OneTick: la plataforma donde las bolsas atrapan a los spoofers y los hedge funds cazan alfa
Arquitectura de OneTick - un motor de series temporales de nivel empresarial para datos tick. Consultas DAG mediante Event Processors, datos históricos y en tiempo real unificados, vigilancia de mercado (MiFID II, MAR, SEC), TCA, investigación cuantitativa y comparación con kdb+.
Bloomberg es para analistas que necesitan una terminal. TradingView es para traders minoristas que necesitan gráficos. Pero cuando una bolsa quiere detectar en tiempo real que un trader en un mercado está colocando órdenes falsas para mover el precio en otro, necesita OneTick.
OneTick es una base de datos de series temporales y un motor de analítica en streaming de nivel empresarial, diseñado específicamente para los mercados financieros. No es una TSDB de propósito general como TimescaleDB o InfluxDB. Tampoco es solo un almacén columnar rápido como ClickHouse. Es una plataforma que entiende los datos financieros: relaciones trade/quote, profundidad del libro de órdenes, eventos corporativos y correlaciones entre mercados. Entre sus clientes están bolsas, bancos de inversión, hedge funds, market makers y brokers.
Tres pilares de OneTick
La plataforma resuelve tres problemas fundamentalmente distintos con un único motor:
| Pilar | Quién lo usa | Por qué |
|---|---|---|
| Vigilancia de mercado (Market Surveillance) | Bolsas, reguladores, departamentos de compliance | Detección de manipulación, cumplimiento de MiFID II / MAR / SEC / FINRA |
| Investigación cuantitativa (Quant Research) | Hedge funds, prop desks | Generación de alfa, backtesting de estrategias, análisis de microestructura |
| Trading Analytics | Sell-side desks, brokers | TCA, monitoreo de best execution, control de liquidez |
La idea clave: los tres tipos de carga de trabajo corren sobre un único motor que procesa tanto datos históricos como en tiempo real. No hace falta un sistema de streaming separado y otro de backtesting: es una sola plataforma.
Arquitectura: grafo dirigido acíclico (DAG) como lenguaje de consulta
La decisión arquitectónica central de OneTick: las consultas no se construyen en SQL (aunque también se admite SQL), sino como un grafo dirigido acíclico (DAG) de Event Processors (EPs).
Qué es un Event Processor
Un Event Processor es una unidad atómica de cómputo. Cada EP realiza una operación única: filtrado, agregación, joins, cálculo de campos derivados, cálculo de VWAP o reconstrucción del libro de órdenes. Los datos (ticks) fluyen a través de una cadena de EPs desde las fuentes hasta los destinos.
Analogía: una línea de ensamblaje en una fábrica. Un tick (un registro con marca de tiempo) entra al grafo por la izquierda, atraviesa una cadena de procesadores, y la salida es un resultado terminado: una alerta, una métrica agregada o una señal.
Por qué DAG en lugar de SQL
| Aspecto | Enfoque SQL | DAG (Event Processors) |
|---|---|---|
| Procesamiento de streams | Requiere un framework aparte (Flink, Spark) | Nativo — el mismo grafo funciona tanto en streams como en histórico |
| Pipelines complejos | Subconsultas anidadas, CTEs, funciones de ventana | Composición visual de nodos — cada nodo es comprensible de forma aislada |
| Reutilización | Copiar y pegar bloques de SQL | Los EPs son componentes reutilizables que se conectan en distintos grafos |
| Depuración | EXPLAIN ANALYZE + conjeturas | Los datos pueden interceptarse en cualquier nodo del grafo |
| Paralelismo | Lo decide el optimizador del DBMS | Paralelización explícita por símbolos, fechas, núcleos de CPU |
Los grafos pueden construirse visualmente mediante el diseñador integrado ("paint-a-canvas") o de forma programática a través de la API de Python.
Rendimiento
Cifras que OneTick afirma (y que la industria confirma):
| Métrica | Valor |
|---|---|
| Ingesta de ticks | >1 billón de ticks/día |
| Procesamiento masivo | >10 millones de ticks/seg/núcleo |
| Precisión de timestamp | Submilisegundo |
| Profundidad histórica | Datos desde 1970 (vía TickData) |
| Clases de activos | Acciones, futuros, opciones, renta fija, cripto |
Como referencia: un feed L2 típico para una sola acción líquida (AAPL) genera ~100.000 mensajes/seg en horas pico. Para todo el mercado de acciones de EE. UU. — cientos de millones de mensajes por día. OneTick está diseñado para manejar todo esto con margen de sobra.
Vigilancia de mercado: donde OneTick es el estándar de la industria
La vigilancia de mercado es probablemente el caso de uso más fuerte de OneTick. La plataforma es utilizada por las propias bolsas para monitorear la actividad de trading.
Qué manipulaciones detecta
| Manipulación | Qué ocurre | Cómo se detecta |
|---|---|---|
| Spoofing | El trader coloca una orden grande para mover el precio y luego la cancela antes de ejecutarla | Análisis de las proporciones de órdenes colocadas/canceladas, velocidad de cancelación |
| Layering | Múltiples órdenes en varios niveles de precio para crear la ilusión de oferta/demanda | Patrón "en escalera" en el libro de órdenes + correlación con ejecuciones en el lado contrario |
| Wash Trading | El trader opera consigo mismo para crear volumen artificial | Cruce de cuentas, análisis de tiempos, direcciones IP |
| Front-Running | El broker opera por delante de una orden grande de un cliente | Correlaciones temporales entre operaciones propias y flujos de clientes |
| Marking the Close | Operaciones deliberadas al cierre de la sesión para manipular el precio de cierre | Análisis de actividad en los últimos minutos frente al promedio intradía |
| Quote Stuffing | Generación/cancelación masiva de órdenes para ralentizar a los competidores | Frecuencia anómala de mensajes, ratio orden-ejecución |
| Insider Trading | Operar con base en información no pública | Correlación de patrones inusuales con eventos corporativos |
Monitoreo cross-market y cross-asset
El caso más complejo: manipulación entre mercados. Un trader mueve el precio de futuros en una bolsa mientras se beneficia de una opción relacionada en otra. O negocia un ADR en la NYSE sabiendo lo que ocurrirá con la acción subyacente en la LSE.
OneTick agrega datos de múltiples plazas de negociación en un único stream y busca patrones cross-market, incluso cuando los vínculos estructurales entre instrumentos no son evidentes.
Cobertura regulatoria
| Regulador / estándar | Jurisdicción |
|---|---|
| MiFID II / MAR | Europa |
| SEC / FINRA | EE. UU. |
| ASIC | Australia |
| IIROC | Canadá |
IA de caja blanca para el scoring de alertas
El problema clásico de la vigilancia son los falsos positivos. Con 10.000 alertas por día, un equipo de compliance de 5 personas no tiene ninguna posibilidad de revisarlas todas. OneTick usa ML de "caja blanca": los modelos evalúan la probabilidad de manipulación real mostrando el motivo — exactamente qué factores llevaron a un puntaje alto. No es una caja negra, sino un modelo explicable, algo crítico para los reguladores.
Investigación cuantitativa: de los ticks al alfa
Para hedge funds y desks cuantitativos, OneTick no es solo un almacén de datos. Es un entorno de investigación donde los datos y la analítica conviven en un mismo lugar.
Qué se puede hacer
-
Análisis de microestructura de mercado. Reconstruir el libro de órdenes en cualquier momento del pasado, analizar la profundidad de liquidez, los spreads y el desequilibrio del flujo de órdenes.
-
Backtesting de estrategias. Ejecutar estrategias de trading sobre datos tick históricos con precisión point-in-time. Sin look-ahead bias — los datos se devuelven estrictamente en el orden en que estuvieron disponibles en tiempo real.
-
Generación de señales. Probar hipótesis: "Si el spread bid-ask se amplía 3σ con volumen en aumento, ¿es eso un predictor de reversión?" A lo largo de décadas de datos, en todos los instrumentos.
-
ML sobre datos tick. MDRE (Market Data Research Environment) — una API similar a Python/Pandas para ciencia de datos. Ajuste de hiperparámetros, validación cruzada, serving de modelos — directamente sobre datos tick, sin exportar a un sistema aparte.
Métodos de acceso
| Interfaz | Para quién |
|---|---|
| API Python / Pandas | Científicos de datos, ingenieros de ML |
| SQL | Analistas familiarizados con bases de datos relacionales |
| DAG Designer | Construcción visual de consultas |
| Lenguaje de grafos propietario | Usuarios experimentados de OneTick |
Trading Analytics: TCA y best execution
Tras MiFID II, la best execution no es una recomendación: es un requisito legal. Los brokers deben demostrar que ejecutaron las operaciones de sus clientes al mejor precio disponible.
Transaction Cost Analysis (TCA)
OneTick permite comparar los precios de ejecución frente a benchmarks:
| Benchmark | Qué mide |
|---|---|
| VWAP | Precio promedio ponderado por volumen en un período |
| Arrival Price | Precio en el momento en que se recibió la orden |
| Implementation Shortfall | Diferencia entre la decisión de operar y la ejecución real |
| Spread Cost | Pérdidas por el spread bid-ask |
Monitoreo de liquidez en tiempo real
Para desks de FX y traders algorítmicos: OneTick compara los spreads y volúmenes actuales frente a los promedios históricos. Si el spread de EUR/USD se amplía 2σ respecto al promedio mensual, eso es una anomalía, y el algoritmo puede ralentizar la ejecución o cambiar a una plaza de negociación alternativa.
Despliegue: on-prem y cloud
| Modelo | Descripción |
|---|---|
| On-Premises | Control total, los datos nunca salen del perímetro. Para bancos con requisitos estrictos de residencia de datos |
| OneTick Cloud | Servicio totalmente gestionado. Escalado sin gestión de infraestructura |
| Híbrido | Datos históricos en la nube, tiempo real on-prem junto al motor de trading |
Comparación con alternativas
| Característica | OneTick | kdb+ (KX) | QuestDB | TimescaleDB |
|---|---|---|---|---|
| Especialización | Finanzas — listo para usar | Finanzas — mediante desarrollo | TSDB de propósito general | TSDB de propósito general |
| Lenguaje de consulta | DAG + SQL + Python | q (vectorial, curva de aprendizaje pronunciada) | SQL | SQL |
| Streaming + histórico | ✅ Motor unificado | ✅ (kdb Insights) | ⚠️ Limitado | ⚠️ Vía extensiones |
| Surveillance | ✅ Modelos listos | ❌ Hay que construirlo | ❌ | ❌ |
| TCA | ✅ | ❌ Hay que construirlo | ❌ | ❌ |
| Ingesta | >10M ticks/seg/núcleo | ~10M+ ticks/seg/núcleo | ~3M+ filas/seg | ~1M+ filas/seg |
| Costo de desarrollo | Menor (EPs listos) | Alto (especialistas en q) | Bajo (SQL) | Bajo (PostgreSQL) |
| Open Source | ❌ Enterprise | ❌ Enterprise | ✅ Apache 2.0 | ✅ Apache 2.0 |
| Cloud | ✅ OneTick Cloud | ✅ kdb Insights | ✅ QuestDB Cloud | ✅ Timescale Cloud |
Cuándo elegir OneTick
- Eres una bolsa o un regulador y necesitas vigilancia con modelos de detección ya listos.
- Eres un sell-side desk y los reguladores exigen reportes de TCA y best execution.
- Eres un fondo cuantitativo y necesitas una plataforma donde la investigación histórica y el monitoreo en vivo sean la misma herramienta.
Cuándo OneTick es excesivo
- Eres un trader minorista o un equipo cripto pequeño. OneTick es un producto empresarial con precios empresariales.
- Necesitas solo una base de datos sin analítica. QuestDB o TimescaleDB serían más razonables.
- Tus datos no son ticks financieros. IoT, monitoreo, logs — eso es otro nicho, y ahí OneTick es excesivo.
Ecosistema: OneTick + TickData
OneTick está estrechamente integrado con TickData — uno de los mayores proveedores de datos tick históricos. Cobertura:
- Acciones de EE. UU. — desde 1970
- Bolsas globales — más de 80 plazas de negociación
- Todas las clases de activos — acciones, futuros, opciones, renta fija, FX
- Cripto — spot y derivados
Para la investigación cuantitativa esto es crítico: cuanto más profundo el histórico, más confiable el backtest. Los datos desde 1970 permiten probar estrategias a lo largo de decenas de regímenes de mercado, incluyendo los crashes de 1987, 2000, 2008 y COVID-2020.
Enlaces
- 🌐 OneTick: onetick.com
- 🌐 OneTick Use Cases: onetick.com/use-cases
- 📊 TickData: tickdata.com
- 🌐 kdb+ (KX): kx.com
- 🌐 QuestDB: questdb.io
- 🌐 TimescaleDB: timescale.com
Conclusión
OneTick no es "solo otra base de datos de series temporales". Es una plataforma verticalmente integrada para datos financieros que aborda tres necesidades críticas con un único motor: vigilancia para bolsas y compliance, investigación cuantitativa para hedge funds, y TCA/best execution para el sell-side. La arquitectura DAG construida sobre Event Processors es una solución elegante para un mundo donde los mismos datos necesitan analizarse tanto en tiempo real como a lo largo de un histórico profundo.
La principal trampa al elegir: no compares OneTick con QuestDB o TimescaleDB como "base de datos contra base de datos". OneTick es una base de datos + motor de analítica + aplicaciones de negocio ya construidas (modelos de surveillance, benchmarks de TCA, reportes de compliance). Si solo necesitas ingesta rápida de ticks, elige QuestDB. Si necesitas el ciclo completo desde la ingesta de datos hasta el reporte regulatorio, OneTick solo compite con kdb+, y gana gracias a una barrera de entrada menor (no hace falta aprender q) y módulos de negocio ya listos.
Para los equipos de algotrading que construyen su propia infraestructura, OneTick es un punto de referencia: cómo debería diseñarse una plataforma que procesa un billón de ticks al día y que, aun así, permite a un analista construir una consulta de forma visual, sin escribir una sola línea de código.
