sistema-optimizacion-mat 0.1.4

Backtest compuesto BTC/ETH (futuros USDT) con ventanas deslizantes, funding y optimización de señales opcional.

Sistema de optimización MAT — backtest compuesto (BTC/ETH)

English: README.en.md

Motor de simulación por ventanas deslizantes sobre futuros USDT (precio + funding) con gestión de apalancamiento por equity, reglas de señal opcionales en JSON y barridos reproducibles. Pensado para investigación cuantitativa, no como señal de trading en vivo.

Aviso legal: esto es software experimental. Los resultados históricos no garantizan rendimiento futuro. Usalo bajo tu propio criterio y cumplimiento normativo.

---

Por qué este repo puede funcionar bien en GitHub

• Reproducibilidad: CI genera una DB mínima y valida tests + una corrida del runner.
• Contrato explícito: métricas (p_win_terminal, p_ruin, walk-forward) y docs del dataset en docs/DATASET.md.
• Extensible: reglas de filtro en JSON (--signal-config), spec tipo ce-optimize en YAML de ejemplo.
• Honestidad metodológica: tabúes y holdout documentados en docs/brainstorms/ (evitar curve-fitting descuidado).
• Índice de docs: docs/README.md (tutorial, dataset, PyPI, ejemplos).

Lo que no promete: edge rentable listo para copiar. Open source exitoso aquí = herramienta clara + datos armables + CI verde.

---

Requisitos

• Python 3.11+ (probado en CI con 3.11 y 3.12).
• Dependencias: pip install -r requirements.txt
  Desarrollo / tests: pip install -r requirements-dev.txt

---

Inicio rápido (sin datos propios)

Tutorial paso a paso (venv, DB sintética, tests, JSON): docs/tutorial_quickstart.md.

pip install -r requirements.txt -r requirements-dev.txt
python scripts/bootstrap_synthetic_candles_db.py
pytest tests/ -q
python compound_optimize_runner.py --db data/synthetic_signal_tune.db --holdout-frac 0.2

La salida es JSON en stdout (métricas agregadas + opcional walk_forward).

Optimización acotada de reglas de señal:

python scripts/optimize_signal_grid.py --db data/synthetic_signal_tune.db --preset smoke --skip-pairs --holdout-frac 0.2

Ver docs/signal_rules_examples.md.

---

Datos reales (Binance Vision)

El repo incluye utilidades bajo data/binance_vision/ y scripts/download_binance_vision.py para armar tu propio candles.db. El esquema esperado está en docs/DATASET.md.

Variable opcional: COMPOUND_OPT_DB=/ruta/a/candles.db

---

Componentes principales

Pieza	Rol
compound_optimize_runner.py	Carga SQLite, cóctel EMA/SMA + anti-whipsaw, equity target/ruina, JSON
leverage_pi.py	Política opcional pi_ref (PI + referencia suave)
features/	Indicadores 5m, reglas --signal-config
scripts/optimize_signal_grid.py	Rejilla de señales + gates p_ruin / Δ OOS
optimization/contract.yaml	Contrato numérico de referencia

---

Qué va fuera de este repo público

Estas categorías no son el núcleo de optimización/backtest y están en .gitignore para mantenerlas solo localmente (u otro repo privado):

• PDFs (*.pdf): pitch decks y briefs.
• SK-MATHS/: documentación conceptual (no el simulador).
• multi_agent_trading/: otro proyecto.
• Scripts Telegram (scripts/telegram_hola_bot.py, scripts/telegram_scheduler_hola.py).
• Raíz: generadores generate_*pdf*.py, generate_audience_pdfs.py, generate_pitch_pdfs.py, generate_pdr_committee_*.py.
• Raíz: narrativa PDR_*.md, PDR_programa_compras.md, DRE_*.md.
• optimization/: salidas de corridas (sweep*.json/jsonl, signal_grid*.json, tablas signal_grid*.md, last_run.json). Siguen versionados contract.yaml, contract.json, mc_ladder.py, verify_run.json.

Para material comercial usá otro repositorio o Releases sin mezclarlo con el código reproducible.

---

Impulsar alcance en GitHub (lo que más suma)

Ya versionado en el repo

• Dependabot (.github/dependabot.yml) para PRs de actualización de numpy/requests y de Actions.
• pyproject.toml: metadatos, keywords y pip install -e ".[dev]" como alternativa a los requirements*.txt.
• CHANGELOG.md y ejemplo de JSON del runner en docs/examples/.

En la configuración del repo (no son archivos)

• Topics sugeridos: quantitative-finance, backtesting, binance, cryptocurrency, numpy, python, research, futures.
• About: una línea que diga “sliding-window futures backtest (BTC/ETH) + optional signal optimizer”; link a docs/DATASET.
• Discussions habilitadas en GitHub para Q&A sin ruido en Issues.
• URLs del proyecto ya apuntan a emilianob-ux/SISTEMA-OPTIMIZACION-MAT en README y pyproject.toml.
• Stars externos: post corto en X/LinkedIn/Medium con el quickstart + “no es asesoramiento financiero”.

Calidad incremental

• pre-commit + ruff (lint rápido) cuando el equipo crezca.
• README en inglés: README.en.md (enlace arriba).
• Publicación opcional en PyPI: docs/PUBLISHING_PYPI.md.

---

Licencia, seguridad y comunidad

• Licencia: LICENSE (MIT).
• Contribuciones: CONTRIBUTING.md.
• Vulnerabilidades: SECURITY.md (reporte privado).
• Código de conducta: CODE_OF_CONDUCT.md.

Checklist antes de publicar el repo

1. Badge CI y project.urls ya usan emilianob-ux/SISTEMA-OPTIMIZACION-MAT.
2. Confirmar que no subís candles.db gigante ni API keys (.gitignore ya ignora data/*.db).
3. Revisar git status: no deben subirse PDFs, SK-MATHS, Telegram, PDR/DRE en raíz ni artefactos optimization/sweep* / optimization/signal_grid* (ver sección anterior).