๐ง El Pipeline Tรฉcnico: De Python/XGBoost a C#/.NET con ONNX
ยฟCรณmo llevamos un modelo de IA desde un script de investigaciรณn a un servidor de trading de alta frecuencia? La arquitectura del AI Risk Shield v2.
Software Architecture Team
DearmasTrader Team
Entrenar una IA es relativamente fรกcil en un laboratorio. Lo difรญcil es que tome decisiones en milisegundos mientras procesa miles de รณrdenes en vivo.
Paso 1: Entrenamiento con XGBoost
Elegimos XGBoost por su increรญble velocidad y precisiรณn 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 Conversiรณn a ONNX
Normalmente, ejecutar Python en un servidor de trading escrito en C# (.NET) aรฑadirรญa 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)
Ejecuciรณn nativa en memoria (C#). Latencia: < 150ms.
Paso 3: Integraciรณn 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 operaciรณn se bloquea instantรกneamente.
"Esta estructura nos permite reentrenar el cerebro de la IA sin tener que reprogramar el motor de trading, dรกndonos una flexibilidad absoluta." โ Arquitecto Senior de DearmasTrader