AUTONOMOUS ML TRADING INTELLIGENCE // CAPITAL SHIELD // EST. 2026
JAZ BY NOCARA

AEGIS FX

Un sistema de trading algorítmico diseñado desde primeros principios — cada componente justificado por evidencia estadística, no por convención. 3 modelos de Machine Learning votando en consenso. 20 capas de protección filtrando cada decisión. Optimización bayesiana personalizada por par. Ejecución 24/5 autónoma sobre MetaTrader 5. Esto no es automatización. Es inteligencia de mercado blindada.

Models
3
Ensemble
Pairs
15
Optimized
Features
21
Per candle
Protections
20
Risk layers
Win Rate
94.7%
Validated
Compute
2×GPU
RTX 5070 Ti
●AUDUSD +0.42% ●EURAUD +1.67074 ●MODEL ENSEMBLE LSTM 40% • RF 30% • XGB 30% ●PROFIT FACTOR 5.31 ●SHARPE 2.64 ●MAX DD 88 pips ●OPTUNA TRIALS 1,500 total ●TRAINING DATA 6 years • 9,300 candles ●STATE DB SQLite WAL ●KELLY FRACTION 25% ●AUDUSD +0.42% ●EURAUD +1.67074 ●MODEL ENSEMBLE LSTM 40% • RF 30% • XGB 30% ●PROFIT FACTOR 5.31 ●SHARPE 2.64 ●MAX DD 88 pips
Donde el mercado busca ruido,
nosotros extraemos patrones.
Donde el humano dudaría,
el sistema decide con evidencia.
CRAFTED BY JAZ BY NOCARA
01 // ENSEMBLE ARCHITECTURE

Three minds.
One voice.

Un solo modelo puede fallar por sesgo, por overfitting, por régimen anómalo. Tres modelos fundamentalmente distintos capturan patrones que ninguno podría ver solo. El LSTM aprende secuencias temporales con memoria de 30 velas. El Random Forest encuentra relaciones no-lineales en 200 árboles independientes. El XGBoost detecta interacciones complejas con gradient boosting acelerado por GPU. La decisión final es la suma ponderada: si los tres coinciden, la posición entra con tamaño completo. Si uno discrepa, el tamaño se reduce. Si dos discrepan, no hay trade.

40%
LSTM
PyTorch / CUDA
Seq length: 30
Hidden: 64-160 units
Optimized per pair
30%
Random Forest
scikit-learn
Trees: 100-250
Max depth: 8-15
Min samples: 5-20
30%
XGBoost
GPU gradient boost
N estimators: 150-250
LR: 0.02-0.10
Max depth: 3-7
Σ
WEIGHTED
consensus signal
02 // FEATURE ENGINEERING

21 signals per candle.
Every 4 hours.

Cada vela de 4 horas se transforma en un vector de 21 features que capturan momentum, tendencia, volatilidad, timing, ciclo de mercado, contexto multi-timeframe, lags históricos y sentimiento macroeconómico. Esta representación es la entrada de los 3 modelos del ensemble.

01
price
Raw close
02
MA7
Moving avg
03
MA21
Moving avg
04
EMA50
Exp MA
05
RSI
Momentum 14
06
RSI_10
Momentum 10
07
MACD
Momentum
08
Signal_MACD
MACD sig
09
ATR
Volatility
10
ADX
Trend strength
11
hour
Temporal
12
day_of_week
Temporal
13
RSI_mtf
1D timeframe
14
event_impact
Calendar
15
event_sentiment
LLM analysis
16
price_lag_1
Memory
17
price_lag_2
Memory
18
price_lag_3
Memory
19
returns_lag_1
Momentum lag
20
returns_lag_2
Momentum lag
21
returns_lag_3
Momentum lag
03 // BAYESIAN OPTIMIZATION

7 parameters,
optimized per pair.

Cada uno de los 15 pares recibe su propia configuración óptima. Optuna ejecuta 100 trials por par usando Tree-structured Parzen Estimator (TPE), explorando el espacio de hiperparámetros bayesianamente. El objetivo a maximizar: R × (1+Sharpe) × (1-DD/100)² — retorno ajustado por Sharpe y penalizado por drawdown al cuadrado.

Strategy Params · Per-Pair Optimization
Trials:100 × 15
Algorithm:TPE Sampler
Total:1,500 evaluations
atr_sl_multiplier
Distancia del Stop Loss en múltiplos del ATR actual del par.
range0.8 – 2.0
atr_tp_multiplier
Distancia del Take Profit en múltiplos del ATR actual.
range1.5 – 3.5
min_potential_profit_pct
Movimiento mínimo esperado para operar.
range0.001 – 0.003
adx_trend_threshold
Fuerza mínima de tendencia (ADX) para entrar.
range18.0 – 28.0
breakeven_activation_atr
Profit en ATR para mover SL a breakeven.
range0.15 – 0.60
trailing_activation_atr
Profit en ATR para activar el trailing stop.
range0.30 – 1.00
trailing_distance_atr
Distancia del trailing SL al precio actual.
range0.40 – 2.00
04 // 20 PROTECTION LAYERS

Twenty ways
to preserve capital.

Cada señal pasa por 20 filtros en cascada antes de convertirse en trade. De más de 9,000 señales anuales, solo 1,750 superan todos los filtros. No es un embudo: es una elección consciente. Mejor perderse 100 trades dudosos que entrar en 10 malos. Cada capa tiene su flag ON/OFF, backward compatible, reversible.

LAYER // 01
Daily Loss Limit
Halt si pierde 5% del balance en un día.
BALANCE-BASED
LAYER // 02
Spread Filter
Rechaza si spread > 5 pips.
MAX 5.0 PIPS
LAYER // 03
Max Positions
Máximo 4 posiciones simultáneas.
HARD CAP 4
LAYER // 04
Currency Cap
Máximo 2 pares por divisa.
EXPOSURE 2×
LAYER // 05
Correlation Filter
3 clusters: AUD/NZD, GBP, EUR.
ρ > 0.75
LAYER // 06
Pair Cooldown
2 losses consecutivas → 24h bloqueo.
48H WINDOW
LAYER // 07
CB1 Post-Loss Block
12h bloqueo tras pérdida mismo par+dir.
+SMALL WIN SCALING
LAYER // 08
CB2 Global Pause
3 losses consecutivas → pausa total 24h.
SYSTEM-WIDE
LAYER // 09
CB3 Cluster Cooldown
2 losses del cluster → bloqueo 48h.
MULTI-CLUSTER
LAYER // 10
CB4 Momentum Check
No shortear contra mov 24h > 1.5%.
1.5% THRESHOLD
LAYER // 11
CB5 Cross-Timeframe
Alineación D1 EMA50/EMA200.
±5 SCORE ADJ
LAYER // 12
CB6 Ensemble Agreement
Mínimo 2/3 modelos de acuerdo.
3/3 FULL SIZE
LAYER // 13
CB7 Volatility Regime
ATR ratio anómalo → block o reduce.
0.5× – 2.0× ATR
LAYER // 14
CB8 Profit Lock
+2× ATR → cierre 25% + SL lock.
ASYM PROFIT TAKING
LAYER // 15
CB9 Accuracy Tracker
Accuracy < 30% por par → block.
ROLLING 20 TRADES
LAYER // 16
Kelly Sizing
Position size óptimo por edge real.
25% FRACTIONAL
LAYER // 17
Feature Drift
Detecta features fuera de p5-p95 training.
OOD MONITOR
LAYER // 18
News Blackout
15min pre / 30min post eventos HIGH.
MQL5 CALENDAR
LAYER // 19
Ensemble Variance
Coef variación → confidence score.
CV-BASED
LAYER // 20
Regime Detection
4 regímenes de mercado auto-detectados.
LOW/HIGH × TREND/RANGE
05 // VALIDATED PERFORMANCE

12 months.
Numbers that speak.

Walk-forward simulation sobre los 15 pares durante 12 meses de data out-of-sample. Cada trade pasado por las 20 capas de filtrado. Resultados comparativos entre baseline (sin protecciones) y sistema completo.

PROFIT FACTOR
5.31
Por cada dólar perdido, el sistema produce $5.31 de ganancia. La industria considera cualquier valor superior a 2.0 como excepcional. Este número, sostenido sobre 1,750 trades reales, es el resultado de diseñar cada componente desde el principio para filtrar señales débiles.
1.51 baseline → 5.31 protected
Win Rate
94.7%
1,660 wins / 93 losses
Max Drawdown
88 pips
16× reducción vs baseline
Sharpe Ratio
2.64
Risk-adjusted returns
Avg Win/Loss
1:0.30
3.7 wins / -12.4 losses
Win Rate
48.4%
94.7%
+46.3 pp
Profit Factor
1.51
5.31
3.5× better
Sharpe Ratio
0.30
2.64
8.8× better
Max Drawdown
1,372 pips
88 pips
16× reduced
06 // LIVE EXECUTION

Running now.
Autonomous. Always.

Ejemplo de un ciclo real de escaneo. El bot analiza los 15 pares, evalúa las señales contra las 20 capas, aplica sizing óptimo y ejecuta. Cada decisión queda registrada en SQLite para auditoría completa.

jaz@aegis-fx ~ // bot_live_mt5.py // scan #248
07 // TOP 15 CURATED PAIRS

Selected from 28.
Ranked by score.

Universo inicial: 28 pares. Cada uno backtested con score compuesto R × (1+S) × (1-DD/100)². Los 15 con mejor score entran al top. Cada uno con sus 7 parámetros únicos optimizados por Optuna.

#01
AUDUSD
157
#02
AUDJPY
77
#03
CADJPY
71
#04
AUDCAD
67
#05
EURAUD
63
#06
GBPCAD
62
#07
GBPNZD
55
#08
AUDCHF
49
#09
GBPJPY
46
#10
NZDCAD
44
#11
NZDCHF
42
#12
EURGBP
40
#13
NZDJPY
39
#14
GBPCHF
37
#15
EURUSD
28
08 // OPERATIONAL CYCLE

Every 15 minutes.
Every 4 hours.
Every night. Every weekend.

El sistema no es estático. Opera en múltiples ciclos anidados: protección continua cada 15 minutos, señales cada 4 horas, adaptación diaria, retraining semanal completo, validación walk-forward mensual. Cada nivel refuerza al siguiente.

EVERY 15 MINUTES
Trailing Stop Management
Revisa todas las posiciones abiertas. Activa breakeven, cierre parcial (50% en BE), profit lock (25% a +2× ATR), trailing progresivo con distancia optimizada por par. Cada acción persistida en SQLite con WAL mode.
BREAKEVEN PARTIAL CLOSE PROFIT LOCK PROGRESSIVE SL
EVERY 4 HOURS
Market Scan + Signal Generation
Al cierre de cada vela de 4H, el bot analiza los 15 pares en paralelo. El ensemble predice 6 periodos al futuro (24h). Se aplican los 20 filtros en cascada. Las señales sobrevivientes se ejecutan con Kelly sizing o Volatility targeting.
ENSEMBLE 20 FILTERS RANKING EXECUTION
DAILY · 01:00 UTC
LSTM Adaptive Fine-Tuning
A la 1 AM UTC, cada modelo LSTM se ajusta con 10 epochs y learning rate bajo usando los datos recientes. El modelo se adapta al mercado actual sin interrumpir operaciones en curso. Snapshot previo para rollback si degrada.
10 EPOCHS LR 1e-5 AUTO-ROLLBACK
WEEKLY · WEEKEND
Full Retraining
Los 15 modelos reentrenados desde cero. 100 trials Optuna para hiperparámetros del modelo, 100 trials adicionales para strategy params. Las 2 GPUs trabajan en paralelo (8+7 pares). Total: ~14 horas. Todos los feature_stats.json regenerados para el feature drift monitor.
1,500 TRIALS 2× RTX 5070 Ti CUDA PARALLEL 14H RUN
MONTHLY
Walk-Forward Validation
Framework offline que mueve ventanas de train/test en el tiempo (48m train, 6m test, 3m step). Detecta degradación de edge por par. Si un par pierde más de 30% de su PF histórico, candidato a remoción automática del top 15.
20 WINDOWS OOS VALIDATION DEGRADATION DETECT
09 // ADVANCED RESEARCH MODULES

Beyond trading.
Continuous science.

Más allá del loop live, el sistema integra módulos de investigación que ejecutan análisis periódicos, detectan anomalías y sugieren mejoras. Cada uno genera reportes JSON consumibles por dashboards o análisis posterior.

MODULE / 01
Walk-Forward Validator
Framework completo que corre backtests sobre ventanas móviles. Compara performance reciente vs histórica. Detecta pares que perdieron edge.
Train window48 months
Test window6 months
Step3 months
Detection-30% PF drop
MODULE / 02
Statistical Arbitrage
Analiza correlaciones entre pares. Detecta spreads anómalos (z-score > 2). Identifica oportunidades mean-reversion complementarias al modelo ML.
Lookback180 days
Min correlation0.85
Entry z-score±2.0σ
Stop z-score±3.0σ
MODULE / 03
Slippage Tracker
Registra expected vs actual price en cada trade. Reportes por par y por sesión UTC. Detecta degradación de ejecución del broker o latencia de red.
Log formatJSONL
Warn threshold> 3 pips
AggregationPer pair + hour
OutputLive + Report
MODULE / 04
Feature Drift Monitor
Guarda stats (p5, p95, mean, std) al entrenar. En vivo compara features actuales con la distribución del training. Alerta cuando el modelo opera fuera de su zona conocida.
Baselinefeature_stats.json
Out-of-range> p95 or < p5
Block threshold> 3 features
ActionScore penalty + block
MODULE / 05
Regime Detector
Clasifica el mercado en 4 estados según ADX y volatilidad relativa. Ajusta sizing y filtros según régimen. Bloquea trading en high_vol_ranging.
States4 regimes
FeaturesADX + ATR ratio
Window50 candles
AdjustmentSize + score
MODULE / 06
LLM Calendar Oracle
Scraping de MQL5 Economic Calendar + análisis de sentimiento con Ollama (DeepSeek-R1 14B) local. Convierte eventos macro en features numéricas (impact + sentiment) para los modelos.
SourceMQL5.com
LLMDeepSeek-R1 14B
Circuit breaker3 fails → 1h pause
Output2 features/candle
10 // TECHNOLOGY BACKBONE

Institutional tools.
Consumer hardware.

Stack idéntico al que usan hedge funds cuantitativos. Todo open-source, reproducible, auditable. Corriendo en hardware de consumidor que rivaliza con servidores dedicados gracias a las 2 GPUs RTX 5070 Ti.

PyTorch
LSTM / CUDA
XGBoost
Gradient Boost GPU
scikit-learn
Random Forest
Optuna
Bayesian Optimization
pandas
Data Engine
NumPy
Numerical Core
SQLite WAL
State Persistence
MetaTrader 5
Execution + Data
Ollama
Local LLM Runtime
DeepSeek-R1
14B Sentiment
2× RTX 5070 Ti
Parallel Training
Python 3.11
Orchestration
· NOCARA ·
Where models converge and capital is protected
Autonomous intelligence for financial markets
System Aegis FX v4.0
Conservative Mode
11 Active Improvements
Infrastructure Python 3.11 · MT5 · CUDA
SQLite WAL · Ollama Local
15 Models · 2 GPUs
Validation 12 months OOS
1,750 simulated trades
Walk-Forward validated
Disclaimer Past performance does not
guarantee future results
Trading involves risk