Trading Strategy Validation Lab

Repositorio para analizar y validar estrategias de trading con dos entornos de trabajo:

• src/ para investigación y comparación rápida con backtesting.py
• freqtrade-docker/ para validación operativa sobre crypto spot con Freqtrade + Docker

Resumen

Este repositorio no presenta una estrategia lista para producción. Documenta un proceso de validación: definición de reglas, comparación de variantes, contraste entre timeframes, revisión de resultados y cierre con una conclusión explícita sobre límites y robustez.

La candidata más interesante en la validación con Freqtrade es MiEstrategiaFaseB en 4h, pero la evidencia actual sigue siendo insuficiente para considerarla robusta.

Enfoque

Este repositorio documenta un proceso de trabajo más que una estrategia final.

La idea principal es separar dos necesidades distintas:

1. src/: laboratorio de investigación sobre datasets reproducibles
2. freqtrade-docker/: entorno de validación operativa con configuración separada del core

La primera capa permite iterar sobre reglas, métricas y variantes con rapidez. La segunda permite comprobar una versión de esa línea de trabajo en un entorno más cercano a ejecución real, sin mezclar configuración local con el código de estrategia.

El objetivo de esta fase es mantener un proceso simple y defendible:

• comparar variantes con reglas simples y métricas consistentes
• evitar optimización oportunista
• documentar límites y riesgo de overfitting
• cerrar la validación con una conclusión defendible

Qué se trabajó

La validación principal sobre Freqtrade se centra en dos estrategias long-only para crypto spot:

• MiEstrategia: versión base educativa, sencilla y fácil de depurar.
• MiEstrategiaFaseB: traducción simple de la lógica swing desarrollada en fases previas del proyecto.

Los criterios de esta fase han sido:

• no optimizar parámetros
• mantener condiciones consistentes entre runs
• comparar varios timeframes
• comparar varios pares líquidos
• documentar resultados sin hype

Stack

• Python
• Docker
• Docker Compose
• Freqtrade
• Binance spot

Entornos

El repositorio usa dos entornos distintos a propósito:

• requirements.txt cubre src/ y tests/, es decir, la parte local de investigación con backtesting.py
• freqtrade-docker/ usa la imagen oficial de Freqtrade, así que su runtime y sus dependencias no se mezclan con el entorno Python local

La separación evita acoplar el laboratorio de investigación al entorno operativo de Freqtrade y deja más claro qué parte se ejecuta en cada sitio.

Resultado principal

• MiEstrategia: No consistente
• MiEstrategiaFaseB: Prometedora pero necesita más validación
• lectura global del repositorio: Interesante pero no robusta

La mejor señal aparece en MiEstrategiaFaseB sobre 4h, con mejor equilibrio entre retorno y drawdown que el resto de combinaciones observadas. Aun así, el comportamiento no se mantiene con la misma calidad en todos los timeframes, así que no hay base suficiente para una conclusión más fuerte.

Estructura

trading-bot/
├── README.md
├── docs/
│   └── freqtrade-validation.md
├── freqtrade-docker/
│   ├── docker-compose.yml
│   ├── README.md
│   └── user_data/
│       ├── config.json
│       ├── config.validation.json
│       └── strategies/
│           └── my_strategy.py
├── src/
│   ├── load_data.py
│   ├── strategy.py
│   ├── evaluation.py
│   └── run_backtest.py
├── specs/
└── tests/

Arquitectura del proyecto

src/ y tests/: laboratorio cuantitativo

La carpeta src/ contiene la parte más controlada del repositorio:

• descarga y carga de datos con yfinance
• estrategias y benchmarks en backtesting.py
• comparación in-sample / out-of-sample
• reportes y tests automatizados

Aquí está el trabajo de investigación: definición de reglas, comparación entre variantes y lectura de resultados.

freqtrade-docker/: validación operativa sobre crypto

La carpeta freqtrade-docker/ añade una capa de validación operativa:

• configuración separada del código base
• estrategias custom montadas en user_data/strategies/
• backtesting multi-par en Binance spot
• base preparada para dry-run

No sustituye al laboratorio de src/. Se usa para comprobar comportamiento, reproducibilidad y flujo de trabajo en un entorno distinto.

Metodología de validación

Se usó el mismo protocolo para todos los backtests de Freqtrade:

• exchange: Binance spot
• pares: BTC/USDT, ETH/USDT, BNB/USDT, SOL/USDT, XRP/USDT
• timerange: 2024-04-01 a 2026-03-31
• sin cambios de parámetros entre runs
• max_open_trades = 1
• stake_amount = 100 USDT

Notas metodológicas:

• MiEstrategiaFaseB necesita más velas de arranque (startup_candle_count = 220)
• para mantener una ventana efectiva comparable, el histórico se descargó con --prepend
• no se hizo optimización de parámetros entre comparativas

Resumen metodológico

Campo	Valor
dataset	Binance spot con BTC/USDT, ETH/USDT, BNB/USDT, SOL/USDT, XRP/USDT
periodo	2024-04-01 a 2026-03-31
costes y condiciones	stake_amount = 100 USDT, max_open_trades = 1, mismos parámetros en todos los runs
criterio de comparación	mismo protocolo para ambas estrategias; comparación por timeframe, profit total, trades, win rate, max drawdown y profit factor
principal conclusión	MiEstrategiaFaseB en 4h es la mejor candidata actual, pero el proyecto sigue siendo Interesante pero no robusta

Límites principales:

• un único exchange
• un universo pequeño de pares
• sensibilidad clara al timeframe
• riesgo de overfitting aunque no haya optimización agresiva

Qué hace cada estrategia

MiEstrategia

Estrategia base:

• usa EMA 12/26
• usa RSI como filtro de momentum
• toma beneficios con minimal_roi
• sale cuando la media rápida pierde fuerza o el RSI cae

Es fácil de seguir y sirve bien como referencia, pero depende bastante del ROI fijo y muestra sensibilidad al timeframe.

MiEstrategiaFaseB

Versión más cercana a una lógica swing:

• filtro de tendencia con SMA 50 > SMA 200
• precio por encima de SMA 50
• entrada por recuperación de RSI
• salida por pérdida de tendencia o momentum

La lógica es más coherente como estrategia swing, pero no mantiene el mismo comportamiento en todos los timeframes; mejora en 4h y pierde calidad en 1h.

Resultados resumidos

Estrategia	Timeframe	Profit total	Trades	Win rate	Max drawdown	Profit factor
MiEstrategia	1h	8.34%	1330	62.3%	5.05%	1.08
MiEstrategia	4h	3.50%	594	78.3%	5.39%	1.07
MiEstrategia	6h	-3.77%	415	79.0%	5.71%	0.92
MiEstrategiaFaseB	1h	3.20%	390	21.8%	6.93%	1.08
MiEstrategiaFaseB	4h	9.26%	84	28.6%	2.49%	1.70
MiEstrategiaFaseB	6h	4.23%	59	27.1%	4.64%	1.34

Detalle adicional por par en docs/freqtrade-validation.md.

Lectura honesta

MiEstrategia

• Aguanta razonablemente en 1h y 4h, pero empeora en 6h.
• Tiene win rate alto, pero la ventaja estadística es débil.
• profit factor cerca de 1.0 en todos los casos.
• No parece robusta: el rendimiento depende bastante del timeframe.

Conclusión: No consistente

MiEstrategiaFaseB

• Se comporta mal o de forma mediocre en 1h.
• Mejora claramente en 4h.
• Sigue siendo positiva en 6h, pero con menor consistencia entre pares.
• El mejor resultado aparece en un timeframe concreto, lo que obliga a desconfiar un poco.

Conclusión: Prometedora pero necesita más validación

Riesgo de overfitting

Existe riesgo de overfitting, aunque no se hayan optimizado parámetros de forma agresiva.

Motivos:

• la mejora de MiEstrategiaFaseB se concentra sobre todo en 4h
• en 1h la misma idea pierde mucha calidad
• en 6h mantiene resultado positivo, pero depende más de pocos trades y de algunos pares concretos
• la validación sigue limitada a un único exchange y un único universo pequeño de pares

La lectura razonable no es "funciona", sino:

• hay una hipótesis de trabajo interesante en 4h
• todavía no hay evidencia suficiente para llamarla robusta

Cómo ejecutar Freqtrade

Desde freqtrade-docker/:

cp .env.example .env
docker compose up -d freqtrade
docker compose logs -f freqtrade

Descarga de datos de validación:

docker compose run --rm freqtrade download-data --prepend --config /freqtrade/user_data/config.validation.json --timeframe 4h --timerange 20240101-20260331

Backtesting de la estrategia base:

docker compose run --rm freqtrade backtesting --config /freqtrade/user_data/config.validation.json --strategy MiEstrategia --timeframe 4h --timerange 20240401-20260331

Backtesting de la variante swing:

docker compose run --rm freqtrade backtesting --config /freqtrade/user_data/config.validation.json --strategy MiEstrategiaFaseB --timeframe 4h --timerange 20240401-20260331

Conclusión final

No hay evidencia suficiente para considerar la estrategia apta para producción.

El valor del repositorio está en el proceso de validación:

• separación entre investigación y validación operativa
• entorno reproducible con Freqtrade + Docker
• separación entre configuración, estrategia y core
• comparación entre varios timeframes
• contraste entre varios pares
• documentación explícita de límites y resultados

La mejor candidata actual es MiEstrategiaFaseB en 4h, pero necesita más validación antes de merecer cualquier confianza práctica.

Siguiente paso prudente

El siguiente paso razonable, sin cambiar parámetros, sería:

• forward test corto en dry-run
• mismo conjunto de pares
• mismo timeframe (4h)
• sin tocar parámetros

Eso serviría para comprobar estabilidad operativa, no para justificar uso en live.

Ejecución

Para la parte de Freqtrade, los comandos principales están documentados en freqtrade-docker/README.md.

Resumen rápido:

cp .env.example .env
docker compose up -d freqtrade
docker compose run --rm freqtrade download-data --prepend --config /freqtrade/user_data/config.validation.json --timeframe 4h --timerange 20240101-20260331
docker compose run --rm freqtrade backtesting --config /freqtrade/user_data/config.validation.json --strategy MiEstrategiaFaseB --timeframe 4h --timerange 20240401-20260331