Por qué retiramos BURST: cuando 7 disparos en producción nos dijeron que no
BURST debía detectar ventas informadas en Binance Futures leyendo la cinta de trades agregados. La teoría era sólida: los insiders sueltan posición antes de las noticias públicas, y esa descarga aparece como una ráfaga de 3 segundos de ventas agresivas. Lo construimos, lo corrimos en vivo en modo paper durante dos semanas, obtuvimos 7 disparos, y los datos dijeron algo que la teoría no predecía.
La tesis
Cuando un fondo o un insider conoce malas noticias pendientes (delisting, exploit, acción regulatoria), no puede soltar $5M de una altcoin small-cap sin mover el mercado. Tiene que trocear la descarga. El patrón más común: 200-800 ventas a mercado agresivas en 3-10 segundos, bajando el precio un 3-5% antes de que la liquidez se recupere.
Si puedes detectar ese patrón en tiempo real, tienes una ventana de 10-30 segundos para shortear el perpetuo antes de que el pánico vendedor del retail amplíe el movimiento. El setup se veía perfecto en los cuatro eventos históricos que usamos como referencia de diseño (TRU, FIO, dos más).
La construcción
BURST era un consumidor WebSocket suscrito al stream de trades agregados de Binance sobre los 100 perpetuos con margen USDT más grandes. Rastreaba una ventana deslizante de 3 segundos por símbolo. Condiciones de disparo:
- ≥400 trades en la ventana
- caída de precio ≥3.5% close-to-close en la ventana
- ≥$500K de nocional negociado
- BTC sin moverse más de 1.2% en la misma ventana (saltar los flushes de todo el mercado)
- La coin no está entre los blue-chips del top-25 por capitalización (esos no tienen dinámica de dump de insiders)
- cooldown de 24h por símbolo
Los umbrales se afinaron sobre los cuatro eventos de referencia. Disparaban exactamente en los patrones que queríamos. Desplegamos BURST en modo paper (sin trades reales, solo registrando disparos y siguiendo los resultados hacia delante) y esperamos.
Los datos
En dos semanas de operación en vivo, BURST disparó 7 veces. De esos:
- 2 eventos vieron el precio caer más en la hora siguiente (habrían sido shorts rentables)
- 1 evento derivó de lado (más o menos breakeven)
- 4 eventos rebotaron hasta el nivel de disparo o por encima en 30 minutos (habrían saltado nuestro SL de +2%)
PnL hipotético realizado sobre un nocional de $5K con nuestras reglas de producción (SL +2%, TP -10/-15/-20%, hold de 4h): -12% neto en los 7 trades. No la victoria que esperábamos.
La prueba rigurosa
Siete eventos son muy pocos para sacar conclusiones, sobre todo cuando el patrón tiene respaldo teórico. Construimos un backtest sintético de 90 días que reconstruía la lógica de disparo de BURST sobre datos de klines de 1 minuto en los 60 perpetuos USDT más grandes. El proxy: cualquier vela de 1m con caída ≥3.5% Y volumen ≥5× la media de 24h Y BTC estable en el mismo minuto.
Esta simulación produjo 256 disparos candidatos en 90 días. Con las reglas de trade de producción aplicadas de forma path-dependent (usando datos reales de klines de 1m para el timing de SL/TP), el resultado fue inequívoco:
| Métrica | Resultado |
|---|---|
| Trades | 256 |
| Tasa de acierto | 18.0% |
| Ganancia media | +7.47% |
| Pérdida media | −2.27% |
| Profit factor | 0.72 |
| SL alcanzado | 219 / 256 (85%) |
La estrategia era estructuralmente perdedora. No «se podría afinar mejor»: perdedora.
Por qué no funcionó
El análisis posterior reveló dos cosas:
1. El reconocimiento de patrón era correcto, pero la mayoría de las coincidencias no eran el patrón que buscábamos. Una caída del 3.5% en 3 segundos con volumen alto ocurre por muchas razones: huecos de liquidez, grandes barridos de stops, rebalanceos del lado del exchange. Solo una fracción pequeña es descarga informada. La firma no era lo bastante específica.
2. El SL de +2% era demasiado ajustado para el perfil de volatilidad. Incluso cuando la descarga era real, el precio a menudo rebotaba un 2-3% antes de seguir cayendo. Nuestro SL de +2% pillaba ese rebote técnico y nos sacaba al peor precio. Para cuando el movimiento se reanudaba, ya estábamos fuera.
Lo que probamos antes de retirarlo
Antes de apagarlo, corrimos búsquedas de combinaciones de filtros:
- Caída más estricta (≥5%): WR 14.9% (peor)
- Multiplicador de volumen más alto (≥10×): WR 19.1% (algo mejor, aún EV negativo)
- Filtros por hora del día concretos: sin mejora
- Filtro combinado de caída + volumen: n=79, WR 16.5%, aún PF < 1
Ninguna recuperó la estrategia. Cada variación que probamos era de EV negativo.
La decisión
Retiramos BURST el 3 de mayo de 2026. Fuera del trading en producción, fuera de la lista de algoritmos de la web, fuera del set de funciones del tier Pro de pago. El módulo sigue en el codebase por si tiene uso futuro (en concreto, en combinación con señales on-chain de flujo de ballenas, una línea de investigación aparte).
Costo total del experimento BURST: ~3 semanas de tiempo de desarrollo, $0 en pérdidas de trading en vivo (fuimos solo paper) y una lección valiosa sobre la diferencia entre setups teóricos sólidos y edge de nivel producción.
El reconocimiento de patrones sin suficiente especificidad recupera resultados de nivel azar. Los setups teóricos necesitan filtros empíricos de especificidad: prueba de que el patrón, tal como se define, separa el evento buscado del ruido. No filtramos BURST con suficiente rigor. El patrón coincidía con demasiados no-eventos.
Por qué publicamos esto
El trading cripto tiene un problema de transparencia. Los servicios pregonan sus ganancias y esconden sus pérdidas. Teníamos una estrategia que no funcionaba, demostramos que no funcionaba y la retiramos. Nuestros clientes merecen saberlo. Y también quien evalúe nuestras otras estrategias: las construyen personas que de verdad retiran lo que no funciona, un subconjunto pequeño de la industria.