Freqtrade
Enciclopedia
Base de conocimiento técnico detallado sobre el funcionamiento de las estrategias de machine learning y la integración quant de Freqtrade.
¿Por qué migrar a la arquitectura oficial de Freqtrade?
Freqtrade es una plataforma de trading algorítmico madura y altamente robusta escrita en Python. Cuenta con una comunidad global masiva, soporte nativo para docenas de exchanges a través de la librería ccxt, y un sistema integrado para descargar datos históricos, realizar backtesting rápido, optimizar hiperparámetros (hyperopt) y simular ejecuciones (paper trading). Al migrar a esta plataforma, eliminamos la necesidad de mantener APIs personalizadas de órdenes de Bybit/Binance, reduciendo la fricción técnica y enfocándonos puramente en el diseño de estrategias.
¿Qué es FreqAI y cómo funciona en el bot?
FreqAI es la extensión oficial de machine learning de Freqtrade. Permite entrenar modelos matemáticos (como LightGBM, XGBoost, CatBoost o PyTorch) directamente sobre series de tiempo de datos históricos de precios. El sistema utiliza los indicadores técnicos (como RSI, Bollinger, MACD, etc.) como características de entrada (features) para entrenar un modelo que predice objetivos futuros, como el cambio porcentual máximo del precio hacia arriba (take profit) o hacia abajo (stop loss) en un horizonte de tiempo determinado.
¿Por qué separamos el entrenamiento de Machine Learning del servidor de producción?
El entrenamiento de modelos de Machine Learning (FreqAI/SVM) es extremadamente intensivo en CPU y RAM (100% de uso). Ejecutarlo directamente en el servidor de producción de recursos moderados podría saturar la memoria y provocar la caída de servicios críticos (base de datos, Kanban, APIs). Por ello, adoptamos una arquitectura de separación de entornos: realizamos el entrenamiento pesado y backtestings en el entorno de desarrollo local, y subimos únicamente las estrategias matemáticas optimizadas (como FOttStrategy) al servidor de producción, donde corren de manera ultra ligera y segura.
¿Cómo funciona la capa de Veto Inteligente (SVM / Classifier)?
Antes de enviar una orden al exchange, la señal pasa por un módulo clasificador (SVM Veto). Este clasificador está entrenado exclusivamente para detectar señales falsas. Si los indicadores indican entrada, pero el volumen relativo y el sentimiento global modelado por la red no demuestran convicción institucional, el módulo clasificador emite un veto, cancelando la operación. Esto ahorra hasta un 40% de operaciones perdedoras en condiciones de mercado laterales.
¿Cómo se protegen los fondos en la operativa real?
El motor Freqtrade maneja órdenes de seguridad a nivel de Exchange. Al abrirse una posición, se envían inmediatamente órdenes límite pasivas de Take Profit y órdenes de Stop Loss. Freqtrade incorpora trailing stops dinámicos (stop loss de arrastre) que se activan únicamente cuando la posición está en ganancia sustancial, asegurando beneficios parciales ante giros inesperados del mercado. Toda la gestión está aislada por bot y controlada por un riguroso capital en riesgo por trade.
¿Cómo se configuran y despliegan los agentes en producción?
La infraestructura se orquesta mediante Docker Compose, levantando la imagen estable de Freqtrade que incluye dependencias de Machine Learning (como Scikit-Learn y XGBoost). La configuración reside en archivos JSON y la lógica de la estrategia se escribe en clases de Python independientes. Las estrategias pueden modificarse en caliente (hot reload) sin reiniciar el contenedor, permitiendo un ajuste continuo y cero tiempo de inactividad operativo.
Flujo de Decisión en FreqAI
Ingreso de Datos
Velas de Bybit + IndicadoresInferencia de Modelos
Predicción PnL de FreqAICapa de Veto SVM
Filtro de Similitud & Volatilidad