Blog

Como as funding rates na Binance/Bybit transformam belos resultados de backtest com alta alavancagem em perdas garantidas. Fórmulas, recálculo de estratégias reais e a alavancagem máxima na qual o funding não consome os lucros.

Final da série 'Backtests sem ilusões'. Como construir um orquestrador a partir de N estratégias x M pares, implementar o modo cascata com prioridade e execução de reserva, escolher dual_size, e por que carteiras de estratégias não podem ser testadas retroativamente somando o PnL.

Taxonomia completa das divergências entre backtesting e trading ao vivo: de slippage e execuções parciais até a dessincronização da base de código. Padrões arquiteturais para alcançar paridade, exemplos em Python de um módulo core compartilhado e uma checklist de monitoramento em produção.

Por que uma estimativa pontual de um backtest é uma ilusão perigosa. Como o bootstrap Monte Carlo, em 2 segundos de computação, fornece um intervalo de confiança de 95% para o PnL e o MaxDD, e por que esse é um passo obrigatório antes de lançar uma estratégia em produção.

Como funciona a arbitragem de funding rate entre exchanges de cripto, por que as taxas diferem na Binance, Bybit, OKX e dYdX, e como construir um sistema de monitoramento e execução para extrair lucro dessas discrepâncias.

Deep dive into QuestDB's time-series SQL extensions: SAMPLE BY, ASOF JOIN, HORIZON JOIN, WINDOW JOIN, LATEST ON, and real-world trading query patterns.

Materialized views, 2D array order book analytics, and reference architecture for a QuestDB-powered algorithmic trading platform.