Trading algorítmico en mercados de predicción
Proyecto personal para aprender trading quantitativo end to end, desde fundamentos de micro-mercado a infraestructura contra-latencia, con algoritmos de ML para la predicción usando diferentes estrategias de ejecución, endgamer, sniper y market making.
TL;DR
- Es un mercado muy líquido y muy bien arbitrado: el precio ya refleja casi toda la información disponible.
- El retardo de 250 ms para órdenes taker y las comisiones de Polymarket hacen inviable una estrategia pura no informada.
- El market making no sobrevive solo con los rewards: el flujo informado se come el margen.
- La siguiente línea de investigación pasa por contratar directamente los data streams de Chainlink.
El problema
Los mercados de predicción de BTC a 5 minutos en Polymarket se mueven en milisegundos y operarlos a mano es inviable. La hipótesis de partida era que, durante ventanas muy cortas, el precio se desvía de la probabilidad real y que un sistema con datos y baja latencia podría explotarlo, validándolo sin autoengañarse. Los bots de código abierto no ofrecían una ventaja medible.
La base teórica es el modelo de Black-Scholes para opciones digitales: cada contrato es, en esencia, una opción binaria sobre si BTC cerrará por encima de un precio de referencia al terminar los 5 minutos. Esa probabilidad teórica sirve de punto de partida para compararla con el precio real del mercado.
La solución
Un sistema cuantitativo de principio a fin: recolectores WebSocket del libro de órdenes, fuentes externas como Binance y Coinbase, pipelines de datos en Polars y Parquet, y modelos LightGBM y XGBoost con cabezas separadas para SÍ y NO. Se alimentan de microestructura (OFI, imbalance), del libro de órdenes por niveles y de técnicas clásicas (soportes y resistencias). La selección de variables se hace con feature ablation, y los parámetros operativos y los triggers óptimos, con grid search.
Se despliega con Docker en AWS Irlanda. Polymarket aloja su infraestructura en AWS Londres, pero desde allí no se permite operar, así que Irlanda es la región permitida más cercana.
Cada cambio sigue un método estricto: hipótesis registradas antes de probar, validación cruzada por grupos (GroupKFold), intervalos de confianza por bootstrap (CI95), corrección de Bonferroni, trazabilidad de cada decisión y validación en sombra con criterios fijados de antemano (N, LB95).
Las estrategias van desde el arbitraje puro de latencia con Black-Scholes digital hasta modelos sniper con LightGBM y XGBoost, endgamers que aprovechan los últimos instantes de liquidez, market making y arbitraje de paridad. Los cálculos son realistas: usan datos on-chain y estimaciones realistas de slippage y comisiones, con atención al régimen de mercado (determinista o near-strike).
El resultado
Una plataforma reproducible y auditable, con arquitectura basada en eventos, capaz de responder en milisegundos y de probar docenas de estrategias, tanto en real como en backtest, y de descartar con evidencia las que no funcionan controlando el capital en riesgo.
La conclusión principal es que la ventaja no está en la ejecución sino en la calidad de los datos, y el siguiente paso es investigar con los data streams de Chainlink directamente.
Tecnología
- Python
- Polars
- Parquet
- XGBoost
- LightGBM
- WebSockets
- Docker
- AWS
Proyecto de investigación personal. No constituye asesoramiento financiero.