PSAR Scalping Bot para Binance Futures

Demo del PSAR Scalping Bot en Binance Futures

Realice un video de como funciona en vivo, puedes darle clik a la imagen

Bot de scalping multi–par que trabajan con una combiacion de estregias de Market Bias + Twin Range y PSAR en 30m La razon princpial por lo que me enfoco en esta combinacion es por que arroja resulatdos no perfectos pero si cosideerables en el backetste de TradingView es por que quise probar de forma mas objetvia y al combianar los idcadores no queria unicamente poner todos los filtors y esperar que en algun momento se alinearan, bueno si lo intente pero resulto muy poco inefciente super horcado, por lo que se hice fue genersr una ponderacion por indicador y en base a eso se ecide con que pares se va a trabajr y en que dioreccion se abre construido en Python, que combina para tomar deciones:

• PSAR en 30m como cerebro estructural de tendencia.
• Market Bias + Twin Range Filter (TRF) en 5m como filtros de contexto y estructura.
• Ejecución en 1m con gestión micro de salidas.
• Sesgo macro con EMA 200 en 4H para decidir si favorecer LONGs o SHORTs.
• Sistema de score y planner ALWAYS_IN_MARKET, con pesos dinámicos por ADX y tamaño de posición ligado a la calidad de la señal.

El proyecto esta creado poara probar la estragia en entorno mas cercano a lo real y ver comon es que reacciona Usando (indicadores, timeframes, riesgo, fees) para saber si encontraba algo de consistencia para tener una nocion de su desempeño con datos reales sin ariesgar capital.

---

Visión general del proyect

• Usa un notional base por trade (por ejemplo, 70 USDT) con apalancamiento configurable (ej. 10x).
• Selecciona solo los pares que muestran mejores condiciones de mercado según un sistema de score macro/micro.
• Ajusta SL/TP y tamaño en función de la volatilidad (ATR) y del régimen del mercado (tendencia fuerte vs rango).

El objetivo no es tener una recveta magica , sino crear y aprender con todo el sistema y como es que trabaja

El enfoque es ver de forma clara su resulatado

Con una estrategia basada en PSAR 30m, filtros de Market Bias + Twin Range Filter en 5m y un sistema de scoring adaptativo (ADX, ATR, EMA200 4H) compensar comisiones y volatilidad en Binance Futures usando posiciones pequeñas y reglas de riesgo sistemáticas?

El bot integra:

• PSAR 30m como referencia estructural de tendencia.
• MB + TRF 5m para discriminar entre entornos tendenciales y de rango.
• Sesgo macro EMA200 4H para decidir cuándo favorecer LONGs o SHORTs.
• Score dinámico que decide:
  • si vale la pena operar,
  • cuánto tamaño (notional) asumir,
  • en qué símbolos concentrar el riesgo. .

---

Arquitectura multi–timeframe

La estrategia se apoya en 4 escalas:

1. 4H (macro–bias)

   • EMA 200: si el precio está por encima → sesgo alcista; si está por debajo → sesgo bajista.
   • Este sesgo se usa para favorecer LONGs en mercados alcistas y SHORTs en mercados bajistas.

2. 30m (macro de trading)

   • PSAR 30m: define la dirección base de tendencia.
   • EMAs 30m y ADX 30m: miden dirección y fuerza de la tendencia.
   • ATR% 30m: clasifica el régimen de volatilidad (baja, normal, alta).

3. 5m (micro–estructura)

   • Market Bias 5m: sesgo direccional suavizado (Heikin Ashi + EMAs).
   • Twin Range Filter 5m:
     • clasifica si el mercado está en tendencia o rango,
     • usa una EMA central + bandas basadas en ATR.

4. 1m (ejecución y gestión)

   • PSAR y EMAs rápidas en 1m.
   • Confirmación fina de entradas.
   • Gestión de salidas tempranas (deterioro, time–stop, trailing).

Idea clave:
Las decisiones importantes (lado de la operación, tamaño, prioridad) no se toman en 1m aislado: 1m solo ejecuta lo que ya fue filtrado por 4H, 30m y 5m.

---

Núcleo de la lógica: score y priority

Score vs Priority

El sistema distingue dos cosas:

• Score (puntuación pura)

  • Mide la calidad objetiva de la señal (edge estimado).
  • Se construye a partir de:
    • alineación con tendencia macro (PSAR/EMAs 30m),
    • estructura micro (MB + TRF 5m),
    • salud de la volatilidad (ATR% 30m),
    • fuerza de la señal primaria.
  • No tiene sesgo favorito a LONG o SHORT.

• Priority (prioridad)

  • Es el score ajustado por sesgos operativos:
    • sesgo EMA200 4H (pro–LONG en bull, pro–SHORT en bear),
    • cooldown después de un trade perdedor,
    • límites por clúster (LARGE_CAP, ALT_CLUSTER, etc.).
  • Se usa para elegir qué símbolos se operan primero cuando hay varios candidatos válidos.

El engine filtra primero por score (calidad mínima) y luego ordena por priority (preferencias estratégicas).

---

Macro vs Micro con pesos dinámicos (ADX)

En vez de pesos fijos (ej. 15% macro, 70% micro), el bot utiliza ponderación dinámica basada en ADX 30m:

• Tendencia fuerte (ADX alto)
  • Se aumenta el peso del componente macro:
    • seguir la dirección del tren (tendencia) importa más que el ruido micro.
• Rango / lateral (ADX bajo)
  • Se aumenta el peso del componente micro:
    • importa más el timing fino (reversiones, rebotes, microestructura).

Esto permite que la misma lógica se adapte a días tendenciales y días laterales sin cambiar manualmente parámetros.

---

Sesgo adaptativo con EMA200 4H (bias pro–trend)

El sesgo pro–LONG ya no es fijo:

• Si el precio está por encima de EMA200 4H

  • Se favorecen LONGs (priority se bonifica).
  • Los SHORTs se penalizan en prioridad (pero no se prohíben).

• Si el precio está por debajo de EMA200 4H

  • Se favorecen SHORTs.
  • Los LONGs se penalizan.

Así, el sistema deja de luchar contra la corriente en mercados bajistas y puede capturar mejor las caídas cuando el contexto lo respalda.

---

ATR: de “veto” a escalado de tamaño

Antes, volatilidades extremas (ATR% muy baja o muy alta) podían matar la señal (score = 0).
Ahora, la lógica es más fina:

• Se sigue calculando una “salud” de ATR% 30m (punto dulce ≈ volatilidad normal).
• Pero en lugar de anular la señal:
  • el score se mantiene,
  • y lo que se ajusta es el tamaño de la posición (risk_mult).

Ejemplo simplificado:

• ATR normal → risk_mult ≈ 1.0 (usa el notional base).
• ATR muy alta → risk_mult se reduce (ej. 0.3–0.5).
• ATR muy baja → el bot puede reducir también tamaño o filtrar por RRR mínimo útil.

Consecuencia:
El bot puede aprovechar eventos de alta volatilidad con posiciones pequeñas, en lugar de quedarse siempre fuera.

---

Score = confianza = tamaño (RRR constante)

El RRR (riesgo/beneficio) se mantiene prácticamente constante (ej. 1.45) y el score se usa sobre todo para decidir cuánto capital arriesgar:

• Score bajo (señal mediocre pero aceptable)

  • risk_mult cercano a 0.3–0.5
  • Tamaño pequeño, RRR ~ 1.45.

• Score alto (señal muy clara)

  • risk_mult cercano a 0.8–1.0 (o el máximo configurado)
  • Tamaño grande, mismo RRR ~ 1.45.

La lógica implícita es:

Una señal de alta calidad es algo que probablemente va a salir bien.
En lugar de perseguir targets lejanos, se apuesta más tamaño a targets razonables.

Comportamiento:

1. Déficit (open_count < target_min)

   • Calcula un umbral dinámico a partir del mejor score (max_abs_score).
   • Puede pasar de modo estricto a modo soft–fill si pasan muchas iteraciones sin llenar slots.
   • Abre nuevas posiciones hasta recuperar el mínimo.

2. Estable (open_count ≥ target_min)

   • Se mantiene en modo estricto.
   • Solo abre nuevas posiciones si se libera un slot (cierre por SL/TP/time–stop).
   • Opcionalmente, puede usar un slot “premium” para una señal excepcional.

En la práctica, el planner mantiene una cartera viva, pero exige calidad mínima y gestiona el ritmo de nuevas entradas para no saturar.

---

Indicadores y lógica por timeframe

4H: EMA 200 (bias macro)

• Determina si el entorno general es:
  • Bull (precio > EMA200),
  • Bear (precio < EMA200).
• Este bias impacta directamente en la priority y en algunos límites de riesgo.

30m: PSAR, EMAs, ATR, ADX

• PSAR 30m:

  • Por debajo del precio → contexto alcista.
  • Por encima del precio → contexto bajista.
  • Flip → evento relevante para cerrar/revertir.

• EMAs 30m:

  • Cruces y pendientes apoyan el régimen de tendencia.

• ATR% 30m:

  • Se transforma en % del precio para clasificar volatilidad y escalar tamaño.

• ADX 30m:

  • ADX alto → tendencia fuerte (más peso al macro).
  • ADX bajo → rango (más peso al micro).

5m: Market Bias y Twin Range Filter

• Market Bias 5m:

  • Basado en Heikin Ashi + EMAs.
  • Entrega una señal suavizada (+1, 0, -1).

• Twin Range Filter 5m:

  • EMA central + bandas ATR.
  • Clasifica:
    • entorno tendencial (precio fuera de bandas y pendiente clara),
    • entorno de rango/chop (precio dentro, pendiente plana).

1m: ejecución táctica

• Confirma la entrada con PSAR + EMAs rápidas.
• Gestiona:
  • salidas tempranas por deterioro,
  • time stops según régimen de volatilidad,
  • trailing stops cuando la operación avanza a favor.

---

Arquitectura técnica

Stack tecnológico

• Python 3.10+
• pandas, numpy para series temporales.
• ccxt para conexión con Binance Futures (incluida testnet).
• python-dotenv para manejo de .env.
• logging estándar + CSV (logs/trades.csv) para análisis.
• Tests unitarios para partes críticas (indicadores, sizing, etc.).

Estructura del repositorio (resumen)

MarketMakerTesnet/
├── main.py                      # Punto de entrada
├── logger_setup.py              # Configuración de logs
├── requirements.txt
├── .env                         # Config local (no se versiona)
│
├── psar_scalper/
│   └── src/
│       ├── config.py            # EngineSettings, ScoreSettings, planner
│       ├── data.py              # DataFeed (velas 1m, 5m, 30m, 4H)
        ├── engine.py            # Bucle principal, planner ALWAYS_IN_MARKET
        ├── indicators.py        # PSAR, EMAs, ATR, ADX, etc.
        ├── scoring.py           # SymbolSignals, EntryCandidate, score → riesgo
        ├── risk.py              # build_sl_tp, RRR constante
        ├── state.py             # Dataclasses, posiciones, PlannerState
        ├── mb_trf_indicators.py # Market Bias y Twin Range Filter (5m)
        └── trend.py             # Régimen macro 30m
│
├── logs/
│   └── trades.csv               # Historial de operaciones
│
└── tests/
    └── test_position_size.py    # Ejemplo de tests de sizing

(Los nombres pueden variar ligeramente según la rama, pero la idea modular se mantiene.)

---

Configuración (.env)

Ejemplo de archivo .env:

# Credenciales de Binance Futures
BINANCE_API_KEY=TU_API_KEY
BINANCE_API_SECRET=TU_API_SECRET
BINANCE_FUTURES_TESTNET=true        # true = testnet, false = producción

# Parámetros de trading
SYMBOLS=XRPUSDT,BNBUSDT,LTCUSDT,LINKUSDT,ADAUSDT,DOGEUSDT,TRXUSDT,XLMUSDT
BASE_NOTIONAL_USDT=70.0
LEVERAGE=10

# Gestión de portafolio
TARGET_MIN_OPEN_SYMBOLS=4
MAX_OPEN_SYMBOLS=5

# Riesgo y fees
FEE_ROUNDTRIP_PCT=0.0010            # ida y vuelta
EDGE_MIN_PCT=0.0020                 # edge mínimo neto
SL_MIN_PCT=0.0040                   # stop mínimo
BASE_RRR=1.45                       # R:R base (constante)

# Score / planner
SCORE_THRESHOLD=0.25
SOFT_SCORE_THRESHOLD=0.18
SOFT_FILL_AFTER_EMPTY_ITERS=5

# Logging
LOG_LEVEL=INFO

Ajusta los valores según tu apetito de riesgo y el capital que quieras simular.

---

Ejecución

Clonar el repositorio

git clone https://github.com/tu_usuario/MarketMakerTesnet.git
cd MarketMakerTesnet

Crear entorno virtual e instalar dependencias

python -m venv .venv
source .venv/bin/activate      # En Windows: .venv\Scripts�ctivate
pip install -r requirements.txt

Ejecutar el bot (testnet)

python main.py

El bot:

• Sincroniza tiempo y posiciones con Binance.
• Descarga velas 4H, 30m, 5m, 1m.
• Calcula indicadores y scores.
• Abre/cierra posiciones según la lógica ALWAYS_IN_MARKET y la configuración de riesgo.

---

Logging y análisis de resultados

El archivo logs/trades.csv registra para cada trade:

• Timestamp
• Símbolo
• Dirección (LONG/SHORT)
• Precio de entrada y salida
• Notional y tamaño
• PnL absoluto y porcentual
• Razón de cierre (TP, SL, deterioro, time–stop, etc.)

Esto permite:

• Reconstruir la curva de equity.
• Calcular winrate, profit factor, drawdown, etc.
• Analizar por símbolo, por horario o por régimen de volatilidad.

La consola muestra, además, detalles como:

• Score, priority y risk_mult al abrir cada posición.
• RRR aplicado y distancia SL/TP (en % y en ATR).
• Estado del planner: open_count, target_min, max_open.

---

Limitaciones y líneas de trabajo futuras

Limitaciones actuales:

• Parámetros escogidos de forma razonable, pero no exhaustivamente optimizados.
• Correlación entre pares manejada de forma simple (por clúster), aún mejorable.
• Sin filtros de volumen explícitos.