Dimensiones del proyecto — variables y direcciones de R&D

Este documento inventaría todas las variables del proyecto BTC trading que pueden modificarse durante R&D, organizadas en 8 dimensiones independientes. Cada variable incluye: valor canónico actual, alternativas, impacto esperado, esfuerzo de testear, e hipótesis concreta a validar. Generado por equipo de 4 agentes especializados (ML Architecture, Labeling/Features, Backtest/Risk, Validation/MLOps).

1. Arquitectura & Entrenamiento

Inventario de variables de modelado y entrenamiento para el clasificador 3-class (TP/SL/Timeout) sobre secuencias OHLCV+features de BTC 15min. Canónico actual: GRU(2×128) + 36 feats + seq=300, batch 64, Adam 1e-3, 5-seed ensemble. Fold A5000 ≈ 30-50s.

1.1 Familia de arquitectura

Campo	Valor
Canónico	GRU unidireccional, 2 capas
Alternativas	LSTM, Bi-LSTM, Transformer encoder (4-6 heads), CNN-LSTM, TCN dilatado, N-BEATS, TFT
Impacto esperado	Bi-LSTM y TFT: más contexto temporal bidireccional. Transformer/TFT: mejor captura de dependencias largas pero peor con seq=300 cortas y ruido cripto. TCN: paraleliza, receptive field controlado. CNN-LSTM: filtra ruido local antes de la recurrencia.
Effort	Medio (cada familia: ~30 min código + 4 folds × 5 seeds en A5000 ≈ 15 min compute)
Hipótesis	¿Un TCN con receptive field = 300 supera a GRU en F1 de la clase TP manteniendo el alpha vs V66?

1.2 Hidden size

Campo	Valor
Canónico	128
Alternativas	64, 96, 192, 256, 384
Impacto	<96: underfit en alta vol. >256: overfit + colinealidad entre seeds (ensemble pierde diversidad).
Effort	Cheap (sweep de 5 valores ≈ 20 min A5000)
Hipótesis	¿Existe una meseta plana 96-192 donde alpha se mantiene? Si sí, 96 = más diversidad de ensemble.

1.3 Num layers

Campo	Valor
Canónico	2
Alternativas	1, 3, 4
Impacto	1 capa: más estable, menos memoria de fase. 3-4: gradient vanish en GRU sin residual connections.
Effort	Cheap
Hipótesis	¿GRU-1 layer 128 iguala al 2-layer en alpha pero entrena 40% más rápido permitiendo 10 seeds?

1.4 Dropout y regularización

Campo	Valor
Canónico	dropout=0.2 entre capas GRU, sin weight decay
Alternativas	0.1 / 0.3 / 0.4; variational dropout; zoneout 0.05-0.1; weight decay 1e-5..1e-4; input noise gaussiano σ=0.01
Impacto	Variational dropout en GRU (Gal & Ghahramani): mucho mejor que dropout estándar para RNNs. Zoneout preserva estado oculto.
Effort	Cheap
Hipótesis	¿Variational dropout 0.25 + WD 1e-5 reduce overfitting del fold 1 sin tocar arquitectura?

1.5 Sequence length / lookback

Campo	Valor
Canónico	300 eventos
Alternativas	96, 144, 200, 480, 720, multi-scale (96+300 concat)
Impacto	<144: pierde régimen intra-día. >480: introduce señal de día previo. Multi-scale: tendencia + microestructura.
Effort	Medio
Hipótesis	¿Seq=144 preserva ≥90% del alpha con 50% menos tiempo de training?

1.6 Output head

Campo	Valor
Canónico	3-class softmax (TP/SL/Timeout) + CE
Alternativas	Binary; Regresión sobre retorno; Dual-head (TP+SL sigmoides independientes); Ordinal; Quantile head
Impacto	Dual-head: separa risk-side vs reward-side. Quantile: usable por sizing.
Effort	Medio
Hipótesis	¿Dual-head sigmoide supera al softmax 3-class dado que TP/SL no son mutuamente excluyentes?

1.7 Loss function

Campo	Valor
Canónico	Cross-Entropy uniforme
Alternativas	Focal loss (γ=1.5-2.5); class-weighted CE; label smoothing 0.05-0.1; CE + auxiliar MSE; asymmetric loss
Impacto	Clase TP minoritaria (~25%). Focal/class-weighted reducen sesgo. Label smoothing mejora calibración.
Effort	Cheap
Hipótesis	¿Focal γ=2 + label smoothing 0.05 aumenta recall TP ≥5pp? (R134 mostró recall real 15-49%)

1.8 Optimizer + weight decay

Campo	Valor
Canónico	Adam lr=1e-3, sin WD explícito
Alternativas	AdamW; SGD-Nesterov; Lion lr=3e-4; RAdam; Lookahead(Adam)
Impacto	AdamW desacopla WD correctamente. Lion: 3-10× menos memoria. SGD-N puede generalizar mejor.
Effort	Cheap
Hipótesis	¿AdamW con WD=1e-4 reduce gap train/val en fold 3?

1.9 Learning rate schedule

Campo	Valor
Canónico	ReduceLROnPlateau
Alternativas	Cosine annealing; Warmup+cosine; OneCycleLR; Cosine warm restarts
Impacto	Warm restarts produce snapshots → ensemble interno. ReduceLROnPlateau es reactivo, no proactivo.
Effort	Cheap
Hipótesis	¿Cosine warm restarts produce snapshots usables como ensemble interno sin entrenar más seeds?

1.10 Batch size

Campo	Valor
Canónico	64
Alternativas	32, 128, 256, 512
Impacto	Batch pequeño = más ruido en gradiente = mejor exploración + ensemble más diverso.
Effort	Cheap
Hipótesis	¿Batch 32 mejora diversidad inter-seed? Si correlación baja de 0.85 a <0.75, ensemble debería ganar.

1.11 Epochs + early stopping

Campo	Valor
Canónico	max 30, patience 8 sobre val_loss
Alternativas	Patience sobre val_F1_TP; patience 4/12; entrenamiento fijo a N epochs
Impacto	val_loss bajo ≠ buen PnL (CLAUDE.md). Early stop sobre métrica PnL-proxy alinea mejor con objetivo.
Effort	Cheap
Hipótesis	¿Early stop sobre F1_TP reduce la brecha val_loss-PnL?

1.12 Multi-seed ensemble

Campo	Valor
Canónico	5 seeds, hard voting con MIN_VOTES
Alternativas	3/7/10/15 seeds; averaging de softmax; weighted averaging por val_F1; rank-averaging; Bayesian model averaging
Impacto	Voting hard pierde info de confianza. Soft averaging suele dar +1-3pp F1.
Effort	Cheap-Medio
Hipótesis	¿Soft averaging con umbral calibrado (Platt scaling per-seed) supera a hard voting?

1.13 Stack / blend (meta-learner)

Campo	Valor
Canónico	No implementado (solo voting)
Alternativas	Logistic regression sobre softmax; LightGBM stacker; isotonic regression; MLP shallow
Impacto	Stacking puede capturar patrones de en-qué-régimen-cada-seed-acierta. Alto riesgo de leakage.
Effort	Medio
Hipótesis	¿Logistic stacker sobre 10 seeds (purged WF) supera al soft averaging?

Top 3 untested high-EV experiments (Arquitectura)

• Dual-head sigmoide + focal loss γ=2 + label smoothing 0.05. Las clases TP/SL no son mutuamente excluyentes a nivel de path simulado.
• Snapshot ensembling con cosine warm restarts. Una sola run produce 3-5 snapshots usables como ensemble interno.
• Seq=144 + 10 seeds + soft averaging + Platt calibration. Reasigna compute: mitad de lookback, doble de seeds, calibración explícita.

---

2. Etiquetado

2.1 Triple-barrier ratios (k_up / k_dn)

Campo	Valor
Canónico	k_up=10, k_dn=7 (asimétrico, sesgo long)
Alternativas	Simétrico 7/7, 10/10, 5/5; asimétrico short 7/10; muy ancho 15/10
Impacto	Define ratio TP:SL realizable. Ratios estrechos suben hit-rate pero matan R:R; anchos al revés.
Riesgo	Asimetría fuerte invita sesgo de régimen.
Hipótesis	¿Simétrico 8/8 con meta-labeling supera 10/7? ¿Ratios regime-conditional?

2.2 Horizonte temporal (max-hold)

Campo	Valor
Canónico	60 barras 15min = 5h
Alternativas	24 (6h), 48 (12h), 96 (24h), 120 (30h)
Impacto	Corto sube Timeout y empeora R:R; largo aumenta path-dependency y solapamiento.
Riesgo	Horizontes largos generan solapamiento (uniqueness ↓) y leak por eventos concurrentes.
Hipótesis	¿96 barras reduce Timeout de 37% a ~25% sin destruir Sharpe?

2.3 Estructura de clases

Campo	Valor
Canónico	3-clase: TP / SL / Timeout (24/39/37)
Alternativas	Binario (TP vs ¬TP), 5-clase por cuantiles, regresión continua
Impacto	Binario simplifica pero pierde info de Timeout. Regresión preserva magnitud.
Riesgo	Cuantiles globales filtran info futura → leak silencioso.
Hipótesis	¿Regresión sobre MFE-en-ventana + threshold posterior bate clasificación 3-clase?

2.4 Escalado de volatilidad

Campo	Valor
Canónico	ATR-14 multiplicador
Alternativas	GARCH(1,1) σ̂, realized vol 1h/4h/24h, range-based (Garman-Klass, Parkinson, Yang-Zhang)
Impacto	RV intra-día reacciona más rápido que ATR. Mejor escalado = barreras más homogéneas.
Hipótesis	¿Yang-Zhang vol reduce dispersión de Timeout ≥10pp vs ATR-14?

2.5 MFE / MAE vs barrier

Campo	Valor
Canónico	Barrera (primer toque gana)
Alternativas	MFE/MAE como label continuo o multi-task
Hipótesis	¿Doble cabeza (clasif. barrera + regresión MFE/MAE) sube AUC ≥3pp?

2.6 Meta-labeling (López de Prado)

Campo	Valor
Canónico	NO implementado
Alternativas	Primary = trend signal; Secondary = ML filter take/skip
Impacto	Mejora precision a costa de recall; reduce drawdown.
Hipótesis	¿V66 como primary + modelo R&D como secondary bate V66 standalone en Sharpe y MDD?

2.7 Sample weighting

Campo	Valor
Canónico	Uniforme
Alternativas	Average uniqueness, exponential decay (recencia), inverse class freq, return-magnitude weighting
Impacto	Uniqueness corrige solapamiento; decay enfoca régimen reciente.
Hipótesis	¿Uniqueness × inverse-freq sube F1 macro de la clase TP en val purgada?

2.8 Forward-looking vs current-bar labels

Campo	Valor
Canónico	Forward (corregido en R134)
Riesgo	Cualquier feature derivado del bar de label = leak. R121b/R128d históricos inflados por esto.
Hipótesis	¿Re-correr todos los hits R110-R128 con forward strict + purged WF?

2.9 Combinatorial Purged K-Fold (CPKF)

Campo	Valor
Canónico	Walk-forward simple
Alternativas	Purged K-Fold, CPKF, embargo de H barras
Impacto	Reduce optimismo en val ~5-15pp; revela overfitting real.
Hipótesis	¿CPKF con embargo=H descarta ≥30% de "hits" actuales como ruido?

Top 3 untested high-EV experiments (Etiquetado)

• Meta-labeling V66→modelo R&D: explota el único alfa reproducible (V66) como primary y deja al ML solo decidir take/skip.
• Multi-task barrera + regresión MFE/MAE: añade señal densa sin cambiar la arquitectura mucho.
• CPKF con embargo=60 sobre R110/R117: clarifica qué resultados son reales antes de seguir construyendo sobre arena.

---

3. Features & Datos

3.1 Familias de indicadores

Campo	Valor
Canónico	36 TA hand-crafted: RSI, MACD, ATR, Bollinger, SMA daily, slope, return percentiles
Alternativas	Volumen: OBV, VWAP, CVD; Volatilidad: GK, Parkinson, RV; Microestructura: order-flow imbalance
Impacto	Volumen añade dimensión ortogonal. Microestructura mayor diferenciador pero requiere data nueva.
Hipótesis	¿Añadir CVD + VWAP-distance sube AUC ≥2pp con feature count constante?

3.2 Multi-timeframe

Campo	Valor
Canónico	Solo 15min
Alternativas	1H, 4H, 1D resampled features alineadas
Impacto	Contexto macro filtra trades contra-tendencia; boost ~3-5pp Sharpe en literatura.
Riesgo	Forward-fill mal hecho = leak.
Hipótesis	¿8 features 1H + 4 features 1D (RSI, slope, distancia a SMA) bate baseline en Sharpe OOS?

3.3 Cross-asset / on-chain

Campo	Valor
Canónico	BTC OHLCV únicamente
Alternativas	ETH (corr rolling), SPX/DXY, gold, on-chain (active addr, NVT, exchange flows), funding rate, perp basis
Impacto	Funding + basis son features microestructura derivativos con alto EV.
Riesgo	Datos on-chain con latencia/revisión retrospectiva → leak.
Hipótesis	¿Funding-rate + perp-basis suben Sharpe ≥0.2 con coste mínimo de ingestión?

3.4 Sentiment / news

Campo	Valor
Canónico	Ninguno
Alternativas	Fear & Greed index, Google Trends, Twitter/Reddit volumen, LLM-scored news headlines
Impacto	Útil en colas (capitulación, euforia); ruido en régimen tranquilo.
Hipótesis	¿F&G como single feature mejora filtrado en régimen extremo?

3.5 Calendar features

Campo	Valor
Canónico	Ninguno
Alternativas	hour-of-day sin/cos, day-of-week, end-of-month, days-since-halving
Impacto	Coste cero; estacionalidad horaria documentada en cripto (Asia/EU/US sessions).
Hipótesis	¿Hour-of-day sin/cos como 2 features extra sube AUC sin tocar nada más?

3.6 Normalización

Campo	Valor
Canónico	Per-sequence MinMax sobre ventana 300
Alternativas	Global Z-score (con μ,σ solo de train), differenced, log-returns, robust scaler, rank-transform
Impacto	MinMax destruye info de nivel absoluto entre ventanas; rank-transform invariante a outliers.
Hipótesis	¿Rank-transform per-sequence + level features globales bate MinMax puro?

3.7 Feature ablation

Campo	Valor
Canónico	36 features, sin selección formal
Alternativas	SHAP-based pruning, mutual information ranking, drop RSI variantes redundantes
Impacto	Reducción a 18-24 sin pérdida de AUC; mejor generalización.
Hipótesis	¿Top-20 por permutation importance en train iguala 36 features en val purgada?

3.8 Event filter alternatives

Campo	Valor
Canónico	ATR-based (atr_mult=2.0, return_pct=90) → ~10.5% bars
Alternativas	CUSUM filter, volume-spike, time-based, regime-change (HMM/Markov), híbrido CUSUM+volume
Impacto	R141 (loosen a 80) DESTRUYÓ alpha → filtro actual selectivo y útil. R142 (95) pending.
Hipótesis	¿CUSUM (h=2σ) + volumen como segundo filtro AND con ATR sube precision sin matar recall?

Top 3 untested high-EV experiments (Features & Datos)

• Multi-timeframe 1H + 1D features: coste implementación bajo, mejora documentada en literatura, ortogonal al modelo actual.
• Funding rate + perp basis: únicas señales de microestructura accesibles sin tick data.
• Rank-transform per-sequence + level features globales: ataca limitación estructural de MinMax actual.

---

4. Simulación Backtest

4.1 Granularidad de la barra

Campo	Valor
Canónico	Bar-by-bar 15min (resampleado desde 5min)
Alternativas	Tick-by-tick, 5min nativo, 1H, daily aggregate
Impacto	Granularidad fina mejora fidelidad de stops; daily oculta wicks.
Trader view	15min es sweet spot intra-day en BTC. Failure mode: backtest "ejecuta" precios intra-barra que en vivo nunca tocaste.
Hipótesis	Re-simular V66 en 5min nativo y 1H; si compound cae >30% en 1H ⇒ alpha vive en wicks intra-15min (frágil).

4.2 Modelo de slippage

Campo	Valor
Canónico	Fijo 0.01% por lado
Alternativas	Spread-based, volume-proportional, Almgren-Chriss
Impacto	Subestimar slippage es #1 killer de live PnL con 75 trades/fold.
Trader view	0.01% es optimista: flash crash 2020-03-12 = 50-200bps de slippage real.
Hipótesis	Stress test slippage condicionado: 0.01% lateral, 0.05% bull, 0.15% bear/high-vol. Si compound cae >40% ⇒ V66 depende de liquidez ideal.

4.3 Modelo de comisión

Campo	Valor
Canónico	0.04% fijo (taker)
Alternativas	Maker/taker mix, tiered por 30d volume, funding cost en perp
Impacto	75 trades × 0.04% × 2 sides = 6% drag/fold antes de slippage.
Trader view	Si estrategia vive en perp, funding cost es el elefante en la sala — puede ser ±0.01-0.1% cada 8h.
Hipótesis	Añadir funding histórico Binance perp BTCUSDT al P&L. Si gap > 8% compound ⇒ migrar a spot o hedgear funding.

4.4 Position sizing

Campo	Valor
Canónico	Full notional (100% capital cada entrada)
Alternativas	Kelly fraccional, vol-targeting σ=30% anual, fixed-fractional 50%
Impacto	Full notional maximiza compound pero maximiza también DD.
Trader view	Full notional en BTC σ=80% es leverage implícito. El +70k% es en parte artefacto de no escalar down en alta vol.
Hipótesis	Vol-targeting a 50% σ anual. Esperaría -20% compound pero +40% Sharpe.

4.5 Walk-forward design

Campo	Valor
Canónico	Expanding window, 4 folds, 2018-2026
Alternativas	Sliding (fixed lookback), CPCV, nested CV
Trader view	4 folds es muestra pequeña para robustez. Cada fold es 1 régimen → riesgo de overfit secuencia.
Hipótesis	CPCV con embargo 5 días, 12 splits; reportar distribución compound por path. Si IQR > 2× median ⇒ resultado path-dependent.

4.6 Bootstrap confidence

Campo	Valor
Estado	NO REPORTADO sistemáticamente
Trader view	Sin IC sobre alpha, +62 min α puede ser ruido.
Hipótesis	Block bootstrap (bloque=20 bars), 5000 réplicas; reportar α 5/95 percentil. Si 5%ile < 0 ⇒ alpha no estadísticamente distinto de 0.

Top 2 untested high-EV experiments (Backtest)

• CPCV + block bootstrap sobre V66 R110. Separar "alpha real" de "alpha en secuencia afortunada". Experimento más barato con mayor poder de invalidación.
• Slippage stress condicionado por régimen + funding perp. Revelar si el +70k% sobrevive a fricción realista.

---

5. Reglas Entry/Exit

5.1 Entry filter

Campo	Valor
Canónico	GRU ≥ 3/5 votos + DRSI ≤ 78 + cooldown finalizado
Trader view	En bear los 5 GRUs votan correlacionados — "5 modelos" en práctica son 1.
Hipótesis	Medir correlación errores entre 5 GRUs por régimen; si ρ>0.7 ⇒ ensemble redundante, sustituir 2 por modelos heterogéneos.

5.2 Always-invested vs selective

• Canónico: always-invested (V66). Selective probado en R135 → -75% compound
• Trader view: en BTC con drift positivo, estar fuera tiene costo asimétrico. Selective falló porque perdió las colas derechas.
• Hipótesis: selective SOLO en regime=bear, always-invested en bull/lateral.

5.3 Exit cascade priority

• Canónico: init_sl → trail → DRSI>78 → GRU danger → peak_drop
• Trader view: orden lógico pero DRSI>78 antes de GRU danger asume momentum extremo es mejor predictor — discutible.
• Hipótesis: A/B test reordenando GRU danger ANTES de DRSI. Esperaría +5-10% compound si GRU captura turning points que DRSI ignora.

5.4 Initial stop loss

Campo	Valor
Canónico	Fijo 10%
Alternativas	k·ATR(14), swing low estructural, vol-adjusted
Trader view	10% fijo es ingenuo en asset cuya σ pasó de 40% a 120%.
Hipótesis	SL = max(2·ATR_60, swing_low_20). Esperaría -20% DD sin sacrificar >5% compound.

5.5 Trail logic

• Canónico: ratchet 3 niveles, triggers en +18% (pt1) y +24% (pt2) unrealized
• Trader view: niveles demasiado altos para lateral, demasiado bajos para parabolic bull.
• Hipótesis: triggers escalados por ATR régimen-dependiente. +10% compound en folds 2-3.

5.6 DRSI threshold

• Canónico: 78
• Trader view: 78 captura overbought clásico. En bull parabólico DRSI vive en 80-90 — salir en 78 es mata-ganadores.
• Hipótesis: DRSI dinámico — 75 lateral, 82 bull confirmado, 70 bear.

5.7 Peak-drop

• Canónico: drop relativo desde peak de avg_tp_bar
• Trader view: salir por peak-drop es profit-locker sano. Pero usar avg_tp_bar acopla exit a model drift.
• Hipótesis: peak_drop sobre price puro (Chandelier exit clásico, 3·ATR desde peak close).

5.8 Regime detection

• Canónico: daily SMA slope
• Alternativas: HMM 3-estado, change-point (PELT), ATR regime, realized vol percentile
• Trader view: SMA slope lagging. Failure mode: switching tardío 2022 enero perdió oportunidad proteger capital.
• Hipótesis: ensemble régimen = vote(SMA_slope, HMM, ATR_pctile).

5.9 Cooldown

• Canónico: 4 bars normal, 48 bars post-loss
• Trader view: 48 post-loss es excelente anti-revenge-trading. 4 normal puede ser corto en alta vol.
• Hipótesis: cooldown dinámico = max(4, k·ATR_pct/ATR_baseline).

5.10 Pyramiding

• Estado: NO implementado
• Trader view: pyramiding en trends fuertes es el secreto de los CTAs. En BTC con bulls parabólicos, no piramidar deja 30-50% sobre la mesa.
• Hipótesis: añadir 50% size en +10% unrealized + GRU re-confirma.

Top 2 untested high-EV experiments (Entry/Exit)

• ATR-adaptive stops + ATR-scaled trail triggers: reemplazar 10% fijo y pt1/pt2 fijos por k·ATR percentilizado. Impacta los 4 folds simultáneamente.
• Pyramiding 1.5x en breakouts confirmados (GRU re-vote + ruptura de máximo 20-bar): capturar fat tail de bulls 2020/2024 que sizing fijo desperdicia.

---

6. Portfolio & Risk Management

6.1 Single vs portfolio

• Canónico actual: V66 solo en producción. R138/139 = V66 + MACD divergence en R&D
• Trader view: un solo edge = un solo punto de falla. R134 τ=0.3 +173k compound es seductor pero recuerda label-leak en classifier.
• Hipótesis: validar R134 con forward-label antes de bet operacional.

6.2 Allocation policy

Política	Pros	Contras
Fixed-weight 50/50 (R138)	Simple, sin overfitting	Ignora régimen, sub-óptimo
Daily classifier (R139)	Adaptativo a régimen	Riesgo de leak
HRP / risk-parity	Robust, no necesita Σ⁻¹	Asume estabilidad correlación
Vol-targeting por sleeve	Suaviza DD	Bajo compound en bull

• Hipótesis: HRP sobre 60d rolling, rebalance semanal. Baseline a batir = R138 fixed-weight.

6.3 Número de sleeves

• Canónico: 2 (V66 + MACD div)
• Trader view: 2 sleeves con ρ probablemente >0.5 ≠ diversificación real. Necesitas estilos ortogonales: trend-following (V66), mean-reversion (RSI extremes), carry (funding arb), event (post-FOMC).
• Hipótesis: añadir sleeve mean-reversion 4H + sleeve breakout daily. Si correlación promedio cae <0.3 ⇒ diversificación efectiva.

6.4 Max drawdown stop-out

• Estado: NO implementado
• Trader view: gap crítico. Sin circuit breaker, un fallo de modelo puede comer el book. Estándar institucional: kill-switch en -25%.
• Hipótesis: pausa de 30 días tras DD -20%, reset tras 10 días en breakeven.

6.5 Hedging

• Canónico: straight exit
• Alternativa: short perp BTC en danger signal
• Trader view: hedge vs exit es trade-off: hedge mantiene tax-deferral y evita re-entry slippage, pero paga funding.
• Hipótesis: hedge 50% de posición en danger signal, hedge OFF al re-entry.

6.6 Multi-asset

• Estado: solo BTC
• Trader view: ETH ofrece ρ~0.85 (poca diversificación) pero beta ~1.2 (más jugo). SOL agrega cola izquierda (-95% 2022).
• Hipótesis: V66 entrenado per-asset (BTC/ETH/SOL), pesos invertidos a vol.

6.7 Capital allocation across timescales

• Estado: solo swing (15min)
• Trader view: diversificar por timescale es la frontera más limpia. Scalper (1min, ρ→0 con swing), swing (15min, V66), position (daily HODL filtrado).
• Hipótesis: añadir position sleeve simple = HODL filtrado por SMA(200d) > 0. Esperaría +0.2 Sharpe portfolio con cero coste operacional.

Top 2 untested high-EV experiments (Portfolio)

• Max-DD circuit breaker (-20% pausa 30d): protección de cola sin sacrificar α en condiciones normales. Seguro más barato del proyecto.
• HRP sobre 4 sleeves: V66 trend + MACD div + mean-reversion 4H + HODL filtrado: única configuración con verdadera diversificación de estilo y timescale.

---

7. Validación & Reproducibilidad

7.1 Walk-forward scheme

• Canónico: Expanding window, 4 folds.
• Riesgo: 4 folds → CoV across folds es high-variance; un mal fold (COVID 2020) domina summary.
• Hipótesis: R110 V66 a 6 y 10 folds. Si alpha CoV se colapsa en 10 ⇒ hemos sido over-confident en medias de 4-fold.

7.2 Purging

• Canónico: Drop last label_window bars de train para que labels no peek en test.
• Riesgo: Triple-barrier con 24h horizonte → 288 bars de leak por fold boundary. R121b war story: labels con leak inflaron recall a 80%+; R134 forward-labels mostró real 15-49%.
• Hipótesis: Extender purging a regressor sleeves (V66 incluido).

7.3 Embargo (López de Prado)

• Canónico: Después de purge, añadir embargo gap (~1% de test length) para absorber serial correlation.
• Estado: NO CHECKED. Purgamos pero no embargamos.
• Hipótesis: Añadir 0.01 × len(test) embargo. Si classifier alpha cae >10% ⇒ leak de autocorrelación oculto.

7.4 Combinatorial Purged CV

• Estado: NO CHECKED
• Riesgo: 4 walk-forward paths → CI amplio sobre alpha; no distinguible seed afortunada de edge real.
• Hipótesis: CPCV sobre V66 + R134 classifier. Top-2 untested improvement.

7.5 Multi-seed stability

• Canónico: ≥5 seeds; threshold CoV < 0.5 para "stable".
• Riesgo: Cherry-picked seed = unfalsifiable result. R110 vivió en esta danger zone hasta R136 reprodujo en Hetzner CPU.
• Hipótesis: Apretar threshold a CoV < 0.3 para live-promotion candidates.

7.6 Bootstrap CI on alpha

• Estado: NO CHECKED
• Riesgo: Point estimates sin CI → no se puede tamañar confianza en decisión de promoción.
• Hipótesis: Añadir a verify_strategy(). Si V66 alpha CI lower bound < 0, deployment thesis débil.

7.7 Out-of-time hold-out

• Estado: NO CHECKED — hemos iterado en data completa 2017-2026.
• Riesgo: 130 rondas de iteración en misma data = implicit overfit a 2025-2026.
• Hipótesis: Declarar 2026-01-01 onwards frozen ahora. Score futuros V7 candidates en él exactamente una vez antes de live.

7.8 Reproducibility check

• Canónico: Mismo seed + mismo code + misma data = idéntico.
• Riesgo: R135 stackeó 4 simulator bugs precisamente porque nadie re-corrió R110 en máquina limpia por 6 meses.
• Hipótesis: "Golden run" trimestral — re-ejecutar R110 V66 en container fresco, diff métricas.

Top 2 untested high-EV improvements (Validación)

• Combinatorial Purged CV on V66: CI ajustado sobre alpha del sleeve desplegado. Coste: ~$5 RunPod. EV: confianza que V66 no es 4-fold lucky path.
• Frozen 2026 out-of-time hold-out + block bootstrap CI: gate más leverage-y antes de cualquier promoción V7.

---

8. MLOps & Deployment

8.1 Phase 0 gate

• Canónico: No strategy promotes sin pasar verify_strategy().
• Riesgo: R121b-class bugs llegan a paper trade.
• Hipótesis: Make Phase 0 a pre-commit hook on src/strategies/. Hard block.

8.2 Checkpoint versioning

• Canónico: Immutable path per (round, seed, fold).
• Riesgo: Re-running silenciosamente reemplaza pesos R110 → R136 reproduction imposible.
• Hipótesis: Añadir SHA256 de checkpoint a MODEL_COMPARISON.md row.

8.3 Live-vs-backtest daily diff

• Estado: NO CHECKED
• Riesgo: V66 alpha decae silenciosamente de +12% a 0 sin alerta.
• Hipótesis: Cron diario que ejecuta 100 bars históricos por live trader, diff predicciones vs backtest. Tripwire para drift.

8.4 Paper trade period

• Canónico: ≥60 días paper antes de $ live.
• Riesgo: Bugs ejecución/slippage/fees solo surgen en live order book.
• Hipótesis: Dashboard panel: live PnL acumulado vs backtest PnL en mismas bars. Auto-fail si drift >5%.

8.5 Drift detection

• Estado: NO CHECKED
• Hipótesis: Rolling 30-día live alpha vs R110 backtest expectation; alert en Z < -2.

8.6 Compute orchestration

• Canónico: RunPod A5000 + Hetzner CPU split (validado R141). ~$0.10 por GRU retrain.
• Hipótesis: Añadir per-experiment cost en ROUNDS_LOG.md. Visibilidad = disciplina.

8.7 Cost discipline

• Canónico: $3/$6 caps para autonomous loops; RunPod auto-pay OFF; $9.98 balance ceiling.
• Hipótesis: Cap-usage gauge en dashboard. Loop self-aborts at 80% cap.

Top 2 untested high-EV improvements (MLOps)

• Live-vs-backtest daily diff cron: gap MLOps más leverage-y. Habría capturado R135-class bugs en días, no meses. Coste: minutos de Hetzner CPU/día.
• CI-enforced Phase 0 gate: convierte verify_strategy() de advisory a blocking. Para R121b-class label leaks antes de paper trade.