Trading-Bot/README.md

🤖 Trading Bot - Proyecto Completo

Bot de trading algorítmico desarrollado desde cero con Python, PostgreSQL y Machine Learning.

📋 Tabla de Contenidos

• Estado del Proyecto
• Requisitos
• Instalación
• Configuración
• Uso
• Estructura del Proyecto
• Base de Datos
• Scripts Disponibles
• Testing
• Roadmap
• Troubleshooting

🎯 Estado del Proyecto

✅ Completado (Semanas 1-2 y 3-4)

Semanas 1-2: Infraestructura de Datos

• ✅ Sistema de logging robusto con rotación de archivos
• ✅ Conexión a exchanges vía CCXT (Binance por defecto)
• ✅ Descarga de datos históricos con reintentos automáticos
• ✅ Descarga incremental (continuar desde último timestamp)
• ✅ Procesamiento y limpieza de datos
• ✅ Detección de gaps y outliers
• ✅ Resampleo de timeframes (1h → 4h, 1d, etc.)
• ✅ Cálculo de retornos (simples y logarítmicos)
• ✅ Almacenamiento en PostgreSQL con índices optimizados
• ✅ Sistema anti-duplicados con constraints únicos
• ✅ Caché con Redis (opcional)
• ✅ Script de descarga masiva para múltiples símbolos
• ✅ Tests unitarios
• ✅ Manejo de errores y reintentos

Semanas 3-4: Backtesting Engine

• ✅ Motor de backtesting completo
• ✅ Clase base abstracta para estrategias
• ✅ Sistema de trades y posiciones
• ✅ 3 estrategias implementadas:
  • Moving Average Crossover (SMA/EMA)
  • RSI Strategy
  • Buy & Hold (baseline)
• ✅ Métricas de performance:
  • Sharpe Ratio, Sortino Ratio
  • Max Drawdown, Calmar Ratio
  • Win Rate, Profit Factor
  • Expectancy, Risk/Reward
• ✅ Script de comparación de estrategias
• ✅ Simulación de comisiones y slippage
• ✅ Gestión de capital y position sizing

Datos descargados actualmente:

• 5 criptomonedas (BTC, ETH, BNB, SOL, XRP)
• 3 timeframes (1h, 4h, 1d)
• 120 días de histórico
• ~54,000 registros totales

🔄 En Progreso

• ⏳ Optimización de parámetros (en desarrollo)
• ⏳ Visualizaciones de resultados (en desarrollo)
• ⏳ Machine Learning (Semanas 5-8 planificadas)

📅 Planificado

• 📋 Live trading con paper trading
• 📋 Gestión de riesgo avanzada
• 📋 Optimización de estrategias
• 📋 Dashboard web
• 📋 Alertas y notificaciones

🔧 Requisitos

Software

• Python 3.10+ (probado con 3.12.3)
• PostgreSQL 13+
• Redis 6+ (opcional, para caché)
• Git

Hardware Recomendado

• 8GB RAM (mínimo)
• 20GB espacio en disco
• Para ML: GPU recomendada (futuro)

📦 Instalación

1. Clonar el repositorio

git clone <tu-repositorio>
cd trading-bot

2. Crear entorno virtual

python3 -m venv venv

# Linux/Mac:
source venv/bin/activate

# Windows:
venv\Scripts\activate

3. Instalar dependencias

pip install --upgrade pip
pip install -r requirements.txt

4. Instalar PostgreSQL

Ubuntu/Debian:

sudo apt update
sudo apt install postgresql postgresql-contrib
sudo systemctl start postgresql
sudo systemctl enable postgresql

macOS (con Homebrew):

brew install postgresql@16
brew services start postgresql@16

Windows: Descargar instalador desde postgresql.org

5. Configurar base de datos

# Conectar a PostgreSQL
sudo -u postgres psql

# Crear base de datos y usuario
CREATE DATABASE trading_bot;
CREATE USER trading_user WITH PASSWORD 'tu_password_seguro';
GRANT ALL PRIVILEGES ON DATABASE trading_bot TO trading_user;

# Conectar a la base de datos
\c trading_bot

# Dar permisos sobre el schema
GRANT ALL ON SCHEMA public TO trading_user;

# Salir
\q

6. Gestión del servicio PostgreSQL

Iniciar PostgreSQL:

sudo systemctl start postgresql

Verificar estado:

sudo systemctl status postgresql

Detener PostgreSQL:

sudo systemctl stop postgresql

Reiniciar PostgreSQL:

sudo systemctl restart postgresql

Habilitar inicio automático al arrancar el sistema:

sudo systemctl enable postgresql

Deshabilitar inicio automático:

sudo systemctl disable postgresql

Ver si está habilitado el inicio automático:

systemctl is-enabled postgresql

6. Instalar Redis (opcional pero recomendado)

Ubuntu/Debian:

sudo apt install redis-server
sudo systemctl start redis

macOS:

brew install redis
brew services start redis

⚙️ Configuración

1. Crear archivo de configuración

# El archivo debe estar en config/secrets.env
# Usa este template:

# Exchange (para datos públicos NO necesitas API keys)
EXCHANGE_NAME=binance
API_KEY=
API_SECRET=

# Database
DB_HOST=localhost
DB_PORT=5432
DB_NAME=trading_bot
DB_USER=trading_user
DB_PASSWORD=tu_password_aqui

# Redis (opcional)
REDIS_HOST=localhost
REDIS_PORT=6379
REDIS_DB=0

# General
ENVIRONMENT=development
LOG_LEVEL=INFO

2. Configurar símbolos y timeframes

Edita config/settings.yaml para personalizar:

trading:
  symbols:
    - BTC/USDT
    - ETH/USDT
    - BNB/USDT
  timeframes:
    - 1h
    - 4h
    - 1d
  
data:
  fetch_interval: 60
  historical_days: 120
  max_retries: 3

🚀 Uso

Demo rápido (verificar instalación)

python main.py

Este script:

• Descarga 1 día de BTC/USDT
• Muestra el pipeline completo
• Guarda en PostgreSQL
• Muestra estadísticas

Descarga masiva de datos

python download_data.py

Este script descarga:

• Múltiples símbolos configurables
• Múltiples timeframes
• Días históricos configurables
• Muestra progreso en tiempo real
• Previene duplicados automáticamente

Personalizar descarga: Edita download_data.py líneas ~28-45:

symbols = [
    'BTC/USDT',
    'ETH/USDT',
    # Añade más aquí
]

timeframes = ['1h', '4h', '1d']
days_back = 120  # Cambia aquí

Backtesting

Ejecutar backtest simple:

python backtest.py

Esto ejecuta un backtest con:

• Estrategia: Moving Average Crossover (10/30)
• Símbolo: BTC/USDT
• Periodo: 60 días
• Capital inicial: $10,000

Comparar múltiples estrategias:

python backtest.py compare

Compara 4 estrategias diferentes:

• Buy & Hold
• MA Cross (10/30 SMA)
• MA Cross (20/50 EMA)
• RSI (30/70)

Uso programático

Pipeline de datos:

from src.data.fetcher import DataFetcher
from src.data.processor import DataProcessor
from src.data.storage import StorageManager

# Inicializar
fetcher = DataFetcher('binance')
processor = DataProcessor()
storage = StorageManager(...)

# Descargar
df = fetcher.fetch_historical('BTC/USDT', timeframe='1h', days=30)

# Procesar
df_clean = processor.clean_data(df)
df_clean = processor.calculate_returns(df_clean)

# Guardar
storage.save_ohlcv(df_clean)

Backtesting:

from src.data.storage import StorageManager
from src.backtest import BacktestEngine
from src.strategies import MovingAverageCrossover

# Cargar datos
storage = StorageManager(...)
data = storage.load_ohlcv('BTC/USDT', '1h')

# Crear estrategia
strategy = MovingAverageCrossover(fast_period=10, slow_period=30)

# Ejecutar backtest
engine = BacktestEngine(
    strategy=strategy,
    initial_capital=10000,
    commission=0.001,
    position_size=0.95
)

results = engine.run(data)

# Ver resultados
from src.backtest.metrics import print_backtest_report
print_backtest_report(results)

📁 Estructura del Proyecto

trading-bot/
├── config/                    # Configuración
│   ├── settings.yaml         # Configuración general
│   └── secrets.env           # Credenciales (NO subir a git)
│
├── src/                      # Código fuente
│   ├── backtest/            # Motor de backtesting
│   │   ├── __init__.py
│   │   ├── engine.py       # BacktestEngine
│   │   ├── strategy.py     # Clase base Strategy
│   │   ├── trade.py        # Trade, Position
│   │   └── metrics.py      # Métricas de performance
│   │
│   ├── strategies/          # Estrategias de trading
│   │   ├── __init__.py
│   │   ├── moving_average.py  # MA Crossover
│   │   ├── rsi_strategy.py    # RSI Strategy
│   │   ├── buy_and_hold.py    # Buy & Hold
│   │   ├── base.py            # (futuro)
│   │   ├── ml_model.py        # (futuro)
│   │   └── signals.py         # (futuro)
│   │
│   ├── data/                # Módulo de datos
│   │   ├── __init__.py
│   │   ├── fetcher.py      # Descarga desde exchanges
│   │   ├── processor.py    # Limpieza y procesamiento
│   │   └── storage.py      # PostgreSQL + Redis
│   │
│   └── utils/               # Utilidades
│       ├── __init__.py
│       ├── logger.py       # Sistema de logging
│       └── alerts.py       # (futuro)
│
├── tests/                   # Tests unitarios
│   └── test_data.py
│
├── data/                    # Datos locales
│   ├── historical/         # Backups (futuro)
│   └── exports/            # Exportaciones (futuro)
│
├── logs/                    # Archivos de log
│   ├── trading_bot_*.log
│   └── errors_*.log
│
├── main.py                  # Demo/testing
├── download_data.py         # Descarga masiva
├── backtest.py              # Backtesting runner
├── requirements.txt         # Dependencias
├── .gitignore
└── README.md

🗄️ Base de Datos

Ubicación de PostgreSQL

# Ver ubicación de los datos
sudo -u postgres psql -c "SHOW data_directory;"
# Típicamente: /var/lib/postgresql/16/main

Gestión del servicio PostgreSQL

Comandos básicos:

# Iniciar PostgreSQL
sudo systemctl start postgresql

# Detener PostgreSQL
sudo systemctl stop postgresql

# Reiniciar PostgreSQL
sudo systemctl restart postgresql

# Ver estado
sudo systemctl status postgresql

# Habilitar inicio automático al arrancar el sistema
sudo systemctl enable postgresql

# Deshabilitar inicio automático
sudo systemctl disable postgresql

# Verificar si está habilitado
systemctl is-enabled postgresql

Nota: Por defecto, después de la instalación PostgreSQL está configurado para iniciar automáticamente. Si prefieres iniciarlo manualmente cada vez:

sudo systemctl disable postgresql

Tabla OHLCV (estructura)

CREATE TABLE ohlcv (
    id SERIAL PRIMARY KEY,
    timestamp TIMESTAMP NOT NULL,
    symbol VARCHAR(20) NOT NULL,
    timeframe VARCHAR(10) NOT NULL,
    open FLOAT NOT NULL,
    high FLOAT NOT NULL,
    low FLOAT NOT NULL,
    close FLOAT NOT NULL,
    volume FLOAT NOT NULL,
    returns FLOAT,           -- Retornos simples
    log_returns FLOAT,       -- Retornos logarítmicos
    CONSTRAINT unique_ohlcv UNIQUE (symbol, timeframe, timestamp)
);

-- Índices para queries rápidas
CREATE INDEX idx_symbol_timeframe_timestamp ON ohlcv(symbol, timeframe, timestamp);
CREATE INDEX idx_timestamp ON ohlcv(timestamp);

Consultas útiles

-- Conectar a la base de datos
psql -U trading_user -d trading_bot -h localhost

-- Ver todas las tablas
\dt

-- Contar registros totales
SELECT COUNT(*) FROM ohlcv;

-- Ver datos disponibles por símbolo
SELECT 
    symbol, 
    timeframe,
    COUNT(*) as registros,
    MIN(timestamp) as desde,
    MAX(timestamp) as hasta
FROM ohlcv 
GROUP BY symbol, timeframe
ORDER BY symbol, timeframe;

-- Ver últimos 10 registros de BTC
SELECT * FROM ohlcv 
WHERE symbol = 'BTC/USDT' AND timeframe = '1h'
ORDER BY timestamp DESC 
LIMIT 10;

-- Estadísticas de retornos
SELECT 
    symbol,
    timeframe,
    AVG(returns) as retorno_medio,
    STDDEV(returns) as volatilidad,
    MIN(returns) as peor_retorno,
    MAX(returns) as mejor_retorno
FROM ohlcv 
WHERE returns IS NOT NULL
GROUP BY symbol, timeframe;

Backup de la base de datos

# Backup completo
pg_dump -U trading_user -d trading_bot -h localhost > backup_$(date +%Y%m%d).sql

# Backup solo tabla ohlcv
pg_dump -U trading_user -d trading_bot -h localhost -t ohlcv > backup_ohlcv.sql

# Restaurar desde backup
psql -U trading_user -d trading_bot -h localhost < backup.sql

📜 Scripts Disponibles

main.py - Demo y Testing

python main.py

Uso: Verificar que todo funciona correctamente Descarga: 1 símbolo, 1 timeframe, pocos días Muestra: Pipeline completo con estadísticas detalladas

download_data.py - Descarga Masiva

python download_data.py

Uso: Llenar base de datos con datos históricos Configurable: Símbolos, timeframes, días Características:

• Progreso en tiempo real
• Prevención de duplicados
• Manejo de errores robusto
• Resumen final con estadísticas

backtest.py - Backtesting

# Backtest simple
python backtest.py

# Comparar estrategias
python backtest.py compare

Uso: Evaluar estrategias sobre datos históricos Características:

• Simulación de comisiones y slippage
• Métricas detalladas de performance
• Comparación de múltiples estrategias
• Informe completo de resultados

🧪 Testing

Ejecutar todos los tests

pytest tests/ -v

Tests con cobertura

pytest tests/ --cov=src --cov-report=html
# Ver reporte en htmlcov/index.html

Test específico

pytest tests/test_data.py::TestDataProcessor::test_clean_data_removes_duplicates -v

🗺️ Roadmap

✅ Fase 1: Infraestructura de Datos (COMPLETADO - Semanas 1-2)

• Sistema de descarga robusto
• Almacenamiento optimizado
• Procesamiento de datos

✅ Fase 2: Backtesting (COMPLETADO - Semanas 3-4)

• Motor de backtesting
• 3 estrategias implementadas
• Métricas de performance
• Sistema de comparación

🔄 Fase 3: Optimización y Visualización (EN PROGRESO)

• Optimización de parámetros (grid search)
• Visualizaciones de resultados
• Gráficos de equity curve
• Walk-forward analysis

📅 Fase 4: Estrategias Avanzadas (Semanas 5-8)

• Indicadores técnicos avanzados
• Machine Learning básico
• Feature engineering
• Optimización con validación

📅 Fase 5: Trading Real (Semanas 9-12)

• Paper trading
• Gestión de riesgo avanzada
• Ejecución de órdenes
• Monitoreo en tiempo real

📅 Fase 6: Producción (Futuro)

• Dashboard web
• Alertas y notificaciones
• Multi-exchange
• Despliegue en servidor

🐛 Troubleshooting

Error: "No se puede conectar a PostgreSQL"

# Verificar que está corriendo
sudo systemctl status postgresql

# Reiniciar si es necesario
sudo systemctl restart postgresql

# Verificar credenciales en config/secrets.env

Error: "Invalid Api-Key ID"

Solución: Para datos públicos NO necesitas API keys. Deja vacíos API_KEY y API_SECRET en config/secrets.env.

Error: "column does not exist"

Solución: Recrear la tabla:

DROP TABLE IF EXISTS ohlcv CASCADE;

Luego ejecutar python main.py para recrearla.

Error: "duplicate key value violates unique constraint"

Solución: Esto es normal y esperado. El sistema previene automáticamente duplicados. Si quieres limpiar duplicados existentes:

DELETE FROM ohlcv a USING ohlcv b
WHERE a.id > b.id 
AND a.symbol = b.symbol 
AND a.timeframe = b.timeframe 
AND a.timestamp = b.timestamp;

Redis no está disponible

No es crítico. El bot funciona sin Redis, solo perderás caché. Logs mostrarán: "Continuando sin caché."

Para instalar Redis:

sudo apt install redis-server
sudo systemctl start redis

Downloads muy lentos

• Verifica tu conexión a internet
• El exchange puede tener rate limiting
• Para Binance sin API keys: ~1000 requests/min

La descarga se queda colgada

• Presiona Ctrl+C para cancelar
• Revisa logs en logs/trading_bot_*.log
• Verifica que el exchange esté accesible

📝 Notas Importantes

⚠️ Advertencia Legal

Este bot es para fines educativos y de investigación. El trading conlleva riesgo financiero significativo.

NO ejecutes trading real sin:

1. ✅ Backtesting exhaustivo (mínimo 3-5 años de datos)
2. ✅ Paper trading extensivo (varios meses)
3. ✅ Gestión de riesgo robusta y probada
4. ✅ Comprensión completa del código y estrategias
5. ✅ Capital que puedas permitirte perder

🔒 Seguridad

• NUNCA subas config/secrets.env a git
• Usa contraseñas fuertes para PostgreSQL
• En producción, usa variables de entorno del sistema
• Limita permisos de archivos sensibles: chmod 600 config/secrets.env

💾 Portabilidad (Futuro)

Actualmente usa PostgreSQL (requiere instalación en cada máquina).

Plan futuro: Script de exportación a SQLite para portabilidad completa:

python export_to_portable.py  # Generará data/trading_bot.db

Esto permitirá copiar todo el proyecto en USB y ejecutar en cualquier PC.

🤝 Contribuir

Este es un proyecto personal de aprendizaje. Sugerencias y mejoras son bienvenidas.

📄 Licencia

MIT License - Usar bajo tu propio riesgo

📧 Contacto

Para dudas sobre el código o siguientes fases de desarrollo, consulta conmigo.

---

Versión actual: 0.3.0 (Semanas 1-4 completadas)
Última actualización: Enero 2026
Python: 3.12.3
PostgreSQL: 16+
Datos: 5 símbolos, 3 timeframes, 120 días (~54k registros)
Estrategias: 3 implementadas (MA Cross, RSI, Buy&Hold)