Construiré sistemas institucionales de trading cuantitativo en python

Sí. Puedo investigar una hipótesis, implementar reglas o revisar datos, modelos y código existentes. Comparte tu objetivo, mercado, plazo y materiales disponibles. Juntos definiremos requisitos, restricciones de riesgo, integraciones y entregables.

La investigación evalúa la hipótesis y estructura datos, características y un modelo inicial. La validación construye el sistema, compara modelos y prueba su robustez para trading simulado. La producción añade validación avanzada, ejecución automatizada, monitoreo de modelos y despliegue asistido.

ML/DL puede apoyar en pronósticos, selección de señales y detección de regímenes. NLP convierte noticias, informes y textos en características cuantitativas. El reinforcement learning puede investigarse para asignación y ejecución. Comparo modelos contra baselines simples para evaluar su valor incremental.

Cripto, acciones/ETFs, CFDs, futuros, opciones, commodities, FX y renta fija. Bolsas y grupos: NYSE, Nasdaq, LSE, Euronext, Xetra, SIX, JPX, HKEX, ASX, B3, TSX, NSE, SSE, SZSE, KRX, CME Group, Cboe, ICE, Eurex, SGX y TAIFEX. La cobertura depende de los datos disponibles y la ejecución.

IBKR, Charles Schwab, TradeStation, tastytrade, Alpaca, OANDA, Webull, Tradier, Public, Saxo Bank, Binance, Coinbase, Bitfinex, Bybit, OKX, Kraken, Deribit, Rithmic, CQG, Bloomberg EMSX, Trading Technologies, FlexTrade y SS&C Eze. REST, WebSocket, FIX o SDKs, según el acceso y la plataforma.

Bloomberg, LSEG, FactSet, S&P Global, ICE Data Services, Databento, Nasdaq Data Link, dxFeed, Cboe DataShop, CME DataMine, OptionMetrics, Macrobond, RavenPack, Kaiko, Coin Metrics, MSCI y tus propios datos. Se requiere acceso y licencia; los costos externos se gestionan por separado.

Dependiendo del alcance, uso OOS, walk-forward, Monte Carlo, pruebas de sensibilidad, régimen y estrés con costos, deslizamiento y liquidez. Verifico sobreajuste, sesgo de anticipación y fuga de datos. Los datos de prueba permanecen fuera del entrenamiento y selección de características. Comparo modelos contra baselines simples.

Python, SQL, C++, Pandas, NumPy, SciPy, Polars, statsmodels, scikit-learn, XGBoost, PyTorch, Transformers, MLflow, QuantConnect/LEAN, Jupyter, vectorbt, backtrader, FastAPI, PostgreSQL, Docker, Linux, pytest, Git, CI/CD, Prometheus, Grafana, AWS, Azure y Google Cloud, según el proyecto.

Dependiendo del alcance, añado pruebas, logs, límites de exposición, conciliación de órdenes y recuperación ante fallos. Esto puede incluir versionado de modelos, monitoreo de cambios en datos y criterios de retraining. Proporciono instrucciones operativas; el soporte continuo se acuerda por separado.

Priorizaré el chat de Fiverr y la documentación escrita, con actualizaciones y decisiones rastreables. Las llamadas cortas en Fiverr pueden apoyar en alineación y demos. NDA disponible; tu estrategia, código, datos, modelos, documentación y resultados permanecen confidenciales.