Datos de Mercado
EntradaFlujo bruto de datos de mercado multi-timeframe
ResponsabilidadIngerir, marcar con fecha/hora y mantener un registro cronológicamente correcto
SalidaUn contexto de datos de mercado compartido y versionado para cada etapa posterior
Límite de seguridadNo puede abrir, cerrar ni evaluar ninguna operación
El pipeline comienza con la ingesta continua de datos de mercado en los instrumentos que Tantoryn AI monitorea, procesados en múltiples timeframes para dar a cada etapa posterior el mismo contexto consistente y ordenado en el tiempo.
Esta capa no tiene opinión propia sobre trading. Su única función es mantener un registro limpio y cronológicamente correcto en el que los componentes posteriores de investigación y runtime puedan confiar sin tener que rederivarlo por sí mismos.
Generador de Candidatos
EntradaEl contexto cronológico de la capa de Datos de Mercado
ResponsabilidadDetectar condiciones de candidatos formalizadas y basadas en reglas
SalidaUn objeto candidato estructurado — una hipótesis, no una decisión
Límite de seguridadNo puede puntuar, clasificar ni aprobar sus propios candidatos
El Generador de Candidatos (CG) es la primera capa analítica. Identifica candidatos de mercado formalizados — condiciones estructuradas en los datos que vale la pena evaluar más a fondo — antes de que ocurra cualquier puntuación por ML.
Un candidato no es una decisión de trading. Es una hipótesis, producida por reglas explícitas y versionadas en lugar de por un modelo. No publicamos los umbrales propietarios exactos detrás de la formación de candidatos; esa lógica es la parte del sistema que mantenemos cerrada por defecto.
Capa de Decisión ML
EntradaUn objeto candidato ya formado por el CG
ResponsabilidadPuntuar y clasificar la calidad estimada del candidato
SalidaUna puntuación/clasificación de modelo adjunta al candidato
Límite de seguridadNo puede abrir una operación ni anular el gate de riesgo
Los modelos de machine learning evalúan candidatos que el CG ya ha formado. Su rol es estrecho y específico: puntuar y clasificar la calidad estimada de un candidato, no inventarlo a partir de datos brutos de mercado.
De forma crucial, el ML no puede abrir una operación directamente ni eludir el control de riesgo. Una puntuación alta del modelo es necesaria pero nunca suficiente por sí sola — cada candidato todavía debe superar el gate independiente de riesgo y ciclo de vida que se describe a continuación.
La arquitectura de modelos detrás de esta capa está bajo investigación y revalidación activas, por lo que esta página no describe intencionalmente una familia de modelos específica como definitiva. Lo que es fijo es el límite: el ML evalúa, no decide solo.
Motor de Riesgo / Ciclo de Vida
EntradaUn candidato puntuado que ha pasado la evaluación de ML
ResponsabilidadAplicar controles de riesgo, límites de exposición y reglas de ciclo de vida
SalidaUna señal / operación virtual aprobada, o un rechazo
Límite de seguridadLa única etapa autorizada a aprobar una señal; independiente del ML
Este es el gate final de aprobación, y es independiente de la capa de ML por diseño. Aplica controles de riesgo, verificaciones de exposición y gestión de ciclo de vida antes de que algo pueda convertirse en una señal.
La gestión del ciclo de vida abarca conceptos como el planteamiento de stop-loss y take-profit, y cómo se rastrea y se deshace una posición abierta con el tiempo — no solo cómo se abre.
Describimos aquí el rol y el propósito de este motor sin exponer sus parámetros internos exactos de riesgo, que permanecen cerrados por defecto.
Runtime
EntradaSeñales aprobadas más el estado continuo del mercado en vivo
ResponsabilidadEjecutar, observar y conciliar operaciones virtuales de forma continua
SalidaEventos registrados del ciclo de vida de operaciones virtuales, entregados vía Telegram
Límite de seguridadREAL_ORDERS rígidamente desactivado; sin ruta de ejecución con dinero real
El runtime es lo que mantiene el pipeline funcionando continuamente contra los mercados en vivo: observación del mercado en tiempo real, ejecución de operaciones virtuales, y lógica de recuperación/conciliación que mantiene el estado consistente tras reinicios o interrupciones.
Los canales de Producción y sombra/observación se mantienen aislados entre sí a un nivel alto, y la entrega a los usuarios ocurre a través de Telegram.
No publicamos direcciones IP privadas, nombres de servicios, credenciales, puertos ni topología de seguridad. Las descripciones de runtime en este sitio se mantienen en el nivel necesario para entender qué hace el sistema, no cómo atacarlo.
El Límite Que Importa
Cada etapa anterior puede describirse públicamente a un nivel alto porque ninguna de ellas, por sí sola, revela la lógica propietaria que hace útiles a los candidatos o las puntuaciones. Lo que permanece cerrado es el conjunto exacto de reglas, umbrales y pesos — las partes donde la divulgación reproduciría la ventaja competitiva en lugar de explicar la arquitectura.
Vea lo que el runtime realmente produjo: informes en vivo MAIN/SHADOW →
