🧠 El Pipeline Técnico: De Python/XGBoost a C#/.NET con ONNX
¿Cómo llevamos un modelo de IA desde un script de investigación 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 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