Algodesks — plataforma de optimización de trading algorítmico

El problema

El trabajo de trading algorítmico suele fragmentarse en herramientas separadas: scripts de investigación, backtests locales, notebooks de parámetros, ejecutores de exchange y paneles operativos. Eso crea una brecha peligrosa: la estrategia que parecía aceptable en investigación no siempre es lo mismo que termina ejecutándose contra un exchange real.

Algodesks cierra esa brecha para las estrategias de criptofuturos. La promesa pública del producto es directa: crear, hacer backtests y ejecutar estrategias de trading con validación walk-forward y ejecución en Bybit, usando el mismo motor en investigación y en producción.

Qué hace el producto

Algodesks permite a un usuario definir una estrategia, ejecutarla contra datos históricos de mercado de Bybit, optimizar sus parámetros, armar un portfolio y luego ejecutar el resultado en modo paper trading. El sistema se está probando actualmente contra Bybit en paper trading antes de habilitar la ejecución con dinero real.

Hoy esto no es un sistema de ML. El núcleo es la optimización de parámetros: recorrer configuraciones candidatas, ejecutar backtests, descartar las configuraciones débiles, comparar métricas objetivas y aplicar la mejor candidata de vuelta a la estrategia o al portfolio.

Un vistazo al producto

• 

  El pitch público: trading de futuros cripto adaptativo en piloto automático — construye, haz backtest y ejecuta estrategias con validación walk-forward y ejecución en Bybit, el mismo motor en research y en producción.

• 

  El dashboard en vivo, que agrega cada sesión — paper, testnet y live — en una sola vista: equity, PnL realizado y no realizado, win rate, profit factor y la curva de equity, con cada sesión en marcha desglosada debajo.

• 

  El asistente AutoBuild que ensambla un portfolio: eliges el universo, el exchange (aquí Bybit testnet), el tipo de contrato, la moneda de cotización, el timeframe y cuántos instrumentos — el optimizador barre cada uno a partir de ahí.

• 

  Backtests — valida estrategias con datos históricos antes de ir a live. Cada candidato de AutoBuild obtiene una corrida por instrumento con su PnL, número de trades, win rate y profit factor, de modo que las configuraciones débiles se descartan con evidencia.

• 

  Optimización de parámetros para un instrumento: un barrido de configuraciones candidatas puntuadas lado a lado, con los parámetros ganadores listos para aplicar de vuelta al portfolio o para generar uno nuevo. Este es el núcleo — optimización y backtesting, no ML.

• 

  Una sesión en marcha de cerca: el gráfico en vivo de NEAR-USDT con las entradas y salidas marcadas, además del depósito de la leg, el apalancamiento, el riesgo por trade y el filtro de comisiones — las mismas reglas del backtest impulsando la ejecución en vivo (paper).

• 

  Precios self-serve — Free, Pro y Premium — con la comparación de funciones debajo: backtests por mes, jobs de AutoBuild, corridas de optimización, máximo de legs, ventana de histórico y el trading con dinero real, que permanece bloqueado hasta después de la validación en paper.

Qué construí

El backtesting como contrato. Las mismas reglas de trading que se prueban sobre datos históricos son las que usa la ruta de ejecución en runtime. Las comisiones, los supuestos de slippage, los trailing stops, los filtros de tendencia y las reglas de aceptación se tratan como entradas de primer nivel, no como notas de hoja de cálculo fuera del sistema.

Optimización de parámetros en Fly.io. La optimización es intensiva en cómputo, así que las ejecuciones se envían a servidores de Fly.io en lugar de bloquear la app web. Un job recorre las rejillas de parámetros para los instrumentos seleccionados, ejecuta backtests para cada candidata e informa del progreso de vuelta al producto.

Validación walk-forward. El sistema separa el ajuste de la prueba, de modo que un conjunto de parámetros tiene que sobrevivir a una ventana posterior antes de considerarse útil. El objetivo es reducir el overfit, no pretender que el optimizador puede predecir el mercado.

Paper trading en Bybit. La etapa de validación actual es el paper trading en Bybit. Eso le da al sistema una interacción realista con el exchange, timing de mercado en vivo y modos de fallo operativos sin activar el riesgo de dinero real demasiado pronto.

Superficie de producto. La app pública incluye el bucle de investigación, los planes de precios, el inicio de sesión con Google, los flujos de portfolio/backtest y la ruta operativa que va de la optimización a una sesión de paper trading.

Decisiones arquitectónicas

Nada de ML hasta que el sistema se lo gane. Sería fácil promocionar esto como AI/ML. Eso sería incorrecto para el producto actual. El sistema usa optimización y backtesting; el ML solo puede añadirse más adelante si supera al enfoque más simple bajo la misma disciplina de validación.

Los mismos conceptos en investigación y en runtime. Los parámetros de estrategia, los filtros de tendencia, los trailing stops, los filtros de comisiones y las patas del portfolio son objetos de dominio, no campos de formulario que solo existen en la UI. Eso mantiene alineados el backtest, el optimizador y el ejecutor.

Jobs asíncronos por defecto. Los backtests y las ejecuciones de optimización son trabajo de larga duración. Necesitan estado de job, cancelación, eventos de progreso, reintentos y modos de fallo claros. Tratarlos como trabajo normal de petición/respuesta HTTP haría el producto frágil.

Paper trading antes que dinero real. El producto pasa deliberadamente por una fase de paper trading en Bybit. Ahí es donde se pueden probar las credenciales del exchange, la colocación de órdenes, el timing en vivo y la recuperación de sesiones antes de poner en riesgo capital real.

Estado actual

Algodesks está en vivo en algodesks.com. El sitio público posiciona el producto en torno al trading adaptativo de criptofuturos, el backtesting, la optimización y la ejecución en Bybit. Los planes de pago están diseñados alrededor de la capacidad de investigación, las ejecuciones de optimización, el paper trading y, eventualmente, el trading con dinero real.

La plataforma está actualmente en validación de paper trading en Bybit. El siguiente hito importante no es «añadir ML»; es demostrar que el optimizador, los backtests, la configuración de portfolio y la ruta de ejecución en vivo se comportan de forma consistente bajo condiciones reales de exchange.