Un operador convirtió $6,8K en $1,5M utilizando una «estrategia algorítmica delta neutral» basada en captación de maker rebates. El caso muestra cómo la automatización y el uso de la microestructura del mercado permiten multiplicar capitales pequeños, aunque también revela riesgos operativos y de mercado que deben tener en cuenta inversores y equipos de producto.
Estrategia y funcionamiento
La base de la estrategia es el delta neutral, lo que significa mantener posiciones compensadas: si el mercado sube o baja, la exposición direccional se reduce casi a cero. En este modelo, la ganancia no depende de acertar con el precio, sino de aprovechar la volatilidad y el flujo de órdenes.
El operador combina esta neutralidad con la provisión activa de liquidez. Esto significa colocar órdenes “maker” en el libro (órdenes que esperan ser ejecutadas, no que consumen liquidez al instante). Los exchanges pagan rebates —pequeñas recompensas por aportar liquidez— que, sumados en miles de operaciones, pueden convertirse en una ganancia significativa.
Para lograrlo, usa bots de reequilibrio que mantienen la delta casi en cero y que ejecutan miles de operaciones por segundo con baja latencia (es decir, reaccionando más rápido que otros). Esto transforma la volatilidad en una fuente de ingresos, aunque crea dependencia de la calidad de la liquidez del mercado y de la estabilidad del sistema automático.
La estrategia se despliega tanto en exchanges centralizados como Binance, Bybit u OKX, como en descentralizados (DEXs) como Helix, Hyperliquid o dYdX. Estos últimos resultan especialmente atractivos por su alta liquidez y APIs robustas, que facilitan la ejecución algorítmica.
Un punto clave es el backtesting: antes de lanzar dinero real, se realizan simulaciones de alta frecuencia que modelan las condiciones del mercado (costes, retrasos, errores). Para ello se usan lenguajes y librerías como Python, Rust, ccxt, numpy, pandas y frameworks como hftbacktest, que permiten incluir variables como latencia (tiempo de reacción del bot) o slippage (diferencia entre el precio esperado y el ejecutado).
Riesgos e implicaciones
El método no está exento de riesgos. Existen intentos de manipulación por parte de grandes jugadores (como el “liquidation hunting”, donde fuerzan liquidaciones de pequeños operadores). También son críticos los fallos en los bots, los cambios en las políticas de rebates o comisiones de los exchanges, y los eventos extremos de mercado, que pueden causar pérdidas muy rápidas.
Para reducir estos riesgos, se recomienda supervisión continua y planes de contingencia. En la práctica, esto implica contar con sistemas de control en tiempo real, límites estrictos de apalancamiento, uso de stop loss y diversificación entre exchanges para no depender de un solo entorno de rebates.
En el plano regulatorio, el uso intensivo de órdenes exige cumplir con KYC/AML (conoce a tu cliente y prevención de lavado de dinero) y con el monitoreo de manipulación de mercado. Para los equipos de producto, la exigencia es clara: desarrollar infraestructura algorítmica que incluya simulación de latencia y medición precisa del slippage, porque esas son las variables que diferencian ganancias de pérdidas.
