🧠 El Pipeline Técnico: De Python/XGBoost a C#/.NET con ONNX

Entrenar una IA es relativamente fácil en un laboratorio. Lo difícil es que tome decisiones en milisegundos mientras procesa miles de órdenes en vivo.

Paso 1: Entrenamiento con XGBoost

Elegimos XGBoost por su increíble velocidad y precisión con datos tubulares (series temporales de precios). En este paso, el modelo aprende a identificar la "huella digital" de un crash inminente.

Paso 2: La Conversión a ONNX

Normalmente, ejecutar Python en un servidor de trading escrito en C# (.NET) añadiría demasiada latencia. Para solucionar esto, usamos ONNX (Open Neural Network Exchange).

Sin ONNX (Antiguo)

Llamadas HTTP a microservicios externos. Latencia: ~2 segundos.

Con ONNX (V2)

Ejecución nativa en memoria (C#). Latencia: < 150ms.

Paso 3: Integración en Dearmas.Core

Nuestra arquitectura de Clean Architecture permite que el motor de trading (FuturesDcaStrategy) consulte al OnnxRiskManager antes de cada compra. Si la IA devuelve un "Riesgo: ALTO", la operación se bloquea instantáneamente.

"Esta estructura nos permite reentrenar el cerebro de la IA sin tener que reprogramar el motor de trading, dándonos una flexibilidad absoluta." — Arquitecto Senior de DearmasTrader