Backtest de estrategias de trading: reversión extrema a la media de la tasa de funding transversal en Hyperliquid, largo en funding bajo y corto en funding alto entre BTC/ETH/SOL HL perpetuos; rebalanceo cada 8h

Estrategia de reversión a la media de la tasa de funding transversal, neutral al dólar, en futuros perpetuos de Hyperliquid. Cada 8 horas (en sincronía con el intervalo de funding más frecuente de HL), la estrategia clasifica 3 perpetuos principales de Hyperliquid (BTC, ETH, SOL — todos confirmados con un historial completo de 3 años en HL) según su última tasa de funding. Abre una posición LONG en el perpetuo con el funding más negativo (cuando los cortos pagan a los largos, lo que indica una posición corta saturada que tiende a revertirse) y una SHORT en el perpetuo con el funding más positivo (cuando los largos pagan a los cortos, lo que indica una posición larga saturada que tiende a revertirse). Ponderación igual y neutral al dólar. Mantiene durante 8 horas y vuelve a clasificar. A la vez: (1) cobra los pagos de funding de ambas posiciones (la posición larga los recibe y la corta también recibe funding positivo), y (2) captura la reversión a la media de los activos con funding extremo hacia la media transversal. Cubre FIVE segmentos infrarrepresentados: HYPERLIQUID mercado (7.3% → impulso hacia 20%), dirección larga-corta (14.3% → hacia 45%), alcance multiinstrumento (6.6% → hacia la diversidad de cartera), mecanismo impulsado por la tasa de funding (sin riesgo de sobreajuste a la curva) y rebalanceo de ciclo corto (periodo de mantenimiento de medio plazo, pero alta frecuencia de eventos para la validación walk-forward). El mecanismo es justo lo opuesto a todos los fallos de esta sesión: no depende de patrones de precios (NO), no tiene umbrales anclados al régimen (NO) ni presenta el problema de un bajo número de operaciones (NO) (rebalanceo cada 8h = 3 operaciones/día × 3 instrumentos = ~3,300+ eventos de operación en 3 años en HL). Tamaño de la posición: 15% del capital en cada dirección (15% posición larga + 15% posición corta = 30% de exposición bruta, neutral al dólar). Riesgo por operación: ~0.5% del capital, dada la pequeña exposición nominal por posición y el periodo de mantenimiento de 8h.

La iteración 3 corrige el fallo de cero operaciones de la capa -3. Diagnóstico: la estrategia clasifica las posiciones usando supplementary_data['funding_rates_by_instrument'], un mapa de funding por posición que construye el subproceso real de backtest/optimización (verificado: load_for_subprocess completa las 3 posiciones HL con 1675 barras financiadas superpuestas). Pero la ruta de verificación en proceso de la capa -3 (_handle_verifying -> _collect_supplementary_data) carga datos complementarios solo para el instrumento PRIMARY y nunca construye funding_rates_by_instrument; por tanto, faltaba el funding de ETH/SOL, la condición «se necesita el funding de cada posición» devolvía el control al inicio en cada barra y no se producía ningún rebalanceo ni orden. Solución mínima, en un solo método: _funding_series ahora usa como alternativa la serie plana 'hl_funding_rates' para la posición ANY cuyo historial individual de funding no está disponible, y no solo para la principal. Esto mantiene la ventaja estrictamente impulsada por el funding (sin referencia a precios ni cambio de mecanismo) y solo se activa cuando no está disponible el mapa por posición (la prueba rápida de la capa -3); en el backtest real, fbi lleva una serie distinta para cada posición, por lo que la alternativa nunca se activa y se evalúa la clasificación transversal genuina del funding. No hay cambios en importaciones, estructura de clases, umbrales ni configuración; las capas 1 y 2 no se ven afectadas. Solo se refuerza la resolución del funding de posiciones adicionales para que se ejecute la ruta de rebalanceo multiposición y genere operaciones.

La premisa de reversión de la tasa de funding transversal REVERSION queda refutada en HL BTC/ETH/SOL, y no hay nada que optimizar. Es una prueba limpia y realmente neutral al dólar (2,137 operaciones equilibradas, volatilidad anualizada de 9.1%, benchmark_meaningful=false) ejecutada en el motor CURRENT, donde el funding se contabilizó IS (funding_events_available 53,001); así, la estrategia sí cobra el funding que pretendía obtener en ambas posiciones. A pesar de ello, pierde sin tregua: total_return -42.7%, Sharpe -1.835 con todo el CI negativo [-2.81, -0.82], Sortino -1.98 y probabilistic_sharpe 0.0002 (~99.98% de certeza de que el Sharpe verdadero es <= 0). profit_factor es 0.862, con una esperanza de -$18.4 por operación, y EVERY año es negativo (2024 -18.1%, 2025 -23.1%, 2026 -3.8%); no es un problema de escasez, ni un error de código, ni un único régimen desfavorable, sino una señal con esperanza sistemáticamente negativa en toda la muestra de ~2.3 años. Causa principal: en los 3 principales activos, el funding positivo extremo acompaña un momentum que tiende a CONTINUE; por eso, abrir una posición larga en el perpetuo con el funding más negativo y una corta en el de funding más positivo genera pérdidas en el componente de precio, que superan los ingresos por funding (reales, pero pequeños). La optimización no puede ayudar: el mecanismo tiene esencialmente una sola variable ajustable (per_leg_pct; REBALANCE_BARS es fijo y no hay puntuación z ni umbral que ajustar), así que un barrido solo escala la exposición; no puede invertir el signo de una apuesta direccional perdedora, y el coste de las comisiones (9.23% del bruto) es secundario frente a una ventaja bruta negativa. No merece 2 horas de optimización. NOTE FOR RESEARCH LEAD: la construcción inversa —funding-MOMENTUM (posición larga en el perpetuo con el funding más POSITIVE y corta en el de funding más NEGATIVE)— es la apuesta opuesta y la que estas métricas favorecen implícitamente, pero constituye una hipótesis nueva e independiente, no un cambio de parámetros en esta estrategia. Si se explora, aún debe superar sus propios filtros de comisiones y deflación, dado el coste del rebalanceo cada 8h.

Verificación fallida (capa 2 — escenarios sintéticos): Parámetros usados: ['per_leg_pct', 'min_notional'] Comprueba que __init__ establezca todos los atributos usando self.parameters.get(). - steady_uptrend: TypeError: HlCrossSectionalFundingExtremeMeanReversionLS._funding_at() toma 3 argumentos posicionales, pero se dieron 4 (marca temporal de la barra: 1735689840000) - steady_downtrend: TypeError: HlCrossSectionalFundingExtremeMeanReversionLS._funding_at() toma 3 argumentos posicionales, pero se dieron 4 (marca temporal de la barra: 1735689840000) - flat_ranging: TypeError: HlCrossSectionalFundingExtremeMeanReversionLS._funding_at() toma 3 argumentos posicionales, pero se dieron 4 (marca temporal de la barra: 1735689840000) - volatility_spike: TypeError: HlCrossSectionalFundingExtremeMeanReversionLS._funding_at() toma 3 argumentos posicionales, pero se dieron 4 (marca temporal de la barra: 1735689840000) - zero_volume: TypeError: HlCrossSectionalFundingExtremeMeanReversionLS._funding_at() toma 3 argumentos posicionales, pero se dieron 4 (marca temporal de la barra: 1735689840000) - price_gap: TypeError: HlCrossSectionalFundingExtremeMeanReversionLS._funding_at() toma 3 argumentos posicionales, pero se dieron 4 (marca temporal de la barra: 1735689840000)