Director de estrategia
El módulo de estrategias de negociación se encarga de implementar y ejecutar algoritmos de negociación automatizados basados en una lógica predefinida y en las condiciones del mercado. Este módulo combina técnicas de aprendizaje automático, en particular algoritmos de refuerzo, con el plan de negociación específico del cliente para generar perspectivas procesables y ejecutar operaciones en tiempo real.
En el núcleo del módulo se encuentra la propia estrategia, representada como una clase independiente, que encapsula la lógica de negociación y define las acciones a realizar en distintos escenarios de mercado. Trabajando con conjuntos de datos relevantes mediante aprendizaje automático, el módulo identifica y extrae características de los datos para entrenar modelos que apliquen automáticamente las estrategias en función de las condiciones actuales.
El proceso comienza con el entrenamiento de los modelos ML utilizando los conjuntos de datos seleccionados. Estos modelos analizan y procesan la información del mercado, incluidos los volúmenes de negociación, para detectar anomalías y determinar los puntos óptimos de entrada o salida de activos específicos. Utilizando algoritmos de refuerzo, que proporcionan una mayor precisión, los modelos generan predicciones para los precios de los activos en los intervalos de tiempo más cortos posibles, como milisegundos.
Los modelos ML se comunican con el backend del sistema de negociación, donde las predicciones resultantes se almacenan en una base de datos para su posterior análisis y toma de decisiones. A medida que llegan los datos de mercado de las bolsas, los modelos evalúan las condiciones en función de solicitudes y criterios predefinidos. A partir de estas evaluaciones, los modelos generan predicciones que informan las decisiones de compra o venta.
Los modelos aprenden continuamente y se adaptan a las pautas del mercado, mejorando su capacidad de predicción con el tiempo. Esto permite al sistema captar rápidamente las discrepancias de precios entre las distintas bolsas, identificando oportunidades para vender a precios más altos o comprar a precios más bajos.
La arquitectura del módulo está diseñada para soportar múltiples bolsas que ofrecen herramientas de negociación similares. Su principal objetivo es aprovechar las fluctuaciones del mercado identificando rápidamente oportunidades de negociación favorables. Mediante la incorporación de datos de volumen de negociación y la detección de anomalías basada en ML, la herramienta aumenta la probabilidad de ejecutar operaciones.
