Cuatro fuentes, en el orden en que deberías recurrir a ellas. Ninguna cuesta dinero. La última es de la que acabarás dependiendo.
1. Archivos públicos de ticks
Existen libros de órdenes a profundidad completa de los mercados cortos de cripto en Hugging Face y GitHub, algunos con resolución de 100 milisegundos, que cubren semanas enteras y ya vienen etiquetados con los resultados oficiales. Busca en los hubs de datasets el nombre del exchange más "crypto" o "up down". Comprueba el periodo y la frecuencia de muestreo antes de construir sobre uno; dos archivos con el mismo nombre pueden llevarse un mes.
2. Endpoints de los exchanges
Kalshi sirve velas de cualquier mercado desde su listado: bid, ask y volumen en el intervalo que pidas. Polymarket sirve un historial de precios por token y todos los mercados liquidados por id numérico, incluidos los que ya no aparecen en las consultas por slug. Ambos son historial gratuito del libro de órdenes sin necesidad de logger.
3. Ejecuciones on-chain
Cada ejecución de Polymarket es un registro de evento en Polygon; las de Limitless están en Base. Un indexador extrae el historial completo de trading de una wallet en minutos, que es como se probó el caso práctico de copy trading y como cualquiera puede auditar una tasa de acierto pública.
4. Tu propio logger
Libros por websocket más una instantánea cada 5 segundos, comprimidos a diario. Cuenta con 1 a 2 GB al día por exchange. Arráncalo antes de empezar cualquier otra cosa; la semana que pases construyendo un modelo es una semana de datos que desearás tener.
Cómo rellenar los resultados
- Descarga el resultado oficial de cada mercado por id. Nunca lo derives del último precio ni de tu propia lectura del oráculo; en los registros se equivocaron entre el 2 y el 7 por ciento de las veces, y una "ventaja" del 14 por ciento resultó ser nada más que etiquetas equivocadas.
- Guarda los payloads en bruto y deriva las variables después, nunca al revés.
- Comprime a diario con zstd; un mes de ticks cabe en un NVMe pequeño.
- Registra el reloj en que se leyó cada libro. Una ventana sin una lectura fresca no es una operación que hubieras podido hacer.
- Descarta las ventanas cuyo libro no cambió desde la apertura hasta tu segundo de entrada. Más o menos una de cada ocho ventanas en la exportación de un exchange era una cotización congelada por una caída, y una repetición ingenua "ganó" el 92 por ciento de ellas.
Precios spot, cuatro opciones
- Websocket del exchange spot
- Book ticker de Binance o Coinbase. Lo más barato y rápido; el libro del mercado de predicción reacciona a él en unos 16 milisegundos, así que es una referencia, no una ventaja.
- Velas de 1 segundo
- Binance publica archivos diarios. Suficiente para investigar, no para disparar órdenes.
- El stream del oráculo del exchange
- Polymarket retransmite sus precios de Chainlink por su propio websocket. La única fuente que coincide con la liquidación.
- Streams de datos de pago
- Las fuentes de oráculo por debajo del segundo cuestan más de lo que gana la mayoría de los bots. Mide primero con las fuentes gratuitas.