Antes mirábamos el libro cada cien milisegundos y llegábamos tarde a las cancelaciones agrupadas. Con el clasificador corriendo junto al feed, la ventana bajó a microsegundos y las órdenes fantasma dejaron de colarse entre dos capturas.
Los núcleos neuronales se ejecutan en el mismo servidor que el motor de emparejamiento y leen la estructura de cada orden antes de que el mercado llegue a reaccionar. Así se detectan spoofing y layering en la ventana en que ocurren, no después.
Para fundadores que operan mesas propias: la decisión de mover la inferencia al borde cambia la latencia, los límites de cómputo y la forma de versionar los modelos.
Tres equipos que movieron la detección de abuso desde sus servidores remotos al mismo rack del motor de emparejamiento. Distintos mercados, el mismo problema: la orden falsa vive menos que el viaje de ida y vuelta.
Antes mirábamos el libro cada cien milisegundos y llegábamos tarde a las cancelaciones agrupadas. Con el clasificador corriendo junto al feed, la ventana bajó a microsegundos y las órdenes fantasma dejaron de colarse entre dos capturas.
Los umbrales fijos nos generaban alertas por retiradas legítimas de liquidez. El modelo entrenado con la cola de eventos separa mejor el layering real, y el equipo de cumplimiento dejó de revisar ruido todas las mañanas.
Lo que más costó no fue el modelo, fue versionar los pesos sin frenar el flujo. Con el despliegue por etapas y un respaldo que se activa solo cuando la inferencia se degrada, llevamos meses sin un bloqueo en horario de subasta.
Equipos de mesa, vigilancia y cumplimiento en mercados de futuros, renta variable y cripto han integrado este enfoque en su operativa diaria.