No vendemos promesas. Construimos sistemas algorítmicos con fundamento matemático, validados con más de una década de datos reales y probados en cuentas propias antes de llegar al mercado. Esta página explica cómo trabajamos y por qué.
Todo lo que hacemos se apoya en tres ideas simples. Si un sistema no pasa por las tres, no llega al mercado.
01
● Quant ResearchCada estrategia nace de la matemática computacional. Modelos estocásticos, optimización no lineal y aprendizaje estadístico aplicados con rigor — no intuiciones ni patrones visuales.
Antes de una sola línea de código existe una hipótesis cuantificable: qué ineficiencia se explota, por qué debería persistir y cómo se degrada. Si la hipótesis no resiste el papel, no llega al backtest.
02
● 10Y Tick DataMás de una década de datos tick reales, no velas sintéticas. Walk-forward analysis, out-of-sample, y stress tests en regímenes adversos documentados: crisis de liquidez, cisnes negros, gaps de apertura.
Nada toca dinero real hasta haber sobrevivido al proceso completo. Lo que en backtest se dobla con slippage realista y spread del bróker, no se publica.
03
● Risk-FirstCada operación tiene pérdida máxima acotada antes de ejecutarse. Stop loss físico en el servidor, tamaño dimensionado al capital y a la volatilidad del instrumento, y límites duros por sesión.
Sin duplicar posiciones en contra, sin promediar pérdidas, sin "esperar a que vuelva". El capital se protege por diseño, no por esperanza — y la curva de equity lo refleja.
Cada sistema pasa por una cadena de siete filtros. La mayoría no llegan al final — y esa es justamente la idea. Publicamos solo lo que ha sobrevivido.
Se define qué ineficiencia del mercado se explota, en qué régimen y bajo qué supuestos. Si no es falsable, no avanza.
Implementación sobre 10+ años de tick data real del bróker de producción. Nada de datos sintéticos, nada de timeframes reconstruidos.
Optimización en ventana in-sample, validación en out-of-sample sin tocar parámetros. Si los resultados OOS caen, el sistema no es robusto.
Miles de simulaciones con permutación de trades y stress de parámetros. Queremos ver la distribución completa de resultados, no un único backtest afortunado.
Semanas de ejecución en cuenta demo real con el spread, latencia y slippage del bróker de producción. Si diverge del backtest, volvemos al paso 3.
El sistema opera capital propio antes de ofrecerlo a nadie. Si no lo ejecutamos nosotros con dinero real, no lo publicamos.
Señal viva verificable en MQL5 Market. Dos meses positivos mínimo antes de abrir compras. Histórico completo público desde el día uno.
Cualquiera puede encontrar una curva ascendente mirando lo suficiente. La pregunta honesta es otra: ¿qué habría pasado si los trades hubieran llegado en otro orden, con otros gaps, con otro calendario?
Por eso cada sistema pasa por un análisis de Monte Carlo interno: tomamos la distribución real de trades del backtest y generamos decenas de miles de historias alternativas permutando orden, ampliando drawdowns y estresando parámetros dentro de rangos razonables.
El objetivo no es conseguir un número bonito. Es ver la distribución completa de posibles resultados y medir la probabilidad de que el sistema pierda dinero en un año cualquiera. Si esa probabilidad no es razonablemente baja, el sistema no se publica.
En el caso del flagship Axiom Edge: 20.000 simulaciones, cero historias con pérdida neta anual. No es una garantía de rendimiento futuro — pero es un estándar de robustez que la competencia retail del Market raramente se molesta en computar.
Son técnicas que funcionan el 95 % del tiempo. El 5 % restante no borra ganancias — borra la cuenta entera. Nosotros elegimos el 100 % del tiempo con pérdidas acotadas.
No tenemos nada contra la Martingala ni el Grid como modelos matemáticos — son estrategias coherentes bajo supuestos concretos de reversión a la media. El problema es lo que pasa cuando esos supuestos se rompen.
El mercado ha roto esos supuestos de forma documentable al menos tres veces en la última década:
El Banco Nacional Suizo retiró el suelo de 1.20 sin aviso. El par se movió 3.000 pips en minutos. Innumerables cuentas con grid/martingala abierta fueron liquidadas, algunas con saldo negativo.
Los mercados se movieron en rangos diarios de varios porcentajes durante semanas, con gaps de fin de semana impracticables de cubrir. Los sistemas que promediaban pérdidas abrieron posiciones en cascada hasta agotar el margen.
BTC y altcoins cayeron 30-50 % en pocas sesiones con rebotes violentos intraday. Los grids de cripto fueron especialmente castigados: cada rebote abría más longs que la siguiente pierna liquidaba.
Un evento así, por infrecuente que sea, basta para borrar años de ganancias. En Axiom Labs preferimos aceptar una curva algo menos lineal a cambio de saber que ningún día puede acabar con la cuenta. Es una decisión de diseño, no una limitación técnica.
Nuestro EA insignia — siete instrumentos en tres clases de activo, un año de resultados verificables, y cero simulaciones con pérdida neta en Monte Carlo.