Estrategias

BtcSpotDualTimeframeMomentumConfluenceLong trasladó a spot BTC la estrategia de momentum en futuros más rentable de la fábrica, como estrategia solo larga y sin apalancamiento; mantuvo los parámetros de la optimización original y pasó a efectivo cuando el momentum de 4 horas y el diario discrepaban o ambos apuntaban a la baja. En 8.5 años obtuvo +69.9% en 309 operaciones, con Sharpe 0.86, drawdown máximo de 12.4% y rendimiento neto medio por operación de 1.04%, con beta baja (0.08) respecto a BTC. El analista la promovió por un holdout rentable, parámetros robustos y límites respetados, aunque señaló que no se había establecido significación, la señal carecía de poder predictivo y no se cumplieron dos de cinco predicciones prerregistradas (tasa de aciertos y factor de beneficio). Tras una iteración, ahora está en paper trading.

EthVolumeConfirmedMomentumLS_HL negoció el impulso de ETH 4H en Hyperliquid solo cuando un aumento del volumen confirmaba el movimiento, con el objetivo de mantener el principio de filtro selectivo de la fábrica y usar el volumen en lugar de un segundo marco temporal como confirmación. Su prueba retrospectiva pareció sólida (+55% durante 988 días, Sharpe 1.95, rentabilidad media por operación de 3.27%, caída máxima de 5.55%), y tras una iteración el analista la envió a optimización. La optimización dejó casi sin cambios el Sharpe de los parámetros finales (1.942, 54 operaciones), pero el Sharpe OOS agrupado de la validación progresiva fue cercano a cero, el período de reserva fue positivo pero no significativo y el análisis de sensibilidad señaló discontinuidades en el umbral de volumen. Por ello, el analista recomendó su promoción como candidata de baja confianza, sin prueba estadística, y la estrategia está ahora en negociación simulada.

BtcDualTimeframeMomentumConfluenceLS_HL intentó reproducir el único superviviente de un solo activo promovido por la fábrica manteniendo su estructura de confluencia de dos señales con plano-en-desacuerdo, mientras reemplazaba la pata de funding por una pata de momentum diario, operando BTCUSD en Hyperliquid con un trailing stop ATR y solo tres parámetros ajustables. El código se ejecutó limpiamente y generó una muestra decisiva — 173 operaciones en 803 días sin órdenes descartadas — pero el resultado fue negativo en todos los años calendario: retorno total -5.17%, Sharpe -0.047, profit factor 0.923 y retorno por operación de -0.109% frente al piso de +0.15%, con los cortos de 93 por sí solos perdiendo $8,293 neto y la división por régimen invirtiendo la premisa de tendencia. El analista lo abandonó en la revisión del backtest en lugar de invertir horas de optimización, señalando que el PnL bruto antes de cualquier costo era de solo +$1,136 y que dos lookbacks y un múltiplo de trailing no pueden fabricar información ausente en 173 observaciones. Fue la tercera ejecución en Hyperliquid de esta estructura que muere con la misma firma, y la conclusión registrada para investigación es que la pata de momentum lento colineal degenera la puerta en una exposición TSMOM casi siempre activa.

AvaxConvictionGatedMomentumLS activó el momentum 4H AVAX mediante repunte de volumen y ubicación direccional del cierre, tomando posiciones largas y cortas equilibradas. Su backtest base era viable en términos de coste — retorno promedio por operación de 0.53% sobre 565 operaciones — por lo que el revisor lo envió a optimización, pero los números eran débiles: Sharpe 0.25 subiendo solo hasta 0.31, con un intervalo de confianza que cruza el cero. La optimización expuso la estrategia como sobreajustada: el Sharpe in-sample de 1.22 colapsó a 0.09 out-of-sample, PBO fue 0.67, el Sharpe deflactado fue 0.007, y siete parámetros se asentaban en acantilados. El analista lo abandonó como una muerte por sobreajuste / sin generalización — parte de una familia de momentum de un solo nombre AVAX que falla repetidamente, donde el backtest base es el techo y la iteración solo vuelve a ajustar ruido.

Esta ejecución fue un ensayo de preparación para ejecución en lugar de una nueva afirmación de alfa — una transferencia exacta del sobreviviente #1 de Binance de la fábrica a la propia serie de precios, comisiones y reloj de funding horario de Hyperliquid, con un umbral preregistrado deliberadamente fijado por debajo del de la fuente. La transferencia se ejecutó limpiamente (172 operaciones, sin descartes por diagnóstico de entrada, metrics_reliable, y el funding realmente se acreditó, cerrando la brecha de medición señalada en la hipótesis), pero la economía no acompañó: -2.27% de rentabilidad total, Sharpe -0.137, PF 0.90 y -0.088% por operación, perdiendo en 2024 y 2025 y pasando 760 días en pérdida. El detalle decisivo fue que el PnL bruto de precio fue aproximadamente cero (+$1,497 en 172 operaciones) antes de $3,777 de comisión y $4,487 de funding, con el tramo corto (-0.744%/operación) borrando un tramo largo que aún funcionaba (+0.409%/operación). El analista lo abandonó en la revisión del backtest en la iteración 1, antes de invertir la fase de optimización de 3; nunca se llegó a las etapas posteriores a la optimización del analista y del responsable de riesgo.

Tras una iteración, SolSpotVolumeConfirmedMomentumLong obtuvo un rendimiento inicial de backtest de 150.71% con Sharpe 1.12 en 232 operaciones, y recibió un veredicto favorable a la optimización. El análisis posterior encontró un rendimiento desigual de OOS y una muestra de prueba de 55 operaciones con Sharpe 0.08. Los drawdowns reajustados superaron el límite registrado de 25% tanto en la reproducción de todo el historial como en la muestra de prueba, por lo que el analista abandonó la estrategia antes de la revisión de riesgo o el paper trading.

Esta estrategia intentó aprovechar la reversión por agotamiento del flujo forzado que la idea de cascada de liquidaciones no pudo probar con backtest, sustituyéndola por un clímax de volumen OHLCV sin procesar como indicador indirecto con historial completo y operando a la contra de excesos direccionales grandes, long-short, en seis activos principales. Mecánicamente funcionó a la perfección: 844 operaciones bien equilibradas en todo el historial; pero perdió capital sin cesar, con un Sharpe de -1.77, un intervalo de confianza totalmente negativo, un factor de beneficio de 0.66 y pérdidas en cada año completo, y terminó con una caída de 69.6% y un drawdown de 71.8%. Quien revisó el backtest la descartó antes de optimizar: concluyó que la dirección de operar a la contra era incorrecta; las velas de clímax de volumen continúan en vez de revertir, así que la única «solución» sería reproducir la estrategia ya rentable de continuación tras un pico de volumen que la hipótesis citaba. Tras dos iteraciones, se cerró por una ventaja estructuralmente invertida, no ajustable.

SpotIntradayVolumeSpikeCapitulationFlushReversalBasketLong intentaba comprar liquidaciones de capitulación de una sola vela confirmadas por volumen en una pequeña cesta spot de SOL/AVAX/LTC, con la expectativa de recuperaciones parciales en V en unas horas. Se ejecutó correctamente, sin errores de contabilidad, en 372 operaciones largas con una muestra amplia, pero fue una perdedora neta: total_return -18.4%, factor de beneficio 0.931, esperanza de -$49.5, Sharpe ~0.02. La perjudicó la clásica relación riesgo/recompensa invertida de la categoría intradía de reversión contra tendencia: ganó 60.5% de las veces, pero las pérdidas fueron ~1.64x mayores cuando las ventas forzadas siguieron en cascada. Una capacidad de $274 con un coste de impacto de 1910% (≈19x de PnL bruto) y fragilidad ante los regímenes (2022 -26%, 2024 -8%, 2025 -15%, impulsada por un solo mes de 2021) confirmaron que no había nada que optimizar. El analista la descartó en el filtro previo a la optimización; nunca se llegó a la optimización, la revisión de riesgo ni las etapas posteriores.

DogeFundingExtremeMomentumContinuationLS pretendía probar la amplitud de una ventaja validada de seguimiento del momentum en extremos de funding al replicarla en DOGE, el activo principal más impulsado por el apalancamiento minorista y con los extremos de funding más marcados. Sus métricas principales fueron las más atractivas de la familia de funding: Sharpe 1.22, factor de beneficio 1.70, retorno +107%, drawdown máximo 7.6%; pero el analista detectó el artefacto: una curtosis de retornos de 178 y una contribución de 2021 de +91.9% mostraron que toda la ventaja residía en unos pocos días de subidas durante la manía de DOGE, con cuatro de seis años planos o negativos y el intervalo CI del Sharpe cruzando cero. Peor aún, se descubrió que la supuesta «validación PF 1.30» en SOL era un reflejo previsto de una estrategia que en realidad obtuvo un backtest de PF 0.93 y se abandonó, lo que invalida la premisa de la prueba de amplitud. El analista la abandonó en el control de revisión del backtest por ser el mismo patrón de fallo por concentración durante la manía de memecoins que casos relacionados DOGE anteriores; reafirma que la dirección basada en funding en un solo instrumento no tiene una ventaja generalizable y que las cifras llamativas se debieron a valores atípicos de la manía, no a una señal real.

HlCrossSectionalFundingExtremeMeanReversionLS se diseñó para cubrir cinco segmentos de cartera infrarrepresentados con una apuesta neutral al dólar, impulsada por el funding, según la cual los extremos de funding en los principales activos de Hyperliquid revierten a la media transversal. La implementación fue sólida —posiciones largas y cortas equilibradas, baja volatilidad y acumulación real de funding en 53,001 eventos—, lo que hizo del backtest una prueba justa del mecanismo, pero el resultado fue una pérdida sistemática: rentabilidad total de -42.7%, Sharpe de -1.835 con un intervalo de confianza enteramente negativo y todos los años naturales en rojo. El revisor concluyó que la premisa de reversión simplemente estaba al revés (los extremos de funding en BTC/ETH/SOL siguen un momentum que continúa) y que, con un solo parámetro ajustable, no había nada que la optimización pudiera revertir. Se abandonó en la fase de revisión del backtest tras tres iteraciones, con la nota de que la apuesta opuesta, basada en el momentum del funding, tendría que plantearse como hipótesis propia.

Esta estrategia propuso un giro en la construcción del riesgo para el seguimiento de tendencia: exigir que las tendencias rápida y lenta coincidan antes de abrir una posición direccional, y ajustar la exposición bruta para mantener la volatilidad de la cartera cerca de un objetivo fijo. Superó la revisión previa a la optimización del backtest por su capacidad de supervivencia: sin liquidaciones, pérdidas diarias acotadas, +341% durante 6.5 años con una volatilidad alcanzada que igualaba su objetivo de 40%; obtuvo el veredicto «optimizar». Pero la optimización en tres fases reveló la señal de sobreajuste de la cesta de tendencias: un Sharpe dentro de muestra de 1.35 cayó a 0.33 fuera de muestra, con dos ventanas negativas; el periodo de reserva fracasó por completo, y el Sharpe seleccionado de 0.458 quedó muy por debajo del umbral de suerte del mejor entre -225 pruebas, con un Sharpe deflactado prácticamente igual a cero. En el segundo y último intento de optimización, el analista la descartó por ser estadísticamente indistinguible del ruido y concluyó que las adiciones de concordancia entre dos marcos temporales y de capa de volatilidad no heredaron la capacidad de promoción de sus estrategias hermanas.

BtcSpotWeekendHoldingCalendarLong fue un experimento deliberadamente novedoso y de último recurso, tras el fracaso durante la sesión de 24+ estrategias basadas en señales: una posición long de calendario pura de viernes a lunes en spot de BTC, motivada por una supuesta anomalía de drift positivo de fin de semana de la era ETF, propuesta con confianza explícitamente baja y un interruptor de corte incorporado. El backtest refutó la tesis justo en el periodo al que apuntaba: en 419 operaciones perdió 49.4% en total, con Sharpe de -0.461, expectativa negativa y un alto impacto de las comisiones; tuvo pérdidas en 6 de 9 años, incluido -25.5% en 2026 YTD, y rindió peor que comprar y mantener tanto en alfa como en ratio de información. El revisor del backtest dictaminó «abandonar» y, dado que los únicos parámetros eran los límites fijos del calendario que definen la hipótesis, no había nada que optimizar: ajustarlos solo habría sobreajustado el ruido en una ventaja cuyo signo ya era incorrecto. La estrategia se retiró antes de la optimización según su propia regla de Sharpe negativo previo a optimización.

DogeShibMemecoinPairsSpreadMeanReversionLS4H intentó añadir exposición a memecoins a la cartera al adaptar la plantilla de pares de producción neutral en dólares a una estrategia de apostar contra un z-score de DOGE/1000SHIB 4H, bajo la hipótesis de que los dos memecoins correlacionados revertirían tras divergencias breves. En su primera iteración, el backtest produjo una ventaja negativa catastrófica y constante en 738 operaciones: un rendimiento de -82.79%, Sharpe de -1.18 con un intervalo de confianza completamente negativo, drawdown de 85.4% y pérdidas en casi todos los años (2021 -54%, 2022 -23%, 2024 -43%, 2025 -16%). El analista la descartó en la etapa de revisión del backtest y concluyó que la ratio DOGE/SHIB tiende a seguir una tendencia en vez de revertir (asimetría -8.5, curtosis 138); por eso, la estrategia vendía estructuralmente en corto al ganador y compraba al perdedor, un fallo de selección del par o de la premisa que ningún ajuste del umbral z podía corregir. Se omitieron la optimización y todas las etapas posteriores. La solución se señaló como un cambio de objetivo en la hipótesis hacia un par realmente cointegrado, en lugar de un cambio de parámetros del desarrollador.

Esta estrategia trasladó a los futuros diarios de LINKUSDT.BINANCE el mecanismo exitoso de continuación alcista de BTC basado en aumentos diarios de volumen, abriendo posiciones largas solo cuando coincidían un aumento del volumen, un cierre alcista y una tendencia alcista de 100 días. El detector funcionó correctamente: 32 entradas largas filtradas, sin descartes por tamaño o nominalidad. Sin embargo, la ventaja no se transfirió: tasa de aciertos de 12.5%, 20 pérdidas consecutivas, expectativa negativa de -$416.79/operación, factor de beneficio 0.84 y drawdown de 52.3%. El único dato de apariencia positiva era una rentabilidad destacada no realizada de valoración a mercado, que ocultaba una pérdida realizada de aproximadamente -13.3%. El analista la abandonó en la etapa de revisión del backtest, al considerar el fallo estructural y no ajustable, y decidió no dedicar tiempo de optimización a ajustar en exceso los tres días atípicos. Terminó tras una sola iteración, sin llegar a la optimización, el análisis final ni la revisión de riesgo.

AvaxFundingAccelerationMomentumLS probó un enfoque novedoso de la señal de funding: operar con su derivada (aceleración día a día) en vez de su nivel, bajo la tesis de que la demanda apalancada en aumento anticipa el precio antes de la saturación máxima; lo hizo en AVAX por su funding volátil y la testabilidad limpia de USD-M. El amplio backtest de 511 operaciones dio un veredicto negativo inequívoco: retorno de -25.3%, Sharpe -0.61, factor de beneficio 0.795, expectativa negativa y pérdidas en cinco de siete años; tanto la tasa de acierto como el tamaño relativo de ganancias y pérdidas jugaron en su contra. En su segunda iteración, el analista la abandonó en la etapa de revisión del backtest, al considerarla un fallo de premisa y no un problema de ajuste, y señaló que invertir la señal no ayudaría por las comisiones y una salida asimétrica. Se registró como la cuarta confirmación de que la familia de señales direccionales de funding sobre un solo instrumento —nivel, signo, reloj y aceleración— está agotada en esta base, mientras que la cesta de carry con funding acreditado sigue siendo la vía realmente prometedora.

Presentada como la excepción explícita del analista dentro de la familia de reversión agotada, esta estrategia apostaba a que dos forks de Bitcoin (LTC y BCH) eran el candidato más sólido a la cointegración en cripto, y limitaba las operaciones con un filtro móvil de estacionariedad Hurst y stops por descointegración y explosión de z. En 460 operaciones neutrales al mercado durante más de 5 años, obtuvo un Sharpe de -0.369, una rentabilidad total de -59.2% y un drawdown de 74.5%. Una pérdida catastrófica de un solo día en junio de 2023 alcanzó -53.16% y demostró que los stops no contuvieron la cola del spread en tendencia que buscaban controlar. Los costes agravaron el fracaso: las comisiones fueron 292% del PnL bruto con una rotación de 51.9. El analista la descartó en el filtro previo a la optimización tras 2 iteraciones: concluyó que el par no está cointegrado de forma fiable y que ningún parámetro ajustable puede hacer que revierta un spread no estacionario.

Esta estrategia buscaba sobrevivir donde fracasan la mayoría de los sistemas de momentum mediante un filtro de ruido, en vez de una nueva señal de entrada: el Ratio de Eficiencia de Kaufman la mantendría sin posición en regímenes AVAX erráticos y solo operaría cuando el precio avanzara en una trayectoria direccional limpia, con el objetivo de atacar las dos principales causas de fracaso de la fábrica (sobreajuste y ventaja inferior a las comisiones). Pero perdió dinero en una muestra fiable de 146 operaciones y 872 días: factor de beneficio 0.81, Sharpe -0.21 y rentabilidad negativa por operación por debajo del umbral de costes de trading; el rendimiento se deterioró cada año. La tasa de aciertos de 32% mostró que el filtro de eficiencia, toda la tesis, no logró seleccionar regímenes con una ventaja direccional auténtica. El analista la abandonó en el filtro de revisión del backtest, antes de cualquier optimización, al juzgar que ningún ajuste de parámetros podría revertir una expectativa negativa tan persistente; por eso nunca llegó al optimizador de fase 3, la revisión de riesgo ni el paper trading.

Esta estrategia intentó diversificar la cartera con una rotación semanal long-only hacia los tres perpetuos principales más estables, aprovechando la anomalía documentada de baja volatilidad con solo tres parámetros principales, sin apalancamiento y con un filtro de tendencia para permanecer en efectivo durante los regímenes bajistas. Su backtest inicial destacó en su grupo: un Sharpe cercano a 1.0 cuyo intervalo de confianza excluía claramente el cero, factor de beneficio 1.72 y rendimiento neto de comisiones de +1319%; por ello, la revisión previa a la optimización emitió un veredicto de «optimizar». Sin embargo, la optimización reveló que la ventaja era ilusoria: el Sharpe fuera de muestra del walk-forward promedió -0.742 frente a +1.47 dentro de muestra; el Sharpe deflactado de 0.09 quedó muy por debajo de la expectativa de ruido del mejor resultado entre -225 pruebas; PBO fue 0.70, y los rendimientos resultaron ser un artefacto de mercado alcista de 2021. Tras dos iteraciones, el analista la abandonó por un verdadero fallo de robustez: la estrategia operaba correctamente, pero sencillamente carecía de una ventaja generalizable, como corresponde a una clase de fallos de rotación de grandes criptomonedas de baja volatilidad que ya se había descartado varias veces.

Esta estrategia apuntaba a las categorías infrarrepresentadas de Hyperliquid, entre exchanges y long-short con una operación de basis neutral al mercado de ETH entre Hyperliquid y Binance; buscaba reversiones de dislocaciones con z-score superiores a 2.0. Mecánicamente funcionó a la perfección: 446 operaciones limpias y neutrales al mercado, beta casi cero y ningún error. Sin embargo, perdió dinero en todos los meses menos uno y en los tres años, con Sharpe -9.85 y rentabilidad total -24.9%, mientras las comisiones consumían 10.1% del bruto. El análisis del backtest determinó que la pérdida era inherente: una operación de ida y vuelta en dos exchanges requiere cuatro ejecuciones y cuesta 0.2–0.4%, más de lo que revierte el basis de unos pocos puntos básicos de ETH; ampliar el umbral de entrada solo reduce las operaciones, sin crear edge. Se abandonó antes de la fase de optimización, tras 5 iteraciones, porque el mecanismo está estructuralmente dominado por las comisiones y no vale la pena optimizarlo.

CarryMomentumDoubleSortLongRotation8Majors intentó crear una nueva celda del pipeline al combinar los dos factores long validados en paper de la fábrica: momentum y carry de funding negativo. Mantenía los activos que mostraban una tendencia alcista y te pagaban por mantener posiciones long, con un filtro de efectivo por régimen BTC. El desarrollador aplicó correctamente las correcciones de la iteración-1 (hacer carry_weight ajustable y aplicar el filtro al sesgo solo cuando el funding es negativo), y la prueba más limpia respondió de forma concluyente a la pregunta decisiva: el carry no aporta ventaja aquí; reduce el Sharpe a 1.04 frente al 2.63 de la estrategia matriz de momentum y perjudica activamente el resultado cada vez que se activa el sesgo. El revisor abandonó la tesis y señaló que una cartera long sobre majors con funding predominantemente positivo paga carry en vez de cobrarlo, así que optimizar carry_weight solo convergería en una copia de la rotación de momentum ya promovida. La recomendación fue retirar la doble clasificación carry+momentum en majors long-only y considerar la rotación de momentum existente como la expresión canónica de la ventaja.

SolPerpFundingExtremeContrarianReversionLS usó estrictamente la tasa de funding de SOL como señal de sentimiento: tomó posiciones contrarias a largos/cortos saturados para captar un squeeze del precio con reversión a la media. Se diseñó deliberadamente sobre la ruta limpia y apta para backtesting de un solo instrumento USD-M, para evitar los fallos de feed de datos y venue de hipótesis anteriores de la sesión. El mecanismo se implementó correctamente (ganancias y pérdidas del precio, no del carry contabilizado) y se ejecutó con un feed de funding completo y 531 operaciones, pero la señal sencillamente no pronosticó de forma rentable las reversiones de SOL: factor de beneficio 1.02, Sharpe con un intervalo de confianza que abarca cero, alfa negativa y rendimiento neto de -7.2%, con deterioro en los últimos años. Peor aún, el impacto de mercado modelado consumió 42% de las ganancias y pérdidas brutas frente a una capacidad de $563K, por lo que no se podía desplegar a ningún tamaño. El analista la abandonó en el punto de revisión del backtest y concluyó que la reversión del precio ante extremos de la puntuación z del funding no tiene una ventaja desplegable en altcoins individuales y que el responsable de investigación no debería seguir probando variantes.

La estrategia Daily Funding-Confirmed Trend de BTC USD-M buscaba completar una familia validada operando a favor de la tendencia de BTC solo cuando la financiación confirmaba demanda direccional real, filtrando tendencias «huecas» y saliendo ante divergencias entre financiación y precio. Su primer backtest parecía razonable: rendimiento de 37.38%, Sharpe 0.45, 62 operaciones limpias y drawdown 14.3% contenido; obtuvo el veredicto «optimizar» pese a que los rendimientos se concentraban en ciertos regímenes y dependían de valores atípicos. Pero la optimización de 3 fases reveló que la ventaja era suerte: el holdout cronológico intacto tuvo un resultado claramente negativo (Sharpe -0.9946), el Sharpe deflactado fue 0.0003 frente al umbral 0.95, PBO fue 0.62, y el Sharpe optimizado de 0.739 quedó muy por debajo del umbral de suerte del mejor de -225: 2.01; además, hubo tres precipicios de sensibilidad y un ratio de información negativo frente a comprar y mantener. El analista la abandonó y concluyó que añadir confirmación de financiación a BTC —que ya tenía una estrategia hermana de momentum promocionada— no creó una ventaja promocionable y solo reprodujo el patrón de fallo de deterioro y Sharpe deflactado de un solo activo de la familia.