PáginasIntroducción · 1 / 29
Introducción
QuantCraft es una plataforma de trading que también sirve para crear, probar y mejorar estrategias de trading algorítmico en Python.
Ofrece un único flujo de trabajo para escribir código, configurar pruebas, ejecutar backtests y revisar resultados sin salir de la aplicación.
Si eres nuevo en QuantCraft, empieza por Primeros pasos y céntrate en este ciclo básico:
- Crear o abrir un archivo de estrategia
- Escribir la lógica de la estrategia y sus parámetros
- Ejecutar un backtest con los símbolos y el rango de fechas elegidos
- Revisar los registros, los gráficos y las métricas de operaciones y rendimiento
- Ajustar y volver a ejecutar
Qué incluye QuantCraft (lo esencial)
Espacio de código
- Diseño del espacio de trabajo: barra lateral de archivos y carpetas para proyectos de estrategias
- Editor de Python con varias pestañas
- Flujo de Save, Save As e importación/exportación de archivos
.py
Editor de Python
- Creación de estrategias en Python
- Herramientas de edición como deshacer/rehacer, buscar/reemplazar, formato y opciones de tema y fuente
- Dependencias (interfaz de Packages) para las bibliotecas que usa tu script
Ejecución y backtests
- Ejecución de código: Run rápido para obtener respuesta inmediata de tu script
- Backtests: flujo estructurado para la evaluación histórica
- Parámetros de entrada para estrategias configurables
API de ejecución de estrategias integradas
- Callbacks del ciclo de vida de la estrategia (
on_init,on_bar,on_tick,on_timer,on_finish) - Modelo de cuenta para el comportamiento de posiciones, saldos y PyG
- Datos OHLCV y de barras para las barras de mercado y los marcos temporales secundarios (
get_bar,Timeframe) - Datos fundamentales (cuando estén disponibles) para datos a nivel de estados financieros
- Factores de Fama-French (Premium) para series mensuales globales de rentabilidad de factores en backtests y ejecuciones en vivo
- Series de indicadores para superposiciones de gráficos en los resultados
Resultados y diagnóstico
- Panel de salida para registros, errores y progreso
- Resultados de las pruebas para rendimiento, curva de capital/gráficos e historial de operaciones
- Exportación de los resultados de los backtests cuando sea compatible
QuantCraft AI (opcional pero útil)
- Asistente integrado en el IDE para explicar, generar y editar el código de la estrategia
- Sesiones de chat con selección de modelo e interacciones conscientes de los archivos
Qué debes saber antes del primer uso
- Las estrategias de QuantCraft son scripts de Python que se ejecutan en el contexto de ejecución de QuantCraft.
- Los backtests usan un modelo de cuenta simulado (comportamiento en papel, no ejecución real en un bróker).
- El ciclo de vida de la estrategia y los módulos de datos (OHLCV, datos fundamentales, factores de Fama-French) son tu contrato de API.
- Los parámetros de entrada son la forma recomendada de ajustar valores sin editar el código en cada ejecución.
- Valida siempre con varias ejecuciones (distintos símbolos y ventanas) antes de fiarte del rendimiento.
Flujo mínimo del «primer éxito»
1. Crear un archivo de estrategia
- Abre QuantCraft (Diseño del espacio de trabajo)
- Crea un nuevo archivo de estrategia
.py(o importa uno)
2. Añadir un esqueleto básico de estrategia
- Define los callbacks del ciclo de vida
- Empieza con
on_init, luego implementa la lógica de barra/tick y después los resúmenes enon_finish
3. Definir los parámetros de entrada
- Añade
paramspara poder cambiar umbrales y periodos desde la interfaz de backtest
4. Configurar y ejecutar un backtest
- Elige el o los símbolos, el marco temporal y la ventana de fechas (Backtests)
- Ejecuta Test (Ejecución de código) y supervisa el Panel de salida y el progreso
5. Inspeccionar los resultados
- Revisa los registros en busca de errores y advertencias
- Consulta los Resultados de las pruebas: estadísticas de rendimiento y de operaciones
- Valida las superposiciones de indicadores y la coherencia del comportamiento
6. Iterar
- Refina la lógica de entradas, salidas y riesgo
- Vuelve a ejecutar con entradas distintas y ventanas de prueba más amplias
Conceptos básicos que debes entender
Ciclo de vida de la estrategia
Consulta Ciclo de vida de la estrategia: on_init, on_bar/on_tick, on_timer opcional y on_finish.
Estado de la cuenta
Tu estrategia usa el modelo de cuenta (cartera simulada). Comprende cómo las órdenes y las posiciones actualizan la PyG durante la ejecución.
Alcance de los datos
Los datos OHLCV impulsan la mayor parte de la lógica técnica. Los datos fundamentales son opcionales y pueden variar según el símbolo. Sé explícito sobre tus supuestos de datos y el periodo de calentamiento.
Entradas y reproducibilidad
Usa los parámetros de entrada para obtener experimentos coherentes.
- Mantén fijas las condiciones de ejecución al comparar revisiones de la estrategia.
Reglas prácticas para un uso fiable
- Empieza de forma sencilla; añade complejidad solo cuando la lógica base sea estable.
- Registra las decisiones clave (motivos de entrada y salida) para facilitar la depuración.
- No evalúes con un único símbolo ni con un rango de fechas corto.
- Comprueba que las superposiciones del gráfico coinciden con el comportamiento real de las operaciones.
- Trata los resultados de backtest inusualmente buenos como sospechosos hasta someterlos a pruebas de estrés.
Errores comunes que debes evitar
- Escribir toda la lógica en un solo callback sin una gestión clara del estado
- Fijar en el código constantes ajustables en lugar de usar entradas
- Ignorar el calentamiento y la disponibilidad de datos antes de calcular señales
- Sobreajustar a un único régimen de mercado o a un rango de fechas estrecho
- Fiarse de la rentabilidad principal sin revisar el drawdown y la distribución de las operaciones
Cuándo usar QuantCraft AI
Usa la IA cuando necesites ayuda para:
- Refactorizar código de estrategia desordenado
- Añadir parametrización y una estructura más limpia
- Explicar errores en el flujo de los callbacks
- Generar esqueletos de indicadores, entradas y salidas
No te fíes ciegamente de lo que genere la IA: ejecútalo y valídalo siempre en backtests.
Qué deberías lograr con esta documentación
Después de leer la documentación en orden (consulta también la Referencia), deberías poder:
- Moverte con rapidez por el espacio de trabajo
- Crear una estrategia ejecutable desde cero
- Usar correctamente los callbacks del ciclo de vida
- Configurar backtests con entradas significativas
- Interpretar los resultados e iterar hacia una lógica robusta