Desarrollo de Bots de Trading Algorítmico con Python y Binance API

Este curso sigue el recorrido completo de un bot algorítmico, desde un entorno reproducible hasta una ejecución simulada que pueda auditarse. El escenario común será una estrategia para BTC/USDT en velas horarias, operada únicamente con datos históricos, paper trading o un entorno de pruebas autorizado. La meta no es prometer resultados, sino aprender a separar observación, señal, decisión, riesgo y registro.

En el primer módulo prepararás un entorno aislado y reconocerás qué dependencias necesita cada tarea. Después estudiarás la autenticación y la protección de credenciales: una clave no debe aparecer en el código, en capturas ni en repositorios. La obtención de datos te llevará a distinguir ticker, vela y libro de órdenes, además de respetar límites de consulta. La práctica de monitoreo convertirá esos datos en registros legibles y el quiz comprobará si puedes detectar configuraciones inseguras.

El segundo módulo transforma precios en reglas cuantitativas. Calcularás indicadores con datos ordenados temporalmente y verificarás que cada señal use solo información disponible hasta ese instante. El cruce de medias móviles servirá para practicar estados y cambios de posición; RSI y MACD mostrarán por qué combinar filtros no equivale automáticamente a mejorar una estrategia. En la práctica construirás un flujo que genere señales sin enviar órdenes, y evaluarás si las reglas son coherentes antes de medir resultados.

El tercer módulo introduce el backtesting como experimento controlado. Primero validarás el formato de un archivo OHLCV y la correspondencia entre columnas, fechas y unidades. Luego ejecutarás una simulación con capital inicial, comisiones y una regla explícita para decidir cuándo entra una operación. El análisis de Sharpe y drawdown te obligará a mirar el camino de los resultados, no solo el saldo final. Finalmente, un grid search comparará parámetros en una partición de entrenamiento y reservará otra para comprobar si la elección resiste datos no usados.

El proyecto integrador organiza el sistema en módulos separados: datos, estrategia, riesgo, ejecución simulada y registro. La estrategia combinada deberá indicar qué condición produce una señal y qué condición la invalida. El gestor de riesgo calculará tamaño, distancia del stop y exposición máxima antes de aceptar una orden. La práctica final reunirá estos componentes en sandbox o simulación, con credenciales de prueba, límites de tiempo, manejo de errores y una salida que permita reconstruir cada decisión.

El trabajo final será un informe reproducible y un prototipo que no opere con dinero real. Deberás entregar datos de entrada o su esquema, parámetros, reglas, operaciones simuladas, comisiones, métricas, casos de error y una explicación de las limitaciones. Se comprobará con tres evidencias: otra persona puede ejecutar la simulación con los mismos parámetros; los cálculos de rendimiento se pueden rehacer desde los registros; y ninguna orden se envía si faltan datos, el riesgo excede el límite o la conexión no está autorizada. Así, completar el curso significa demostrar control técnico y criterio de validación, no presentar una rentabilidad hipotética como garantía.