Este es el curso escrito completo detrás del bot de trading de Kalshi que ejecuto con dinero real, publicado entrada por entrada en Rebel Edge y ahora reunido en un solo lugar.

Cinco entradas. Todas las capas del sistema. Código incluido.

Qué cubre el curso

Entrada 1: arquitectura
Por qué un solo modelo no basta. El filtro de doble confirmación que rechaza el 91,9 % de las señales. Cómo Chronos-T5-Small y LightGBM funcionan de forma independiente y por qué deben coincidir antes de que se ejecute una operación. Dimensionamiento de posiciones con el criterio de Kelly. El bucle de trading completo en 25 líneas de Python.

Entrada 2: canalización de datos
Obtención de datos OHLCV en vivo de Binance con ccxt (sin necesidad de clave de API). Ingeniería de 26 características en 8 categorías con pandas-ta. Codificación temporal seno/coseno. Las 3 características de Kalshi inyectadas en vivo que vinculan el gráfico de Binance con el mercado de predicción. Esquema de registro en SQLite con 14 columnas.

Entrada 3: entrenamiento de los modelos
Configuración de la clasificación binaria con LightGBM. Por qué los resultados de operaciones cerradas reciben un peso de muestra 3× en el entrenamiento. Cómo Chronos-T5-Small genera 100 previsiones probabilísticas en CPU, sin necesidad de GPU. El bucle de reentrenamiento de doble disparador: cada 6 horas según el reloj y cada 20 operaciones cerradas. Persistencia con Joblib para que los reinicios no pierdan el modelo. Validación con puntuación de Brier y pérdida logarítmica antes de que el nuevo modelo entre en producción.

Entrada 4: validación con paper trading
La arquitectura de un solo indicador que hace idénticos el modo paper y el modo real. Cinco categorías de fallos que el paper trading detecta y que el backtesting nunca detectará. Las cinco tablas de SQLite que hacen posible el análisis de go/no-go, incluida la tabla skipped_signals que la mayoría de los constructores omite. Matemáticas de intervalos de confianza sobre 241 operaciones en paper: qué significa realmente el 51,5 % estadísticamente. Las tres condiciones que el bot tuvo que cumplir antes de pasar a real.

Entrada 5: desplegar, supervisar, disciplina
Configuración de un VPS Hetzner CX22 por 3,79 €/mes. El problema del PATH de cron que arruina la mayoría de los primeros despliegues. Systemd como capa de recuperación ante fallos (no como planificador). Registros rotativos limitados a 50 MB. Alertas de operaciones por Telegram. Lógica de reintentos para llamadas a la API idempotentes y no idempotentes. Reglas de trading escritas de antemano y confirmadas antes de la primera operación real, porque la versión de ti que escribió las reglas antes de cualquier pérdida es la única que merece ser escuchada.

Para quién es

Desarrolladores de Python que quieren crear un sistema de trading algorítmico real en un mercado regulado por la CFTC: no un backtest, no una simulación, sino un bot que opera con capital real, datos de mercado reales, llamadas reales a la API y liquidación real. Deberías sentirte cómodo con Python. Estar familiarizado con pandas y con conceptos básicos de ML ayuda, pero no es obligatorio: cada concepto se explica desde los primeros principios.

Resultados en vivo del bot que construye este curso

Cartera de $428 · +18,95 % desde un saldo inicial de $360 · 132 operaciones reales · 55,3 % de aciertos · contratos de XRP al 79 %. Actualizado en vivo en el panel de Rebel Edge en Substack.

No es asesoramiento financiero. La rentabilidad pasada no garantiza resultados futuros.