Fuente: workflow de 18 agentes especializados (3 diagnóstico + 3 scouts + verificación adversarial propuesta-a-propuesta contra ~270 rondas cerradas y restricciones duras). Todo verificado contra ROUNDS_LOG, memoria del proyecto y logs vivos.

1. El diagnóstico honesto: por qué "no sacan gran rentabilidad"

El forense en vivo cuantificó las causas, ordenadas por tamaño. Ninguna es "el modelo es malo" — y eso cambia dónde hay que invertir el esfuerzo.

Conclusión central: la ejecución en vivo es casi perfecta (fills a ±4 bps de la señal), el alpha defensivo se está manifestando por encima del backtest, y el sistema NO está roto. La baja rentabilidad es aritmética del tamaño + régimen + ventana corta. El salto de calidad no saldrá de otro modelo: saldrá de (a) honestidad estadística, (b) proceso, (c) capital gateado, (d) un puñado de direcciones genuinamente nuevas.

2. Análisis en detalle de los modelos actuales: las 8 debilidades reales

La auditoría metodológica encontró dónde cojean de verdad los modelos/medidas actuales:

• Winner's curse (la mayor): V5 +266 min-α es el MÁXIMO sobre cientos de configs evaluadas en los MISMOS 4 folds. Sin corrección por multiple-testing, la esperanza realista en vivo es materialmente inferior. Nunca se ha calculado un Deflated Sharpe Ratio.
• Hold-out quemado: los 4 folds Y el OOT 2026 se han reutilizado para selección decenas de veces. No queda dato verdaderamente virgen.
• Walk-forward sin purge/embargo: train_end == test_start y los labels triple-barrier de la frontera se resuelven mirando dentro del test. Inflación leve-moderada sistemática.
• Gates sin intervalos de confianza: "min α +266 vs +193" puede no ser significativo con los trades por fold disponibles. Nunca se ha exigido p5>0 por bootstrap.
• Métrica engañosa: compound multiplicativo de 4 folds dominado por los folds bull 2017-2021; sin Sharpe/PSR/MaxDD en el gate de promoción.
• Motor de backtest copy-pasteado por ronda: la causa raíz de R173, R203-bugs y R210-phantom. Cada ronda re-implementa el simulador.
• ~30 thresholds de la cascada tuneados in-sample sobre los mismos 4 folds con el motor de la era buggy. Mayor fuente única de optimismo. Nunca se ha hecho un test de fragilidad (perturbar ±10-20% y ver si el campeón es una cima estrecha o una meseta).
• Backtest a $10.000 vs producción a $20: minNotional, stepSize y dust no existen en la simulación.

3. Nueva forma de trabajar (multiplica la calidad de TODAS las rondas futuras)

Seis piezas de infraestructura, ordenadas por ratio impacto/coste. Esto es lo que un equipo cuántico profesional tiene y nosotros no:

4. Tests de honestidad sobre el campeón actual (ANTES de buscar nada nuevo)

Pre-registrados. Si el campeón no los pasa, ninguna dirección nueva importa.

5. Direcciones nuevas que SOBREVIVIERON a la verificación adversarial

De 18 propuestas, 10 sobrevivieron (cada una fue atacada por un refutador con acceso a todo el historial). Ordenadas por EV honesto:

Tier A — alta certeza, $0, empezar ya

• D1 · Post-only/limit-maker con medición de adverse selection (refina el TOP-3 existente): desplegar YA un poller read-only de bookTicker (el spread no está en los logs); en cada fill real simular LIMIT_MAKER a close±k·spread con fill conservador (el precio debe ATRAVESAR el nivel); loggear bps ahorrados, fill-miss-rate (un exit defensivo perdido es catastrófico) y drift post-fill 1/5/15min (adverse selection — modo de fallo #1 documentado en la literatura 2024-25). Backfill sobre trades históricos con klines 1m para acelerar N.
• D2 · Matriz de correlación + LOO de contribución de los 6 bots (desde las curvas honestas R185-R188/R268, no desde el live): si ρ realizada >0,85, seis bots no diversifican nada y fragmentan $123 en posiciones sub-óptimas. Entregable: ranking de consolidación (¿2-3 bots mejores que 6?). Gate: min-α de portfolio con pesos ≥ baseline+30 neto de turnover, si no → consolidar.
• D3 · Fee-tier audit (trivial, nunca hecho en 270 rondas): leer el campo commission de los fills reales. Si la cuenta paga 0,1%/lado estándar en vez del 0,04% asumido, el coste RT real es 2,5× el simulado y refuerza post-only + descuento BNB.

Tier B — genuinamente nuevos, $0, prior medio

• D4 · Meta-labeling v2 (bar-level contrafactual): los 3 intentos previos (R148/R162/R202) NUNCA testearon el paradigma canónico — R202 ni siquiera computó PnL. Diseño correcto: re-etiquetar cada event-bar con el outcome contrafactual del V5 honesto tras fricción (miles de muestras, no ≤230 trades), RF/LightGBM secundario walk-forward purgado, calibrado, como dampener continuo de tamaño (no gate binario — eso sí está cerrado). Gate: min-α ≥ +296 (baseline+30) y sobrevivir slip 10-30bps.
• D5 · Grid maker-only SOLO en los huecos de cash de la cascada: ortogonal en 3 ejes (gana en lateral donde la cascada muere; maker = slippage cero; usa capital ocioso). Regenerar la máscara de gaps re-ejecutando el V5 honesto (~6 min). Gate: PnL neto >0 en ≥3/4 folds con fees 0,1%/lado, correlación(DD_grid, DD_cascada) <0,3, OOT 2026 ≥ 0.
• D6 · V13 backtest leak-resistente por anonimización: valida el overlay LLM en semanas en vez de meses. ~50-100 event-bars históricos con titulares de archivo, prompt en 2 variantes (crudo vs anonimizado: fechas relativas, precios reescalados, entidades enmascaradas) + tercer brazo post-cutoff (las 104 entradas shadow reales). El gap crudo-vs-anonimizado MIDE la memorización del LLM. Gate: AUC danger→MDD-forward ≥0,60 en anonimizado Y ≈ AUC post-cutoff. Hay soporte publicado (Lopez-Lira 2025: LLM como risk-filter, no como direccional).
• D7 · DCA condicionado por modelo (sleeve de acumulación, sin exits): cambia la función objetivo a "BTC acumulado por $ gastado" — elimina el coste/timing de salida, justo lo que falla (R230). Controles obligatorios: DCA aleatorio mismo-N Y dip-buying tonto (SMA30) mismo-N. Gate: cost-basis ≥2% mejor que AMBOS controles en ≥3/4 folds y OOT.

Tier C — cierre formal de categorías (prior bajo, coste casi cero — valen por el registro negativo)

• D8 · HMM gaussiano 3-estados como dampener de V7 — el ÚNICO ángulo de régimen no probado. Pre-screen gratis primero: si P(bear) del HMM se explica (R²>0,8) con vol-30d + DES + 50dSMA → redundante, cerrar sin backtest.
• D9 · Calendario macro programado (FOMC/CPI/NFP) — el único TIPO de información no probado (timestamps futuros conocidos = cero lookahead por construcción). Fase 1 event-study con gate |t|>2; si no pasa, cerrar sin fase 2.
• D10 · RF/LightGBM por el cascade real (gap de R248): el RF iguala al GRU en AUC — ¿también en PnL por la cascada? Test barato de un día; si lo iguala, el GRU de 5 seeds es complejidad innecesaria.

Eliminadas por el verificador (no gastar)

• ❌ Clasificador de régimen secular como gate de capital → equivalente a R244/R264b/R249 (cerrado).
• ❌ Arbitraje triangular spot → infactible (latencia, competencia HFT, fees).
• ❌ (Registro negativo del scout SOTA): foundation models, LLM-trader direccional, market-making retail competitivo, horizonte diario con ML ligero — sin evidencia nueva 2025-26 que reabra nada.

6. La escalera de capital (el único camino real a "gran rentabilidad")

Con el edge actual, los dólares solo crecen con capital. Escalera pre-registrada, cada peldaño con banner:

$20/bot ──[GATE 1]──► $50/bot ──[GATE 2]──► $200/bot ──[GATE 3]──► $1.000+/bot

• GATE 1: ≥40 round-trips pooled (~2 meses) con WR dentro de ±1SE del 54,8% backtest Y expectancy/trade > 0 neto de fricción medida Y ledger de slippage operativo (W5).
• GATE 2: 3 meses más manteniendo gate 1 Y divergencia live-vs-backtest <20% (W6) Y T1-T6 pasados (la expectativa deflactada sigue siendo positiva).
• GATE 3: sonda de profundidad del order-book confirma que $2k-10k no mueve el coste >5bps Y post-only en vivo (si D1 lo justifica).
• En cualquier punto: si el edge deflactado (T2) o el gate vivo fallan → bajar un peldaño, no promediar.

7. Plan de ejecución sugerido (4 semanas, ~$0)

Métrica de éxito del mes: no es "+X%" — es (1) expectativa deflactada del campeón publicada y positiva, (2) ledger de slippage/fees vivo, (3) ≥3 direcciones nuevas con veredicto pre-registrado PASS/FAIL, (4) gate 1 de la escalera de capital en marcha con el reloj corriendo.

8. Qué NO hacer (sin cambios, reforzado por la verificación)

• Re-proponer: shorts (toda forma), datos free/positioning, arquitecturas, sizing-como-alpha, stat-arb/multi-asset (muere por slippage), event-filter ±, pyramiding, especialistas por régimen supervisados.
• Escalar capital con el número del backtest sin pasar T1-T6 y el gate vivo.
• Confundir "plano/defensivo en bear" con "edge confirmado" — sigue siendo la trampa #1.
• Empezar RL antes de agotar D1-D10 (sigue siendo el último de la lista).

PARTE II — Nuevas Fronteras (análisis Fable 5, 2026-06-12)

Segundo workflow multi-agente (36 agentes: red-team de la Parte I + auditoría de código + 4 scouts de frontera + verificación adversarial). Esta parte NO sustituye a la Parte I: la corrige donde estaba equivocada y añade lo que 270 rondas dieron por supuesto.

9. 🚨 P0 — Bug de producción CONFIRMADO: los bots operan con velas a medio formar

El hallazgo más importante de todo el análisis. Los 6 bots procesan el kline de Binance en curso como si fuera el bar cerrado de 15min: el loop dispara en cuanto aparece el timestamp nuevo (~15-45s tras abrir la ventana), y ese snapshot parcial entra al buffer para siempre.

Verificación empírica (2026-06-12, all_bars.csv de V5 vs klines oficiales cerrados):

Consecuencias: el GRU se entrenó con bars completos y en vivo recibe features fuera de distribución (ATR comprimido ~10-20%, volumen ~1-15%, OBV/volume_ratio sin sentido); el event-filter y el init_sl ATR-adaptativo operan sobre esos valores; tras cada restart el buffer mezcla histórico real con bars parciales acumulándose. Toda comparación live-vs-backtest hecha hasta hoy (incluido el α +13,6 pts y el slippage "favorable" −2,9 bps, medido contra un close parcial) queda contaminada en magnitud desconocida.

Fix preparado (commit en rama, pendiente de banner): closed_only=True en get_recent_candles (filtra por close_time ≤ now) + los 6 call-sites de run_trader.py. Tras el fix, el bot detecta el bar cerrado ~15-45s tras su cierre y ejecuta al open del siguiente — exactamente la convención del backtest. Validado contra la API real.

10. P1 — Otras fugas encontradas por la auditoría de código

11. La realidad de los fees, medida (reencuadra D1/D3 de la Parte I)

• BTCUSDC: maker 0,10% > taker 0,095% — ¡el post-only en el par actual es NEGATIVO! El premio real está en BTCFDUSD: maker 0% → entries como LIMIT_MAKER en FDUSD = +373 bps/año (escala con el capital). Exits siguen taker (un SL perdido anula meses de ahorro).
• BNB discount (−25%): el flag ya está en true pero hay 0 BNB en la wallet → +196 bps/año por comprar ~$5 de BNB por cuenta. La micro-palanca más barata que existe.
• quoteOrderQty en MARKET BUYs: elimina el floor a stepSize que deja ~1,8% de cada posición sin desplegar a $20 → +90-100 bps/año hoy (cambio de 5 líneas; irrelevante a $5k).
• Yield del cash ocioso: CERRADO — MiCA prohíbe yield sobre stablecoins reguladas para cuentas EEA (verificado). Reabrir solo si capital >$1.200.
• SL intra-bar 5min: CERRADO con dato — simulado 2024-2026: el ahorro es NEGATIVO (−0,5 a −4,3 bps; el precio revierte dentro del bar). No gastar ingeniería.
• Stack realista de fees (BNB + entries FDUSD): ~+476-590 bps/año que escalan — a $5k son ~$300/año, comparable al edge mensual del sistema en régimen medio.

12. Los supuestos estructurales nunca testeados (red-team de 270 rondas)

Ordenados por (potencial × baratura del test). Todos CPU, $0:

13. Ciclo de vida del modelo (frente virgen, verificado adversarialmente)

• Batería de drift (PSI/KS de features y preds 2026 vs train + fiabilidad por deciles) — gatea todo lo demás. CPU, datos cacheados.
• Simulación de cadencia de retrain (expanding vs rolling vs recency half-life, RF-proxy) — ¿cuál habría sido la cadencia óptima 2019-2026?
• Warm-start fine-tune del GRU fold3 con 2024-2026 (~$0,50 RunPod) + head-only refresh ($0, CPU) — 3 brazos contra el congelado.
• Ensemble temporal (fold3 congelado + refrescado al 50/50) — cross-vintage nunca probado (todo el ensemble actual es cross-seed).

14. Alpha Factory — industrializar la generación de hipótesis

El cambio de proceso que un modelo fuerte habilita: pasar de "1 idea humana = 1 ronda" a generar y cribar cientos de expresiones por ronda con honestidad estadística automática:

• AF-0: almacén canónico de predicciones/datos cacheados + Trial Ledger (cuenta TODOS los intentos para DSR honesto — es W1+W3 con contador).
• AF-1: gramática de expresiones sobre OHLCV+preds → gauntlet de 6 etapas: redundancia (corr con señal existente — lección R252) → IC/AUC → PnL por cascade honesto → shift-random → DSR con n_trials exacto → PBO/CSCV. Lo que sobrevive entra a paper.
• AF-2: A/B pre-registrado generador-LLM vs generador-aleatorio (medir, no asumir, el valor del LLM). Literatura de apoyo: RD-Agent(Q) (arXiv 2505.15155, open source), AlphaAgent (KDD'25).
• Gate de la primera iteración: ≥1 expresión supera TODO el gauntlet con ΔAUC>+0,01 — si 0/200 pasan, registro negativo formal del mining (también valioso: confirma el techo con un método independiente).

15. Plan re-priorizado (sustituye al §7 de la Parte I)

Las conclusiones de la Parte I que esta parte CORRIGE: (a) "la ejecución es casi perfecta" → era una medición contra bars parciales; re-medir post-fix; (b) D1 post-only en BTCUSDC → negativo, el lever es FDUSD; (c) D7/yield cash → cerrado por MiCA; (d) la escalera de capital necesita F2 (staleness) como gate adicional antes del peldaño 2.