Cargando el estado del mercado bursátil de EE. UU.…
➜
CÓMO EMPEZAR
Completa toda la configuración del sistema en solo unos minutos.
Abrir guía de inicio rápido →
Catálogo público · DEVIOLAB

CATÁLOGO DE ESTRATEGIAS

Explora estrategias algorítmicas, compara su rendimiento y abre el historial completo de cada modelo.
Cada estrategia algorítmica corresponde a un agente de trading real (Trading Bot) creado por el equipo de DevioLab a partir de pruebas con datos históricos. Puede utilizarse para trading automatizado mediante API en plataformas compatibles, incluida Binance, o solo como Signal Bot con avisos por Telegram y email.
2 · Ticker
⌕
FILTROS
Todas las condiciones seleccionadas funcionan juntas
Resumen de la estrategia seleccionada

FILUSDT

Mercado cripto · Binance
FIL 215000 +11530.79% 1TRAD-LQO1
Recomendado por DevioLab · Core 2 iRecomendación más agresiva de DevioLab: acepta mayor riesgo y drawdowns más profundos a cambio de rendimientos potencialmente superiores.
190Operaciones
78.4%Tasa de acierto
+2.99%Operación media
+33.95%Mejor operación
-27.48%Peor operación
+223.9%Anualizado
Perfil analítico de la estrategia · 019345b00ed86ede

FIL en marco de 15 minutos: Tasa de acierto del 78.42% frente a la inactividad reciente y la asimetría de retornos

Un análisis cuantitativo detallado de la estrategia sobre FIL en gráfico de 15 minutos revela una estructura estadística dominada por una alta tasa de aciertos del 78.42% sobre un total de 190 operaciones cerradas. A lo largo de un período simulado de 5.82 años iniciado en octubre de 2020, el sistema acumuló un rendimiento total del 11530.80% con una tasa anualizada del 223.93%. No obstante, el factor de beneficio de 1.67 pone de manifiesto que las operaciones perdedoras, con una peor caída individual del -27.48%, absorben una fracción sustancial de los beneficios generados por las 149 victorias. Con una baja frecuencia operativa de 32.63 operaciones por año y cero ejecuciones completadas desde junio de 2024, la estrategia presenta un perfil de alta selectividad pero una marcada inactividad en la fase de mercado más reciente.

Análisis al 13.08.2026. Los datos de la estrategia se actualizan por separado.
Leer análisis completo

Perfil de la estrategia

La estrategia denominada FIL 215000 +11530.79% 1TRAD-SGB7 opera sobre el activo FIL dentro de un marco temporal de 15 minutos. A pesar de utilizar una temporalidad intradiaria corta, su comportamiento histórico muestra una baja frecuencia transaccional, acumulando únicamente 190 operaciones completadas en una muestra histórica de 5.82 años transcurrida entre el 15 de octubre de 2020 y el 11 de agosto de 2026. La métrica global refleja un rendimiento acumulado simulado de 11530.80%, equivalente a una tasa anualizada del 223.93%. En el ranking analítico de DevioLab para este activo específico, la estrategia se posiciona en el tercer lugar con una puntuación general de 52.50 sobre 100. La estructura cuantitativa destaca por una tasa de acierto significativamente elevada del 78.42%, producto de 149 operaciones ganadoras frente a 41 perdedoras, fijando un perfil caracterizado por una alta probabilidad de ganancia por operación pero con una frecuencia de activación sumamente conservadora.

Ritmo de negociación y duración de posiciones

Aunque la estrategia está parametrizada sobre velas de 15 minutos, el ritmo operativo no corresponde al de una negociación de alta frecuencia o escalpado masivo. Con un promedio de 32.63 operaciones por año, el sistema genera aproximadamente entre dos y tres cierres de posición por mes. Aunque las métricas específicas sobre las horas promedio o medianas de permanencia en posición no se encuentran disponibles en el registro suministrado, el reducido número total de operaciones ejecutadas a lo largo de casi seis años confirma que el algoritmo aplica filtros de activación restrictivos. La baja cadencia transaccional implica que el sistema pasa largos intervalos en liquidez o manteniendo posiciones durante múltiples períodos sin realizar rotaciones constantes de capital. Este ritmo pausado influye directamente en la acumulación de resultados, haciendo que cada operación individual mantenga un peso específico importante dentro del balance anual.

Calidad de los resultados históricos

El perfil de rentabilidad de la estrategia exhibe una marcada desconexión entre el porcentaje de aciertos y la magnitud media de los retornos por operación. Mientras que el 78.42% de los trades resultan positivos, el factor de beneficio se sitúa en un moderado 1.67. La ganancia promedio por operación es del 2.99%, mientras que la mediana se ubica en el 3.73%. El hecho de que la mediana supere al promedio sugiere una distribución con sesgo negativo en la que unas pocas operaciones perdedoras de gran magnitud arrastran el promedio general hacia abajo. Esto se confirma al observar los extremos: la mejor operación registrada alcanzó un positivo del 33.95%, mientras que la peor pérdida individual fue del -27.48%. En cuanto a la concentración del rendimiento, los tres mejores cierres representan únicamente el 8.91% del beneficio bruto total, lo que demuestra que la ganancia acumulada no depende de operaciones excepcionales o aisladas, sino de la acumulación consistente de múltiples ganancias de tamaño medio.

Riesgo, drawdown y comportamiento ante pérdidas

La máxima pérdida acumulada o drawdown histórico alcanzado por la estrategia es del 28.23%. Al contrastar este valor con el factor de beneficio de 1.67 y la peor operación individual del -27.48%, se observa que el riesgo del sistema está fuertemente condicionado por el impacto de pérdidas severas en operaciones individuales más que por rachas perdedoras prolongadas. En el registro histórico, la racha perdedora más larga fue de solo 3 operaciones consecutivas, en contraste directo con una racha ganadora máxima de 14 victorias seguidas. La tensión estadística principal radica en que, aunque las pérdidas son poco frecuentes (solo 41 en 190 eventos), su magnitud individual es lo suficientemente amplia como para mermar sustancialmente el avance logrado por secuencias largas de operaciones ganadoras.

Comportamiento en el tiempo y estabilidad anual

La evaluación del rendimiento a lo largo del tiempo se encuentra acotada por la ausencia de un desglose detallado año por año en los registros suministrados. Sin embargo, analizando el contexto general de los 5.82 años transcurridos desde octubre de 2020, se deduce que la distribución de retornos globales se ha consolidado sobre una muestra relativamente reducida de 190 trades. A falta de datos desglosados por ejercicio individual, la estabilidad de la estrategia debe interpretarse a partir de sus parámetros consolidados: la alta tasa de acierto y la baja concentración de beneficios en los tres mejores ganadores (8.91%) sugieren una conducta consistente durante la mayor parte del historial simulado, aunque condicionada a la capacidad del algoritmo para evitar la concentración de pérdidas en momentos de alta volatilidad del mercado.

Período reciente desde el 01-06-2024 frente a la historia completa

La ventana de evidencia reciente transcurrida a partir del 1 de junio de 2024 presenta un dato crítico: el registro contabiliza exactamente 0 operaciones completadas en este intervalo. Por lo tanto, no se registraron ganancias ni pérdidas sumadas en la fase más reciente del dataset. Esta inactividad total en un horizonte de más de un año de datos recientes limita severamente la capacidad de verificar si los parámetros de la estrategia continúan adaptándose a las condiciones actuales del mercado de FIL. El comportamiento histórico completo del 11530.80% depende en su totalidad de la actividad registrada con anterioridad a junio de 2024, convirtiendo el período reciente en una ventana sin datos ejecutivos para contrastar la vigencia del modelo.

Fortalezas y limitaciones

Entre las principales fortalezas de la estrategia destaca una tasa de victoria excepcionalmente alta del 78.42%, respaldada por una racha positiva continua de hasta 14 operaciones. Además, la baja concentración del beneficio bruto en las tres mejores operaciones (8.91%) confirma un rendimiento distribuido de forma homogénea entre sus aciertos. En el lado de las limitaciones, destaca un factor de beneficio modesto de 1.67 en relación con su porcentaje de victorias, provocado por un perfil de riesgo asimétrico donde la peor pérdida de -27.48% pesa significativamente. Adicionalmente, la baja frecuencia de 32.63 operaciones por año y la inactividad absoluta observada desde junio de 2024 representan restricciones operativas y analíticas de relevancia.

Conclusión analítica de DevioLab

El modelo algorítmico para FIL en el marco de 15 minutos demuestra un rendimiento histórico simulado robusto en términos absolutos, impulsado por una elevada precisión transaccional y una baja dependencia de eventos atípicos. No obstante, la puntuación de 52.50 otorgada por DevioLab refleja la presencia de fricciones estructurales en el perfil de riesgo, concretamente la asimetría entre ganancias medianas moderadas del 3.73% y pérdidas máximas individuales que alcanzan el -27.48%. Esta relación limita el factor de beneficio a 1.67. El factor determinante para la consideración técnica de este sistema reside en la falta total de ejecuciones recientes desde junio de 2024, lo que exige precaución analítica al no contar con confirmación estadística de su comportamiento en las fases recientes del activo.

Alcance de los datos y metodología

Los datos presentados en este estudio provienen exclusivamente de simulaciones cuantitativas históricas sobre operaciones cerradas del par FIL en el marco temporal de 15 minutos, dentro de una ventana de prueba comprendida entre el 15 de octubre de 2020 y el 11 de agosto de 2026. Todas las métricas expresadas en porcentaje corresponden a retornos simulados sobre posiciones cerradas y no representan ejecuciones en cuentas reales de Binance ni garantizan rendimientos futuros. Los cálculos no asumen ni incorporan costes de transacción, comisiones, deslizamiento de mercado ni variaciones de apalancamiento, y deben ser interpretados estrictamente como investigación estadística del comportamiento histórico del algoritmo.

Análisis completo de la estrategia