El Monte Carlo baraja el orden de trades 1000 veces sobre la misma serie. El equity final es siempre el mismo (la suma de pnls no depende del orden), pero el drawdown intermedio sí varía — dependiendo de si los trades perdedores caen agrupados o repartidos.

Último run Mixto: DD base $-1,066 (-10.7%). Mediana shuffle $-1,066. P95 (peor 5%): $-1,615 (-16.2%). Peor reorden: $-2,445 (-24.5%). Eso significa que en una mala secuencia de trades el DD podría llegar al -25% — útil para calibrar el stop de seguridad y position sizing.

Estrategia: 20 niveles de grid centrados en el precio actual, espaciados por 0.5×ATR(14) (no equidistantes). Cada nivel ejecuta cuando el precio lo cruza; toma profit con +1.5% por grid. Capital por nivel: 4% (max 80% deployed).

Auto-recalibración: cada 168 bars (1 semana en 1h) o cuando el precio se sale del rango por más de 5%. Esto evita el problema clásico de Grid v1 (quedar atrapado en trend).

Position stop: si una posición lleva más de 500 bars sin TP, force exit (libera capital).

Data: Binance Futures perpetuals vía CCXT. Cache local en parquet. Hedge desactivado por defecto.

1. Setup Alpaca paper account — generar API keys, configurar webhook en servidor.

2. Bot de ejecución — proceso PM2 que escucha señales de V3.1 Connors (Mixto) y mete órdenes paper en Alpaca al close del día.

3. Tracking en vivo — dashboard con equity actual paper vs backtest esperado, alertas de drawdown.

4. Cierre del experimento — después de 30+ días con resultado positivo, decisión sobre pasar a capital real con 5% del bankroll.

Pre-requisito: arreglar el bug de Monte Carlo. Sin distribución real de resultados no podemos calibrar expectativas de DD ni position sizing.