En la plaza de futuros de Binance, 熬鹰资本 (@thankUcrypto) es un trader que comparte operaciones y genera mucha controversia y atención. En entrevistas públicas, ha contado cómo empezó con 3000 U, sufrió una caída hasta los 1700 U y luego logró recuperarse con 10 000 U. Su frase «acelera a fondo en las rectas y frena a tiempo en las curvas» es conocida por muchos traders.
Sin embargo, suele haber diferencias entre lo que se cuenta de palabra y el historial real de operaciones de una cuenta. Este artículo analiza los registros de operaciones en vivo de 29 días, del 2026‑09‑18 al 2026‑11‑10 (851 ejecuciones individuales de apertura y cierre y 28 posiciones cerradas), para desglosar, a partir de datos reales, su marco de trading completo, sus hábitos de gestión de posiciones, su lógica de rentabilidad y los riesgos ocultos.
I. No es ni puramente manual ni puramente cuantitativo: un modelo híbrido de decisiones subjetivas y ejecución automatizada
Muchos lo clasifican sin más como un trader manual y subjetivo, pero el historial de operaciones muestra que usa un modelo híbrido:
1. Eje principal de posiciones grandes (ETH/BTC y tokens de acciones estadounidenses): se decide subjetivamente la dirección y se ejecutan las entradas por tramos de forma semiautomática
ETH y BTC son los principales mercados de operación. El tamaño nominal de cada operación suele oscilar entre cientos de miles y varios millones de USDT; las entradas se distribuyen a lo largo de varias decenas de minutos y las posiciones suelen mantenerse durante movimientos de swing. Las operaciones se concentran por la noche, durante la sesión estadounidense (de las 22:00 a las 3:00, hora de Pekín), un rasgo típico de quien vigila el mercado manualmente.
2. Activo específico (ZAMA): estrategia de grid completamente automatizada
En las operaciones con ZAMA, llegó a haber un máximo de 26 transacciones en un solo minuto, muchas órdenes diminutas de 6‑17 U y colocadas rigurosamente según una escala de precios. En dos días se acumularon 663 órdenes de grid y se obtuvieron 75.000 U aprovechando repetidamente los diferenciales de precio. Este tipo de órdenes tan pequeñas no se podría ejecutar manualmente.
En pocas palabras: la persona elige las monedas, define la dirección y el tamaño total de la posición; el programa se encarga de ejecutar las órdenes escalonadas. Cuando aparece una moneda nueva adecuada, se activa directamente un bot de grid para arbitrar.
II. Preferencias de monedas: las principales son el campo de batalla, las narrativas van rotando y los tokens de acciones son la especialidad
Distribución del capital nominal de 28 posiciones:
- ETH representa por sí solo el 53,6% y BTC el 19,4%. Las dos principales suman el 73% del capital y son la fuente principal de ganancias. Durante el período observado, predominaban las posiciones cortas en ETH y BTC;
- Altcoins basadas en narrativas: ZEC, una moneda de privacidad; ONDO (RWA); y PEPE, una memecoin. La mayoría se operó en largo para aprovechar movimientos de recuperación;
- Asignación diferenciada: numerosos tokens de acciones estadounidenses (NVDA, MU —Micron—, SNDK —almacenamiento—, entre otros) e incluso contratos de petróleo crudo CL. No siguen exactamente los mismos movimientos que las criptomonedas y se utilizan para cubrir la cartera.
Es un operador típico de rotación temática: en 29 días cubrió 14 activos de trading, cambiando de tema aproximadamente cada 2 días, en vez de mantener a largo plazo una cesta fija de monedas.
III. Gestión de posiciones: rompe con la idea de “probar con una posición pequeña”; entra con una posición grande, de casi la mitad del total
Este es el aspecto más contrario a la intuición de los pequeños inversores en este estilo de operación.
La mayoría de los traders acostumbra a probar con posiciones pequeñas y añadir más cuando el mercado confirma la tendencia. Sin embargo, según las estadísticas de 26 posiciones que se pudieron emparejar:
La primera entrada representó, en promedio, el 45% de la posición total final; solo en el 16% de las posiciones la primera entrada representó menos del 20%.
Proceso real:
✅ La primera entrada abre directamente una posición cercana a la mitad del tamaño total; luego, en un plazo de varias decenas de minutos a un día, se añaden otras 1‑3 operaciones hasta completar la posición total;
✅ Las entradas se concentran en un rango de precios muy estrecho. Por ejemplo, las 4 entradas de la posición corta en ETH difieren apenas un 0,25% en precio; se entra por tramos dentro del rango, sin perseguir subidas ni caídas;
✅ Límite estricto de posiciones simultáneas: como máximo mantiene 2 posiciones a la vez; nunca diversifica indiscriminadamente. El tamaño nominal mediano de las posiciones es de 2,08 millones de U y la posición individual máxima, de 14,17 millones de U.
El estilo de cierre también es contundente: al alcanzar el objetivo de ganancias, cierra todas las posiciones de una vez en un minuto; si se activa el stop loss, también sale de todas de golpe, sin dejar una posición residual abierta para aguantar pérdidas. Caso típico: una operación larga en MU con pérdidas; cerró por completo las dos posiciones en menos de un minuto, sin prolongar la operación mientras acumulaba pérdidas latentes. El período de tenencia corresponde al swing trading: la mediana es de 22,4 horas y la mayoría de las operaciones duran entre 5 horas y 2 días; no es trading intradía de alta frecuencia.
IV. Estructura de ganancias y pérdidas: alta tasa de aciertos, pero baja relación beneficio-riesgo; ahí se esconde el riesgo
Muestra observada: 28 posiciones cerradas:
- Tasa de aciertos: 71,4% (20 operaciones ganadoras y 8 perdedoras)
- Relación beneficio-riesgo: 0,70; factor de beneficio: 1,75
- Ganancia media: 99.900 U; pérdida media: 142.700 U
Punto clave: gana con frecuencia, pero cuando pierde, pierde más en cada operación. Los rendimientos se construyen combinando una alta tasa de aciertos con posiciones de gran tamaño, no con una elevada relación beneficio-riesgo basada en “perder poco y ganar mucho”.
En los 29 días analizados, la ganancia total fue de +856.000 U, pero durante ese período se produjeron tres pérdidas importantes que sumaron 816.000 U, casi borrando todas las ganancias del mes.
En otras palabras: basta con 2‑3 pérdidas grandes consecutivas para devolver fácilmente las ganancias acumuladas durante mucho tiempo. Esta es la mayor debilidad de la estrategia, que depende enormemente de la disciplina para respetar los stop loss. En una entrevista pública, él mismo mencionó que al principio, por no ejecutar bien los stop loss, el saldo de su cuenta llegó a caer hasta quedar en solo 1.700 U.
Tres fuentes de ganancias
1. Swing trading con criptomonedas principales (ETH/BTC): la principal contribución de la estrategia. Se buscan movimientos del 5‑7% con posiciones grandes; la mayor ganancia fue de 942.000 U con una posición corta en ETH;
2. Activos de narrativas con potencial de ponerse al día: monedas de privacidad, RWA y tokens de acciones. Se aprovechan las tendencias temáticas con posiciones medianas, obteniendo decenas de miles de U por operación;
3. Bot de grid para monedas nuevas: muchas órdenes pequeñas capturan diferenciales de precio. La ganancia por operación es baja, pero se acumula con el volumen de transacciones.
V. Intento de replicar la estrategia: destilar la muestra y pasar del historial de operaciones a un script cuantitativo
Analizar el comportamiento es solo el primer paso. Actualmente estoy usando Codex para destilar los patrones de esta muestra de operaciones: convertir todos los registros de apertura y cierre, las características de las posiciones, las reglas de entrada y salida, los horarios y la lógica de selección de monedas en un conjunto de datos SQL estructurado. Después, usaré este conjunto para desarrollar un script de trading cuantitativo que pueda someterse a backtesting.
El trabajo se encuentra ahora en la etapa de organizar los datos y extraer las reglas. Las operaciones manuales mezclan juicios subjetivos, por lo que resulta muy difícil replicarlas por completo. Cuando termine el script, compartiré los resultados del backtesting y la simulación en tiempo real para ver cómo se comporta esta lógica de trading híbrida al dejarla en manos de un programa.
Expectativas realistas: es difícil destilar al 100% en código la selección subjetiva del momento de entrada y el análisis de las tendencias temáticas. Un backtesting prometedor no garantiza resultados reales; los resultados posteriores serán únicamente para investigación técnica.
VI. Qué se puede aprender y qué no se debe copiar directamente bajo ninguna circunstancia
✅ 6 acciones de ejecución que los traders comunes pueden aprender
1. Primero define la dirección general y luego elige los activos: las criptomonedas principales marcan la tendencia y las altcoins o los activos de alta volatilidad sirven de complemento;
2. Entradas escalonadas en un rango estrecho: entrar en 2‑4 tramos cerca de los soportes y resistencias, dentro de ±0,3%; no abrir de golpe una posición completa;
3. Evitar la diversificación excesiva: no conviene mantener demasiadas posiciones a la vez; hay que concentrarse en gestionar unas pocas oportunidades;
4. Stop loss sin titubeos: si se rompe un nivel clave, no dejes una parte de la posición abierta esperando un rebote; sal con decisión;
5. Tomar ganancias con disciplina: al alcanzar el precio objetivo, salir de toda la posición; no intentar exprimir hasta la última parte del movimiento;
6. Definir el período de tenencia: establece un límite de tiempo para tus operaciones y no las mantengas abiertas indefinidamente.
❌ Lo que la mayoría no debe copiar directamente
1. Brecha en el tamaño del capital: esta estrategia con posiciones grandes se basa en un capital de varios millones de U. El mismo stop loss del 5% supone una corrección normal para un gran inversor, pero puede causar un daño grave a una cuenta pequeña;
2. Riesgo inherente de una baja relación beneficio-riesgo: una tasa de aciertos del 71% parece muy atractiva, pero unas pocas pérdidas consecutivas pueden provocar una caída muy pronunciada del saldo;
3. El grid de ZAMA es producto de una situación específica: combinado con ejecución automatizada y la liquidez de una moneda nueva. Imitarlo manualmente puede acabar fácilmente en pérdidas al comprar en máximos;
4. La muestra de datos es limitada: actualmente solo hay 28 posiciones cerradas, por lo que la confianza estadística es limitada. La tasa de aciertos y el factor de beneficio solo representan este mes, y no pueden equipararse a una capacidad estable a largo plazo; hace falta validarlos con más muestras de distintos ciclos de mercado.
