Plataforma avanzada de pruebas de estrés algorítmicas y simulación de resiliencia financiera. Diseñada para evaluar el comportamiento de modelos de ejecución bajo condiciones extremas de mercado, volatilidad inducida y fallos de infraestructura. Permite validar la robustez de algoritmos en Binance Spot y Futuros con monitoreo en tiempo real vía Telegram.
ITBOT proporciona un entorno controlado para el análisis de robustez algorítmica:
- Evaluación de Resiliencia mediante el análisis de +70.000 velas históricas (8 años) bajo diversos escenarios de estrés.
- Pruebas de Límites de Riesgo validando circuit breakers, trailing stops y gestión de capital bajo condiciones de mercado extremas.
- Simulación Multi-Mercado: Evaluación de la estabilidad y correlaciones en Cripto (Binance), Forex, Metales e Índices.
- Auditoría en Tiempo Real: Supervisión de la estabilidad operativa y alertas críticas mediante integración con Telegram.
- Validación de Escenarios (Shadow Trading): Simulación de respuesta algorítmica sin exposición de capital real.
El proyecto ha sido reestructurado siguiendo los principios SOLID y las directrices de AGENTES.md, organizándose en capas para maximizar la mantenibilidad y escalabilidad.
ITBOT/
├── core/ # Lógica de negocio (Domain & Application)
│ ├── domain/ # Modelos de datos, Interfaces y Reglas de Negocio
│ ├── services/ # Motores de Simulación (Análisis, Riesgo, Ejecución)
│ └── strategies/ # Modelos de Comportamiento Algorítmico (Escenarios)
├── infrastructure/ # Implementaciones técnicas
│ ├── adapters/ # Binance API, Telegram, DB
│ └── persistence/ # Modelos de SQLAlchemy / Alembic
├── api/ # Dashboards y interfaces web
├── scripts/ # Puntos de entrada y utilidades de ejecución
├── tests/ # Pruebas unitarias y de integración
├── docs/ # Documentación técnica extendida
└── requirements/ # Gestión de dependencias por entorno
Para más detalles sobre la arquitectura, consulta docs/ARCHITECTURE.md.
- Clean Code: Responsabilidad única por módulo.
- Strong Typing: Uso extensivo de Python Type Hints.
- Inyección de Dependencias: Desacoplamiento de APIs externas.
- Documentación: Código autodocumentado y guías técnicas actualizadas.
| Escenario de Prueba | Objetivo de Resiliencia | Estabilidad (Hit Rate) | Drawdown de Control | Descripción de la Prueba |
|---|---|---|---|---|
| Adaptive V3 | Resistencia a Volatilidad | ~57% | -3.1% | Comportamiento multi-régimen con ajuste por ML |
| High Frequency | Estrés por Volumen | 63.1% | -2.46% | Validación de indicadores en ráfagas de datos |
| Dynamic Prob. | Evaluación Probabilística | ~55% | -4.8% | Adaptación a cambios súbitos en la probabilidad |
| Ultra Selective | Conservación de Capital | >60% | <3% | Prueba de máxima selectividad y mitigación de riesgo |
| Micro-Load | Pruebas de Carga Mínima | ~58% | -2% | Simulación de micro-operaciones bajo estrés |
Validado en 10 simulaciones reales de estrés:
| Métrica | Valor |
|---|---|
| Desempeño diario promedio | 1.536% (objetivo: 0.6%) |
| Desempeño mensual promedio | 55.08% (objetivo: 15%) |
| Success Rate | 63.1% |
| Sharpe Ratio | 16.18 |
| Sortino Ratio | 55.32 |
| Drawdown máximo | 2.46% |
| Proyección anual | 660.9% |
Parámetros técnicos optimizados:
- RSI: período 12, niveles 25/75
- MACD: 10/24/8 (rápido/lento/señal)
- Bollinger Bands: período 18, desviación 2.2
- Stop Loss: 1.5% | Take Profit: 3.5%
- Datos de entrenamiento: +70.000 velas históricas de Binance (8 años)
- Accuracy objetivo: 61.7% (validado con datos reales)
- Umbrales adaptativos: Se ajustan dinámicamente cada 24h
- Confluencia técnica: MACD + ADX requeridos para confirmar señales ML
- Estándares institucionales: Sharpe ≥ 1.5 | Drawdown máx. 15% | Hit rate ≥ 52%
Simulación de alta fidelidad sin exposición de capital real, utilizando datos en vivo de Binance.
python main_paper_trading.pyConfiguración de Escenario por Defecto:
- 40% NAS100 (Estrés en índice tecnológico)
- 30% AUD/CAD (Validación en par estable)
- 30% XAU/USD (Resiliencia en activo refugio)
python run_15pct_strategy.pypython run_bot.pyEjecución en entorno real con exposición controlada para validar latencia y ejecución.
docker exec -it itbot_main bash start_autonomous_bot.sh- Python 3.10+
- Docker y Docker Compose (para producción)
- Cuenta de Binance con API habilitada
git clone https://github.com/Johansarria/ITBOT.git
cd ITBOTpython3 -m venv venv
source venv/bin/activate # Linux/Mac
# venv\Scripts\activate # Windows
pip install -r requirements.txtcp .env.example .env
nano .envVariables requeridas en .env:
# Telegram
TELEGRAM_BOT_TOKEN=tu_token
TELEGRAM_CHAT_ID=tu_chat_id
ADMIN_TELEGRAM_ID=tu_id
KILL_SWITCH_PASSWORD=clave_secreta_segura
# Binance
BINANCE_API_KEY=tu_api_key
BINANCE_SECRET_KEY=tu_secret_key
# Modo de operación
PRODUCTION_MODE=False
PAPER_TRADING=True
# Base de datos (SQLite por defecto)
DB_TYPE=sqlitedocker-compose up -d| Comando | Función |
|---|---|
/start |
Menú principal del bot |
/estado |
Balance actual y posiciones abiertas |
/señales |
Señales activas por par de trading |
/pausar |
Pausa el bot sin cerrar posiciones |
/kill |
Kill switch: cierra todo y detiene el bot |
/backtest |
Ejecuta backtest con datos recientes |
- Nunca subas tu
.enva GitHub (ya está en.gitignore) - Las API Keys de Binance deben tener permisos mínimos: solo trading, sin retiros
- El Kill Switch requiere contraseña configurada en
.env(no hay valor por defecto) - Para primeras pruebas, usa el Testnet de Binance (
BINANCE_USE_TESTNET_SPOT=True)
| Librería | Uso |
|---|---|
ccxt |
Conexión a Binance API (Spot y Futuros) |
python-telegram-bot |
Control del bot vía Telegram |
pandas / numpy |
Procesamiento de datos de mercado |
scikit-learn / xgboost |
Modelos de Machine Learning |
SQLAlchemy + Alembic |
ORM y migraciones de base de datos |
Flask |
Dashboard web de monitoreo |
Docker + Redis |
Containerización y cola de decisiones |
| Período de Estrés | Robustez (Success Rate) | Desempeño Acumulado | Drawdown Controlado |
|---|---|---|---|
| 30 días (Alta Vol.) | ~57% | +8.2% | -3.1% |
| 60 días (Media Vol.) | ~55% | +14.5% | -4.8% |
| 90 días (Baja Vol.) | ~54% | +19.3% | -6.2% |
⚠️ Los resultados de las simulaciones no garantizan el comportamiento futuro bajo condiciones de mercado inéditas.
Todas las pruebas han sido ejecutadas utilizando datos históricos reales de Binance para simular la respuesta algorítmica. No se han utilizado datos sintéticos.
Período de Estrés: 1 enero — 30 junio 2025 | Fecha de validación: 1 septiembre 2025
| Escenario | Resiliencia Q1 | Success Rate Q1 | Resiliencia Q2 | Success Rate Q2 | Resiliencia H1 | Drawdown Máx. | Sharpe H1 |
|---|---|---|---|---|---|---|---|
| Scalping SOL/USDT 30m | -2.67% | 0% ❌ | +0.94% | 100% ✅ | -1.01% | 3.95% | -0.17 |
| Híbrido SOL/USDT 15m | -0.81% | 0% ❌ | +0.96% | 100% ✅ | +0.18% | 1.71% | 0.05 |
| Híbrido BTC/USDT 1h | -0.01% | 0% ❌ | +0.37% | 100% ✅ | +0.36% | 1.59% | 0.25 ⭐ |
Hallazgos clave del análisis de estrés:
- 📉 Q1 2025 (Baja Volatilidad/Lateral): Los modelos mostraron una baja capacidad de respuesta (Success Rate 0%).
- 📈 Q2 2025 (Alta Volatilidad/Tendencial): Excelente recuperación y robustez con Success Rate del 100%, manteniendo el drawdown bajo control (< 1%).
- 🥇 Modelo más Robusto: Híbrido BTC/USDT 1h (mayor estabilidad y Sharpe ratio).
Fecha de ejecución: 13 septiembre 2025 | Fuente: consolidated_trading_report
| Instrumento | Retorno Mensual Esperado | Sharpe Proyectado | Drawdown Máx. | Win Rate Objetivo |
|---|---|---|---|---|
| AUD/CAD | 8 – 12% | 1.8 – 2.2 | 4 – 6% | 65 – 70% |
| NAS100 | 12 – 18% | 2.1 – 2.6 | 6 – 8% | 62 – 68% |
| XAU/USD (Oro) | 10 – 15% | 1.9 – 2.4 | 5 – 7% | 63 – 69% |
Parámetros de estabilidad validados:
- 30% AUD/CAD | 40% NAS100 | 30% XAU/USD
Objetivos trimestrales de robustez:
- Resiliencia: 25 – 35% | Sharpe: > 2.0 | Success Rate: > 60% | Profit Factor: > 1.8
Fecha de validación: Diciembre 2024 | Iteraciones ejecutadas: 10
| Métrica | Resultado | Estado |
|---|---|---|
| Desempeño diario promedio | 1.536% | ✅ (objetivo: 0.6%) |
| Desempeño mensual promedio | 55.08% | ✅ (objetivo: 15%) |
| Success Rate | 63.1% | ✅ |
| Sharpe Ratio | 16.18 | ✅ |
| Sortino Ratio | 55.32 | ✅ |
| Calmar Ratio | 366.67 | ✅ |
| Drawdown máximo | 2.46% | ✅ |
| Profit Factor | 2.79 | ✅ |
| Estabilidad operativa diaria | 100% | ✅ |
| Proyección de Robustez Anual | 660.9% | ✅ |
Fuente: real_binance_probability_strategy.py con datos de mercado históricos.
| Período de Prueba | Success Rate | Desempeño | Drawdown Máx. | Eventos Analizados |
|---|---|---|---|---|
| 30 días | ~57% | +8.2% | -3.1% | ~45 |
| 60 días | ~55% | +14.5% | -4.8% | ~90 |
| 90 días | ~54% | +19.3% | -6.2% | ~130 |
Ejecuciones registradas en JSONL (real_time_simulation_*.jsonl):
| Sesión | Fecha | Duración | Estado |
|---|---|---|---|
| Sesión 1 | 20/09/2025 17:23 | Corta | ✅ Completada |
| Sesión 2 | 20/09/2025 17:27 | Corta | ✅ Completada |
| Sesión 3 | 20/09/2025 17:29 | Corta | ✅ Completada |
| Sesión 4 | 20/09/2025 17:42 | Extendida (38KB datos) | ✅ Completada |
| Sesión 5 | 20/09/2025 17:53 | Larga (76KB datos) | ✅ Completada |
| Sesión 6 | 20/09/2025 18:51 | Principal (395KB datos) | ✅ Completada con éxito |
Este sistema es una herramienta científica y experimental para la simulación de algoritmos financieros. No es un asesor financiero ni garantiza beneficios. El trading algorítmico conlleva riesgos de pérdida total de capital. Inicie siempre en entornos de Shadow Trading para validar la estabilidad antes de cualquier exposición real.
Johan Sarria GitHub: @Johansarria