitiva: a costos de un trader retail, ninguna estrategia de indicadores tiene edge neto operando en 5 minutos, y la IA no aportaba nada que una regla de tres condiciones no hiciera mejor y gratis.
Fig. 4 · Resultados · 471 días · $60 · 40 % por posición · 2×
| Estrategia | Trades | Win rate | Profit factor | Retorno | Max DD | OOS · WR / PF / DD |
|---|---|---|---|---|---|---|
| FK19 · Long-only (principal) | 301 | 69 % | 1.89 | +49 % | 8.0 % | 76 % · 2.49 · 2.6 % |
| FK17 · Long-only estricto | 193 | 73 % | 2.19 | +45 % | 5.7 % | 86 % · 3.56 · 2.6 % |
| FK24 · Long + Short | 429 | 68 % | 1.43 | +47 % | 11.3 % | 74 % · 2.04 · 5.6 % |
| FK3 · L+S con filtro BTC | 360 | 68 % | 1.45 | +42 % | 11.0 % | 73 % · 1.94 · 5.5 % |
| Versión anterior con LLM (control) | 1055 | 65 % | 0.96 | −7 % | 21.0 % | 59 % · 0.62 · 19.2 % |
Fig. 5 · Decisiones técnicas que valen la pena contar
Fidelidad backtest → vivo
El simulador y el bot comparten la misma definición de estrategia. Lo que se probó es literalmente lo que corre.
Ejecución maker
Pasar de órdenes market a limit bajó el costo por operación de 0.1 % a 0.07 %. Eso convirtió un edge marginal en uno desplegable.
Honestidad estadística
In-sample y out-of-sample separados, walk-forward con selección de pares solo con pasado, robustez por vecindario de parámetros y sensibilidad a slippage.
Persistencia que sobrevive reinicios
JSON por estrategia con validación de integridad de capital al arrancar, backups horarios y reinicio automático del contenedor.
Lo que no existe todavía
El código que ejecutaría órdenes reales. Faltan 60 a 100 trades por estrategia en forward test. Es una decisión que se toma con datos, no con entusiasmo.