Descifrando The Architect: seis años en la trayectoria de un trader algorítmico

Al mercado no le importan tus emociones

Comenzó a programar bots de trading un viernes por la noche, acompañada de café y una teoría sobre mercados laterales. El domingo por la tarde, tenía un bot de grid trading completamente funcional, operando mediante API, sin salir de su apartamento. Así pasaba la mayoría de los fines de semana: no por ocio, sino para construir sistemas automáticos de trading.

Sus amigos operaban según "corazonadas" e "intuición". Hablaban de estar "alcistas" o "bajistas" como si fueran métodos analíticos fiables. Observaban gráficos convencidos de que la experiencia y el instinto bastaban para descifrar el próximo movimiento del mercado.

Pero ella era distinta. No confiaba en las emociones ni la intuición al operar. Para ella, el mercado era un sistema complejo, pero regido por reglas. Seguía patrones identificables y, lo más importante, esos patrones podían programarse y transformarse en algoritmos de trading.

Llevaba años operando en el mercado de criptomonedas, pero había dejado el trading manual mucho tiempo atrás. No por falta de habilidad (de hecho, era rentable de forma constante), sino porque entendió que mantener la disciplina emocional al operar es un reto enorme. El código no siente miedo ni codicia.

¿Por qué luchar contra tu propia psicología si puedes eliminar por completo el factor humano del trading? Esa es la filosofía central de su enfoque algorítmico.

Primer mes: cuando el bot destruye toda ilusión

Hubo un tiempo en que pensaba que era más lista que cualquier operador del mercado. Fue un día de mayo, hace unos años, cuando Bitcoin se desplomó de 43 000 $ a 30 000 $ en solo cuatro horas. Estaba en la oficina, en una reunión sobre migración de bases de datos, cuando su móvil empezó a vibrar incesantemente con errores de su bot de trading.

Se excusó, fue al baño y abrió una terminal en el teléfono. Lo que vio fue impactante: su bot de momentum estaba liquidando automáticamente toda su cuenta en tiempo real.

La lógica del bot era impecable en teoría: comprar en rupturas, vender en caídas, con un stop dinámico para asegurar beneficios. Durante los dos primeros meses, el bot funcionó sin errores, generando hasta un +40 %. Incluso presumía ante sus colegas de su sistema de trading "perfecto".

Sin embargo, cuando la volatilidad se disparó y los precios oscilaron de forma salvaje, el bot compró repetidamente en falsas rupturas solo para ver el precio darse la vuelta al instante. Compra en 38 000 $, stop en 36 000 $. Compra otra vez en 39 000 $, stop en 37 000 $. Este ciclo se repitió siete veces en solo una hora.

Cuando por fin detuvo el bot manualmente, su cuenta había caído un 35 %. Se sentó en el coche tras salir del trabajo, mirando el salpicadero en silencio. El bot no había fallado técnicamente: ejecutó exactamente lo que estaba programado. El problema real era que su lógica no servía para condiciones extremas de mercado.

En Twitter, vio que los bots de la mayoría corrieron la misma suerte. "Mi algoritmo acaba de ser rekt." "Resulta que mi estrategia solo funciona en mercados alcistas." Al menos no era la única en su "estupidez".

En otros exchanges fue aún peor. Las órdenes sufrían grandes retrasos, las APIs dejaban de responder y algunas plataformas liquidaban a los clientes a precios que no coincidían con ningún otro sitio, porque sus sistemas no soportaban la carga.

En su plataforma, todas las órdenes se ejecutaron. Los stop loss saltaron tal como debían. La pérdida del 35 % fue responsabilidad exclusiva de su código, no de un fallo técnico del exchange.

Fue un consuelo escaso tras perder ese 35 % porque un código "inteligente" se mostró ingenuo ante la crudeza del mercado.

Segundo año: cuando ni el “smart money” sobrevive

En mayo del año siguiente, siguió en tiempo real por Twitter el colapso de Luna, en su día considerado uno de los proyectos "más inteligentes" del sector, minuto a minuto.

Luna era una stablecoin algorítmica, diseñada por doctores con teoría de juegos avanzada, mecanismos de arbitraje sofisticados y una solución matemática "perfecta" para evitar un colapso. En teoría, todo estaba cuidadosamente calculado.

La realidad demostró lo contrario. Las matemáticas pueden fallar, los supuestos iniciales ser erróneos o ambas cosas. Desaparecieron 40 000 millones de dólares en 48 horas porque el algoritmo que debía evitar el desastre aceleró el colapso.

Uno de sus amigos, ingeniero y seguro de sus capacidades analíticas, perdió 80 000 $ en el evento de UST. Desconcertado, preguntó: "El mecanismo parecía tan sólido. ¿Cómo pudo fallar así?"

La respuesta era sencilla: no puedes programar un sistema para resistir el pánico masivo. Los casos límite que nunca imaginas son los que destruyen tu sistema.

Mientras desarrollaba su propio sistema, vio caer el de muchos otros. Celsius bloqueó retiradas. Three Arrows Capital terminó siendo una apuesta gigante y sobreapalancada. BlockFi, Voyager y otros prestamistas "algorítmicos" quebraron por una gestión de riesgos catastrófica.

En noviembre, FTX colapsó: una plataforma dirigida por "quant traders" famosos por la gestión de riesgos. Pero su "algoritmo de gestión de fondos de clientes" resultó ser una estafa disfrazada de tecnicismos.

Después de estas lecciones, añadió más cortafuegos a sus bots: reglas simples como "si ocurre algo inusual, detén todas las operaciones". Eso redujo el beneficio, pero al menos el sistema sobrevivió.

Proyecto de fin de semana: construir un bot de grid trading

Bitcoin llevaba dos semanas oscilando entre 98 000 $ y 103 000 $: el entorno perfecto para un bot de grid trading.

El concepto es sencillo: colocar órdenes de compra por debajo del precio actual y de venta por encima del mercado. Cuando el precio oscila dentro del rango, el bot obtiene beneficios del spread. Pero la implementación práctica es mucho más compleja.

El viernes por la noche comenzó a programar la lógica principal de órdenes. Tras unas horas, vio que su regla de rebalanceo era nefasta y necesitaba rehacerse. Luego pasó una hora depurando por qué el websocket se caía, hasta que descubrió que había olvidado enviar el mensaje de latido.

Siempre hay un bug tonto en el código. Así es la programación.

A las 2 de la madrugada pidió pad thai y siguió programando. El sábado por la mañana pasó al trading simulado para probar. Primer bug: el bot ponía órdenes fuera del rango previsto. Solucionado. Segundo bug: tamaño de posición incorrecto. Solucionado. Tercer bug: un error en el nombre de una variable que tardó 45 minutos en detectar.

En total, encontró y arregló 11 bugs. Tras dos horas de trading simulado sin errores, decidió que estaba listo para operar en real.

Pero en cuanto comenzó el trading real, el bot se bloqueó: olvidó comprobar el tamaño mínimo de orden del exchange. Corrigió, reinició y supervisó otra hora. Esta vez todo funcionó bien.

Cerró el portátil y salió a pasear. Si el bot fallaba, así sería: había hecho todo lo que estaba en su mano.

Una API que realmente funciona

Como desarrolladora de bots de trading, probó infinidad de exchanges. Casi siempre fue un desastre técnico.

Los límites de velocidad saltaban aleatoriamente. Las llamadas REST API fallaban en los picos de volatilidad, justo cuando más se necesitaban. Los feeds de websocket podían detenerse sin aviso. La documentación era vaga y confusa.

¿Obtener datos de margen precisos por API? La mitad de los exchanges ni los publicaban. Había que confiar ciegamente en sus motores de liquidación.

Perdió la cuenta de cuántos bots fallaron, no por mal código, sino por APIs poco fiables.

En su plataforma actual, la API funcionaba sin problemas. La documentación coincidía con los endpoints. Los límites de velocidad eran razonables. Los mensajes de error eran claros y específicos, no simples "bad request".

Lo más importante: el Margen Unificado evitaba transferir garantías entre posiciones. Todo el saldo de la cuenta respaldaba cada operación. En grid trading, eso le permitió usar 18 niveles en vez de solo 8 con el mismo capital.

Estableció 18 niveles de grid desde 98 400 $ hasta 102 600 $. Cada orden: 0,03 BTC. Stop loss por debajo de 96 000 $. Take profit en todo lo que superara 105 000 $.

El sábado por la tarde, tras corregir tres erratas y una grave condición de carrera, el bot entró en funcionamiento. Supervisó una hora: todo funcionaba igual que en las pruebas.

Después dejó de mirar. Obsesionarse con los logs no mejora el código. Ahora el bot debía demostrar su valía.

Domingo por la mañana: primeros resultados

El domingo por la mañana, al despertar, consultó el móvil.

14 operaciones ejecutadas durante la noche: 8 compras en caídas, 6 ventas en rebotes. P&L neto: +410 $.

No es un cambio de vida, pero prueba que el sistema funcionó perfectamente mientras dormía. Nada de despertarse a las 3 de la madrugada para operar. Ninguna oportunidad perdida haciendo el desayuno o al ducharse. El bot funcionaba y generaba beneficio automáticamente.

El domingo por la noche, 34 operaciones ejecutadas. Beneficio total: +920 $. No es un pelotazo, solo ejecución algorítmica disciplinada y constante.

Revisó los logs dos veces buscando errores. No encontró ninguno. Todo limpio y funcionando como debía.

La satisfacción de ver el código funcionando como debe fue incluso mayor que el dinero ganado.

Domingo por la noche: la duda nunca desaparece

A última hora del domingo, navegando por Twitter, vio a alguien presumiendo de un x40 en una memecoin. Los comentarios, llenos de cohetes y "acabo de comprar más".

Su bot hizo 920 $ el fin de semana. Ese operador pulsó comprar una vez y ganó 120 000 $.

El ciclo se repite: operadores manuales sin sistema, sin gestión de riesgos, sin código, solo suerte, logran multiplicar por 100. Ella se esfuerza por obtener retornos estables con infraestructura técnica compleja.

¿Merece la pena tanto esfuerzo cuando otros ganan 100 veces solo por pulsar comprar?

Su ex le dijo una vez: "¿Pasas el fin de semana programando para ganar 900 $? ¿Por qué no compras Bitcoin sin más?"

Por supuesto. O compras Bitcoin y pierdes un 60 % en una reversión. O te la juegas a una shitcoin y lo pierdes todo. O vendes en pánico en el mínimo, porque operar con emociones es una receta para el desastre.

El sistema no te hace más listo que otros. Solo elimina la emoción, el factor que arruina las decisiones de trading.

Aun así, cuando ves a otros ganar seis cifras con memecoins mientras tú depuras websockets a las 2 de la madrugada, te preguntas si has elegido el camino adecuado.

El camino de construir un sistema

Construir este sistema de trading llevó años. La mayor lección: la estrategia es sencilla, la ejecución lo es todo.

Por buena que sea tu lógica, si el exchange falla durante la volatilidad, todo da igual. Un bot sofisticado de arbitraje no sirve si la API se bloquea cuando explotan los spreads. La estrategia grid fracasa si no puedes obtener datos de margen precisos.

Ahora ejecuta seis bots en esta plataforma: grid, DCA, arbitraje de tipos de financiación y otros. No todos ganan, pero ejecutan exactamente lo programado porque la base técnica es sólida.

La API tiene una disponibilidad casi perfecta. Las órdenes siempre se ejecutan a mercado. Los feeds de datos nunca caen. La información de margen es precisa. En años de operar bots, ni un solo error fue culpa de la API.

Después de ver el colapso del algoritmo de Luna, la gestión de riesgos de grandes exchanges destapada como fraude y sus propios bots fallar por infraestructura débil, entendió: el código inteligente no sirve de nada sin una base robusta.

O dicho de otro modo: todo carece de sentido si el exchange se cae.

Sigue construyendo

Durante el día es desarrolladora fintech. Por la noche y los fines de semana, programa bots de trading. Parece que programar todo el día no es suficiente.

Su cartera no es tan grande como la de sus amigos cazadores de memecoins, pero crece de forma constante. Ellos ganan mucho y pierden mucho. Su cuenta sube despacio pero seguro. Algunas semanas sube, otras baja un poco. Pero el bot sigue funcionando.

A veces le piden consejo de trading. Suele responder: "No intentes predecir el mercado. Construye un sistema que sobreviva a cualquier escenario."

A la mayoría no le gusta esa respuesta. Quieren chivatazos y predicciones de precios, no tutoriales de Python ni lecciones de arquitectura.

Por eso tiene menos competencia.

La satisfacción de un código que funciona

Hay algo especial en despertarse y ver que tu código ha funcionado a la perfección toda la noche. No es una descarga de adrenalina, es la satisfacción de que todo salió según lo planeado.

Lógica sólida. Código limpio. Infraestructura fiable.

Su bot de grid sigue operando. Bitcoin se mueve entre 98 000 $ y 103 000 $. Mientras el precio permanezca en ese rango, el bot sigue generando beneficio. Si el precio rompe el rango, el bot cierra todas las posiciones y espera la próxima oportunidad.

No hace falta mirar gráficos todo el día. Ya ha empezado su siguiente proyecto, uno relacionado con huecos de liquidez y arbitraje de tipos de financiación. Los primeros backtests son prometedores. Quizá lo pruebe en real el próximo fin de semana.

Sólo espera no pasar otras cuatro horas corrigiendo una errata tonta. Pero eso es inevitable. Así es la programación.

Preguntas frecuentes

¿Quién es The Architect? ¿Cuál es su experiencia en trading?

The Architect es exejecutivo de FTX, fundador de la fintech Architect, y consiguió 35 millones de dólares de financiación. Comenzó su carrera en Jane Street liderando tecnología de sistemas de trading, desarrollando infraestructuras de alto rendimiento.

¿Qué estrategias principales ha utilizado este trader algorítmico en los últimos seis años?

Momentum (seguimiento de tendencia), arbitraje (aprovechar diferencias de precio), market making (provisión de liquidez) y machine learning (modelos predictivos de IA) para optimizar resultados.

¿Cuál es la historia principal y el mensaje clave de “Decoding The Architect”?

El libro relata una trayectoria de seis años en trading algorítmico, centrada en estrategia, gestión del riesgo y psicología de mercado. Ayuda a comprender cómo construir sistemas efectivos de trading con criptomonedas.

¿En qué se diferencia el trading algorítmico del trading manual tradicional?

El trading algorítmico ejecuta automáticamente en base a datos y lógica, eliminando emociones y errores humanos. El trading manual depende de la intuición y es vulnerable a las emociones. Los algoritmos ofrecen mayor velocidad, precisión y consistencia.

¿Cómo gestiona el riesgo The Architect?

Mediante órdenes de stop loss, diversificación de cartera y manteniendo una relación riesgo/beneficio equilibrada para proteger el capital y optimizar resultados.

¿Cómo debería empezar un principiante a aprender trading algorítmico?

Aprender los fundamentos del mercado y programación, elegir un área concreta y familiarizarse con herramientas de análisis de datos, desarrollando estrategias simples antes de aumentar la complejidad.

¿Qué herramientas y plataformas de trading se utilizan aquí?

En este caso se emplean herramientas como Gate.com y plataformas como TradingView y Messari. Son esenciales las plataformas de análisis de mercado y gestión de carteras que soportan trading algorítmico.