Saltar al contenido

Qué escribiremos aquí

2 min de lectura

Un blog vacío es honesto. Esto es lo que planeamos publicar — profundidades de ingeniería sobre semántica Pine, diseño del transpilador y backtests con paridad real — y por qué preferimos esperar a hacerlo bien antes que publicar por publicar.

Las cifras de este artículo se midieron el 7 de mayo de 2026 y se mantienen tal cual. Para ver los resultados actuales, consulta cómo medimos la paridad.

Cuando escribimos esto, el blog estaba vacío a propósito.

En mayo de 2026, el equipo de PineForge estaba volcado en el motor: 162 estrategias en el barrido de paridad, 158 con paridad estricta operación por operación y el codegen disponible en aquel momento como API alojada gratuita. Primero se publicó la web de marketing. Los artículos vendrían después.

Qué viene

Tenemos en cola varios artículos de ingeniería. Preferimos publicar cada uno con artefactos reales (CSV reproducibles, trazas comparadas lado a lado, código que se ejecuta) antes que vender humo. Esta es la hoja de ruta aproximada:

  • La arquitectura del transpilador. Cómo el lexer, el parser y el analizador de Pine v6 alimentan el codegen de C++, por qué elegimos la compilación AOT en lugar de un intérprete y dónde termina el transpilador y empieza el runtime con licencia Apache-2.0.

  • La ingeniería de paridad como disciplina. Qué hace falta de verdad para lograr coincidencia operación por operación con TradingView. La infraestructura (barrido en CI, herramienta de comparación), el diseño del corpus y la metodología que seguimos cuando dos motores discrepan exactamente en una barra.

  • Estrategias como binarios compilados. La tesis del marketplace (previsto, sin fecha): por qué un .so con límites de licencia definidos por el vendedor es un modelo de distribución mejor que un feed de señales codificado en JSON, y cómo gestionaría el runtime las comprobaciones de licencia sin llamar a casa en cada backtest.

  • Optuna + walk-forward, integrados. Previsto, sin fecha. Por qué el optimizador recibiría como objetivo una función lambda en Python en lugar de un control deslizante de fitness en una interfaz gráfica, y cómo la validación fuera de muestra quedaría integrada en cada ejecución de la optimización.

Mientras tanto

Si prefieres no esperar y usar ya el motor:

Iremos ampliando esta lista a medida que se publiquen los artículos. Nada de spam de newsletter: cuando algo merezca tu atención, te lo enviaremos una sola vez.