Microestructura FX: OTC, ECN, last look y sesiones.

Un mercado sin libro central

La lección 1.2.4 presentó el mercado de divisas como un mercado OTC que sigue al sol de Sídney a Nueva York. Aquí interesa su mecánica fina: quién pone los precios, cómo llegan al cliente y qué pasa entre que el cliente pulsa «comprar» y la operación queda hecha. En una bolsa (lección 1.1.3) hay un libro de órdenes central con reglas públicas: una orden que cruza el mejor precio se ejecuta, sin más. En divisas al contado no existe ese libro único. Hay muchos proveedores de liquidez (liquidity providers, LP) que publican precios a sus clientes por canales distintos, y una parte importante de esos precios no es firme: el proveedor se reserva una última mirada antes de aceptar.

flowchart TB
  B[LP bancarios] --> ID[Interbancario]
  B --> MD[Multidealer y ECN]
  N[LP no bancarios] --> MD
  B --> SD[Plataforma propia]
  MD --> AG[Agregador]
  SD --> AG
  AG --> C[Fondo o CTA]
  AG --> R[Bróker minorista]
  R --> M[Minorista]

• Proveedores de liquidez. Grandes bancos y, cada vez más, empresas no bancarias de creación de mercado electrónica. Cotizan compra y venta de forma continua y ganan la horquilla; su riesgo es la selección adversa (lección 2.3.6): que les ejecuten justo antes de que el precio se mueva.
• Mercado interbancario. Los bancos operan entre sí, a menudo en plataformas con un libro central de órdenes firmes. Ahí sí hay algo parecido a una bolsa, pero solo para participantes con acuerdos de crédito entre ellos.
• Plataformas multidealer y ECN. Reciben precios de varios proveedores y los distribuyen a los clientes. En una ECN (electronic communication network) cada proveedor publica su flujo de precios; el cliente ve todos y elige.
• Plataforma propia (single-dealer). Cada gran banco tiene la suya, con sus precios para sus clientes.
• Agregador. El programa del cliente (o de su bróker) que junta los flujos de varios proveedores, construye un libro y decide a quién mandar cada orden. El libro que ve un fondo no lo ve nadie más: depende de con quién tiene acuerdos.
• Brókeres minoristas. Toman precios de uno o varios proveedores, añaden su margen y los ofrecen a sus clientes; algunos internalizan el flujo (son la contraparte) y otros lo pasan al mercado.

Que no haya libro central tiene una consecuencia práctica para quien hace backtests: no hay un precio oficial. El EURUSD de un proveedor de datos es el de sus fuentes, y dos fuentes no coinciden a la décima de pip (lección 1.3.8).

Cuánto y con quién

La referencia para medir el mercado es la encuesta trienal que los bancos centrales hacen cada tres años, coordinados por el Banco de Pagos Internacionales (BPI). En abril de 2025 participaron 52 países. El Banco de España publica la parte española11Nota 1 · Banco de España, Encuesta trienal sobre los mercados OTC de divisas y de derivados de tipos de interés en España (2025) y nota de prensa del 30 de septiembre de 2025, consultadas el 22/10/2026.:

Dos datos de la tabla sirven para entender el resto de la lección. El contado, lo que opera un sistema de trading en divisas, es una parte minoritaria del volumen: la mayor parte son FX swaps, la herramienta de financiación y de cobertura de la lección 3.3.3. Y casi la mitad del volumen ya no es entre bancos: lo negocian otras instituciones financieras, la categoría en la que entran los fondos y los creadores de mercado no bancarios.

Cinco proveedores, tres sesiones

Los datos de esta lección son de QEVUSD, el par de un evro ficticio que imita al EURUSD, el 12 de marzo de 2025: una hora en cada apertura, Tokio (00:00–01:00 UTC, etiquetada asia), Londres (07:00–08:00) y Nueva York (13:00–14:00). Hay un precio de referencia que nadie ve y cinco proveedores que lo cotizan, cada uno con su latencia, su horquilla y su política de last look. Son datos sintéticos con los parámetros plantados en fx3_lp_verdad.csv: la lección los mide como si no los conociera y al final los compara.

import numpy as np
import pandas as pd

cot = pd.read_parquet("fx3_ecn_cotizaciones.parquet")
print(len(cot), "cotizaciones de", cot["lp"].nunique(), "proveedores")
cot.head(4)

193244 cotizaciones de 5 proveedores
                                ts sesion        lp       bid       ask  tam_bid  tam_ask
0 2025-03-12 00:00:00.175000+00:00   asia  LP-Borea  1.473744  1.473916  1000000  1000000
1 2025-03-12 00:00:00.278000+00:00   asia  LP-Atlas  1.473716  1.473944  3000000  1000000
2 2025-03-12 00:00:00.311000+00:00   asia  LP-Delta  1.473798  1.473862  3000000  1000000
3 2025-03-12 00:00:00.360000+00:00   asia  LP-Delta  1.473798  1.473862  5000000  2000000

Cada fila es una actualización de precio de un proveedor: su compra (bid), su venta (ask) y la cantidad en firme en cada lado, entre 1 y 5 millones de evros. Las marcas de tiempo tienen milisegundos, que en divisas es una resolución gruesa: un proveedor rápido actualiza varias veces por segundo. Por proveedor y sesión:

PIP = 1e-4
cot["spread"] = (cot["ask"] - cot["bid"]) / PIP
spread = cot.pivot_table(index="lp", columns="sesion",
                         values="spread", aggfunc="median")
ritmo = cot.groupby(["lp", "sesion"]).size().unstack() / 3600
pd.concat({"spread_pips": spread, "cotiz_por_s": ritmo},
          axis=1).round(2)

         spread_pips                    cotiz_por_s
sesion          asia londres nueva_york        asia londres nueva_york
lp
LP-Atlas        2.02    1.26       1.26        1.09    2.94       3.29
LP-Borea        1.66    1.04       1.04        1.40    4.00       4.39
LP-Cirro        0.92    0.58       0.58        2.09    6.01       6.57
LP-Delta        0.74    0.46       0.46        1.73    4.99       5.43
LP-Eris         1.28    0.80       0.80        1.37    3.99       4.40

Los dos bancos más clásicos, LP-Atlas y LP-Borea, cotizan horquillas de 1,26 y 1,04 pips en Londres; los dos no bancarios, LP-Cirro y LP-Delta, de 0,58 y 0,46. En la hora de Tokio todas las horquillas son un 60 % más anchas y el ritmo de actualización cae a menos de la mitad: el evro se negocia, pero sus grandes centros están cerrados (la lección 1.2.4 midió el mismo patrón hora a hora en el EURUSD del nivel 1). Londres y Nueva York se parecen entre sí.

La figura pone las horquillas de Tokio y de Londres de cada proveedor junto a la del libro agregado, que se construye en la sección siguiente. Ya se ve el punto de partida de toda la lección: el proveedor con la horquilla más estrecha es LP-Delta. Si el precio que enseña fuera el precio al que se ejecuta, la decisión estaría tomada.

El libro agregado: el mejor precio de todos

Un agregador hace lo que hace una bolsa, pero con precios ajenos: para cada instante guarda la última cotización de cada proveedor y toma el bid más alto y el ask más bajo. El mejor bid y el mejor ask pueden ser de proveedores distintos. La función de abajo lo hace por sesión con pivot_table y ffill (la última cotización vigente de cada uno) y guarda cuánto dura cada estado del libro, porque una media por evento daría más peso a los momentos con más actualizaciones.

def libro_agregado(g):
    b = g.pivot_table(index="ts", columns="lp", values="bid",
                      aggfunc="last").ffill().dropna()
    a = g.pivot_table(index="ts", columns="lp", values="ask",
                      aggfunc="last").ffill().dropna()
    libro = pd.DataFrame({"mejor_bid": b.max(axis=1),
                          "mejor_ask": a.min(axis=1),
                          "lp_bid": b.idxmax(axis=1)})
    libro["spread"] = (libro["mejor_ask"]
                       - libro["mejor_bid"]) / PIP
    t = libro.index.to_series()
    libro["dur"] = t.diff().shift(-1).dt.total_seconds()
    return libro.dropna()

libros = {s: libro_agregado(g) for s, g in cot.groupby("sesion")}

def resumen(l):
    w = l["dur"] / l["dur"].sum()          # peso por duración
    return pd.Series({
        "spread_medio": (w * l["spread"]).sum(),
        "cruzado_pct": 100 * w[l["spread"] < 0].sum(),
    })

pd.DataFrame({s: resumen(l) for s, l in libros.items()}).T.round(2)

            spread_medio  cruzado_pct
asia                0.70         0.00
londres             0.19        20.01
nueva_york          0.27        11.51

En Londres, la horquilla media del libro agregado es de 0,19 pips, menos de la mitad que la del mejor proveedor solo (0,46). Es la ventaja de agregar: el mejor bid y el mejor ask rara vez son del mismo proveedor en el mismo instante. Pero la segunda columna dice algo incómodo: durante el 20 % de la hora de Londres el libro está cruzado, con el mejor bid por encima del mejor ask, y el 11,5 % de la de Nueva York. En Tokio, nunca.

Un libro cruzado parece dinero gratis: comprar al ask de uno y vender al bid de otro. No lo es. Cada proveedor publica el precio de referencia con su propio retraso (5 ms el más rápido, 60 ms el más lento, según el archivo de verdad), y cuando el precio se mueve rápido, como en la apertura de Londres, la cotización del lento se queda atrás y cruza la del rápido. Quien intente aprovecharlo manda una orden contra el precio atrasado, que es justo la que el last look de ese proveedor está diseñado para rechazar. En una bolsa, un libro cruzado no puede existir: las órdenes que se cruzan se ejecutan. En un ECN con precios no firmes, sí.

l = libros["londres"]
cuota = l.groupby("lp_bid")["dur"].sum() / l["dur"].sum()
(100 * cuota).round(1).sort_values(ascending=False)

lp_bid
LP-Delta    54.5
LP-Cirro    24.7
LP-Eris     10.7
LP-Borea     5.7
LP-Atlas     4.4
Name: dur, dtype: float64

LP-Delta tiene el mejor bid el 54,5 % del tiempo y LP-Cirro el 24,7 %: entre los dos, casi el 80 %. Un agregador que mande cada orden al mejor precio le dará a Delta más de la mitad del flujo. Por eso importa tanto lo que hace Delta con las órdenes que recibe.

Last look: la última mirada del proveedor

El FX Global Code, el código de buenas prácticas del mercado de divisas que mantiene el Comité Global de Divisas (GFXC) de los bancos centrales, define el last look en su Principio 17 como una práctica de la negociación electrónica en la que el participante que recibe una solicitud de operación tiene una última oportunidad de aceptarla o rechazarla en función del precio cotizado22Nota 2 · GFXC, FX Global Code, última actualización de diciembre de 2024, Principio 17; versión en español del Banco de España, que traduce last look como «último vistazo».. El cliente manda una orden contra un precio publicado; el proveedor la retiene unos milisegundos, comprueba y decide.

stateDiagram-v2
  [*] --> Cotiza
  Cotiza --> Solicitud: orden del cliente
  Solicitud --> Retencion: ventana
  Retencion --> Ejecutada: pasa
  Retencion --> Rechazada: no pasa
  Rechazada --> Cotiza: pedir de nuevo
  Ejecutada --> [*]

El Código no prohíbe la práctica, pero la acota:

• Si se usa, debe ser un mecanismo de control de riesgos para verificar la validez (que los datos de la operación sean correctos y haya crédito suficiente) y el precio (que el precio solicitado siga siendo coherente con el que podría obtener el cliente en ese momento).
• El proveedor debe explicar, como mínimo, si las variaciones del precio en un sentido u otro influyen en su decisión, cuánto tarda en decidir y para qué usa el last look.
• No se puede usar para obtener información sin intención de aceptar, y el proveedor no puede negociar durante la ventana (ni ajustar precios ni cubrirse) con la información de la solicitud.

El informe del grupo de trabajo del GFXC de agosto de 2021 añade dos precisiones útiles para medir33Nota 3 · GFXC, Execution Principles Working Group Report on Last Look, agosto de 2021, secciones 2 y 5.. La primera, la distinción entre comprobación simétrica (la misma tolerancia alrededor del precio actual en los dos sentidos: rechaza si el precio se ha movido más que la tolerancia, a favor o en contra del proveedor) y asimétrica (acepta cuando el precio se ha movido a favor del proveedor y rechaza cuando se ha movido en su contra). La segunda: incorporar cualquier retraso adicional al necesario para hacer las comprobaciones se considera contrario al Principio 17. El mismo informe señala como posibles indicios de mal uso las tasas de rechazo altas con tiempos de respuesta largos y elementos asimétricos, y los tiempos de respuesta distintos entre aceptaciones y rechazos.

Medir el last look orden a orden

fx3_ecn_ordenes.parquet son 2.266 órdenes IOC (ejecutar ya o cancelar) de un cliente a los cinco proveedores, de 1 a 5 millones de evros. Cada orden trae el precio solicitado, las horas de envío y de respuesta, el estado y el precio de referencia al enviar y al responder (mid_envio, mid_respuesta), algo que un cliente real no tiene: tendría que estimarlo con el medio del libro agregado. Lo primero es el signo: para una compra, que el precio suba durante la retención es bueno para el cliente y malo para el proveedor; para una venta, al revés.

ords = pd.read_parquet("fx3_ecn_ordenes.parquet")
signo = np.where(ords["lado"] == "compra", 1, -1)
ords["retencion_ms"] = (ords["ts_respuesta"] - ords["ts_envio"]
                        ).dt.total_seconds() * 1000
# movimiento durante la retención: + = a favor del cliente
ords["mov"] = (signo * (ords["mid_respuesta"] - ords["mid_envio"])
               / PIP).round(1)
ords["rechazada"] = ords["estado"] == "rechazada"
por_lp = ords.groupby("lp").agg(
    ordenes=("rechazada", "size"),
    rechazo_pct=("rechazada", "mean"),
    retencion_ms=("retencion_ms", "median"))
por_lp["rechazo_pct"] *= 100
por_lp.round(1)

          ordenes  rechazo_pct  retencion_ms
lp
LP-Atlas      290          1.7           4.0
LP-Borea      328         14.6          43.0
LP-Cirro      496         12.9          59.0
LP-Delta      820         27.7         152.0
LP-Eris       332          9.9          33.0

LP-Delta rechaza el 27,7 % de las órdenes y tarda una mediana de 152 ms en responder; LP-Atlas, el 1,7 % en 4 ms. LP-Delta es además el que más órdenes recibe (820), porque es el que más veces tiene el mejor precio. La retención medida es la plantada más la latencia de red, de 1 a 3 ms: 4, 43, 59, 152 y 33 ms frente a 2, 40, 60, 150 y 30 plantados.

La tasa de rechazo sola no distingue entre una comprobación justa y una que no lo es. Lo que la distingue es cuándo rechaza cada uno: con el precio quieto, cuando se ha movido a favor del cliente o cuando se ha movido a favor del proveedor.

ords["contexto"] = np.select(
    [ords["mov"] > 0.05, ords["mov"] < -0.05],
    ["contra_lp", "a_favor_lp"], "quieto")
tasa = ords.pivot_table(index="lp", columns="contexto",
                        values="rechazada", aggfunc="mean")
(100 * tasa).round(1)

contexto  a_favor_lp  contra_lp  quieto
lp
LP-Atlas         0.0        NaN     1.7
LP-Borea        59.6       44.2     0.4
LP-Cirro         1.1       74.1     0.9
LP-Delta         0.4       93.4     0.3
LP-Eris          0.0       73.8     0.8

La tabla separa las cinco políticas sin necesidad de conocerlas:

• LP-Atlas: sin last look. Rechaza el 1,7 % con el precio quieto, nunca por el movimiento (y en 4 ms el precio casi nunca se mueve: no hay órdenes suyas en la columna contra_lp).
• LP-Borea: simétrico. Rechaza el 44,2 % cuando el precio se mueve en su contra y el 59,6 % cuando se mueve a su favor. Al cliente le rechaza también operaciones que le habrían salido caras.
• LP-Cirro, LP-Delta y LP-Eris: asimétricos. Rechazan el 74 %, el 93 % y el 74 % cuando el precio va en su contra, y casi nada (1,1 %, 0,4 % y 0 %) cuando va a su favor.

Con el movimiento exacto se recuperan el umbral y la probabilidad de rechazo:

ords["mov_tramo"] = ords["mov"].clip(-0.3, 0.3)
por_mov = ords.pivot_table(index="mov_tramo", columns="lp",
                           values="rechazada", aggfunc="mean")
(100 * por_mov.drop(columns="LP-Atlas")).round(0)

lp         LP-Borea  LP-Cirro  LP-Delta  LP-Eris
mov_tramo
-0.3           69.0       0.0       1.0      0.0
-0.2           40.0       6.0       0.0      0.0
-0.1           62.0       0.0       0.0      0.0
 0.0            0.0       1.0       0.0      1.0
 0.1           44.0      50.0      94.0     71.0
 0.2           38.0      96.0      93.0     70.0
 0.3           55.0      82.0      93.0     80.0

El precio de referencia se mueve en saltos de 0,1 pips, así que el movimiento solo toma esos valores (los extremos agrupan todo lo que pasa de ±0,3). LP-Delta, con umbral 0, rechaza el 93–94 % de cualquier movimiento en su contra, cerca del 95 % plantado. LP-Eris (umbral 0,05) rechaza el 70–80 %, cerca del 70 %. LP-Cirro tiene el umbral en 0,10 pips: con un movimiento de exactamente 0,1 rechaza la mitad (está en la frontera, y la comparación de un movimiento igual al umbral cae a uno u otro lado por redondeo), y a partir de 0,2 el 82–96 %, cerca del 90 % plantado. LP-Borea rechaza entre el 38 % y el 69 % a los dos lados: el 60 % plantado, con el ruido de 10 a 24 órdenes por casilla. La figura lo resume:

Tiempos de respuesta: aceptadas frente a rechazadas

El informe del GFXC señala los tiempos de respuesta distintos entre aceptaciones y rechazos como un posible indicio de mal uso. En los datos se pueden comparar:

ords.pivot_table(index="lp", columns="estado",
                 values="retencion_ms", aggfunc="median")

estado    ejecutada  rechazada
lp
LP-Atlas        4.0        4.0
LP-Borea       41.0       47.0
LP-Cirro       58.5       79.5
LP-Delta      145.0      173.0
LP-Eris        32.0       38.0

Las rechazadas tardan más en los cuatro proveedores con last look: 173 ms frente a 145 en LP-Delta, 79,5 frente a 58,5 en LP-Cirro. En estos datos no hay ninguna retención extra plantada para rechazar: la diferencia sale sola, porque una retención más larga deja más tiempo para que el precio se mueva y la orden falle la comprobación. Es un buen recordatorio de que los indicios del informe son indicios: una diferencia de tiempos pide una explicación al proveedor, no demuestra un abuso. Lo que sí sería una señal clara es que la retención fuera más larga que la que el proveedor declara.

Lo que cuesta de verdad: horquilla más rechazos

Para comparar proveedores hace falta una medida de coste que incluya los rechazos. Una orden ejecutada cuesta el semi-spread: la distancia entre el precio solicitado y el medio en el momento del envío. Una orden rechazada no cuesta nada en el acto, pero deja al cliente sin la posición y con el precio movido: si el precio subió mientras el proveedor miraba una compra, el cliente tiene que volver a pedir precio desde el nuevo nivel. Ese movimiento perdido es el coste del rechazo. Si el rechazo llega con el precio movido en contra del cliente, el coste es negativo: el proveedor le ha ahorrado una operación mala.

con $s = +1$ en las compras y $-1$ en las ventas y $\Delta m$ el movimiento del medio durante la retención a favor del cliente, en pips. La medida supone que, tras un rechazo, el cliente vuelve a pagar el mismo semi-spread; ignora el tiempo perdido y el riesgo de que el precio siga moviéndose mientras pide otro precio, así que es una cota inferior del coste real.

ords["semi_spread"] = signo * (ords["precio_solicitado"]
                               - ords["mid_envio"]) / PIP
ords["coste_rechazo"] = ords["rechazada"] * ords["mov"]
coste = ords.groupby("lp")[["semi_spread", "coste_rechazo"]].mean()
coste["efectivo"] = coste.sum(axis=1)
coste["usd_por_millon"] = 100 * coste["efectivo"]
coste.round(3)

          semi_spread  coste_rechazo  efectivo  usd_por_millon
lp
LP-Atlas        0.571          0.000     0.571          57.052
LP-Borea        0.502         -0.004     0.499          49.866
LP-Cirro        0.250          0.030     0.280          28.020
LP-Delta        0.199          0.079     0.278          27.807
LP-Eris         0.370          0.024     0.394          39.361

Es la figura de la cabecera. El last look de LP-Delta le cuesta al cliente 0,079 pips por orden, un 40 % de su semi-spread de 0,199. Aun así, su coste efectivo (0,278 pips, unos 28 USD por millón) es la mitad que el de LP-Atlas (0,571), que no rechaza nada pero cotiza tres veces más ancho. LP-Cirro y LP-Delta quedan empatados, y LP-Eris paga 0,024 de rechazos sobre un semi-spread de 0,370. La comprobación simétrica de LP-Borea sale gratis de media (−0,004): rechaza tanto a favor como en contra del cliente.

La conclusión no es «el last look no importa»: es que hay que medirlo. Con estos parámetros y este cliente, la horquilla estrecha compensa los rechazos. Con un cliente distinto, no (ejercicio 2).

El markout: la misma cuenta desde las ejecuciones

Un cliente real no conoce el precio de referencia, pero puede medir lo que se movió el precio de mercado después de cada ejecución: el markout. Si el proveedor filtra las órdenes de forma asimétrica, las ejecuciones que quedan son las que no se movieron o se movieron a favor del proveedor, y el markout medio de las ejecuciones es negativo para el cliente.

ejec = ords[~ords["rechazada"]]
markout = ejec.groupby("lp")["mov"].agg(["mean", "size"])
markout["mean"] = markout["mean"].round(3)
markout

           mean  size
lp
LP-Atlas -0.002   285
LP-Borea  0.003   280
LP-Cirro -0.028   432
LP-Delta -0.097   593
LP-Eris  -0.017   299

LP-Delta tiene un markout medio de −0,097 pips en sus 593 ejecuciones: el precio se movió en contra del cliente en la retención, porque las que se habrían movido a su favor fueron rechazadas. LP-Atlas tiene −0,002, como corresponde a un proveedor que no filtra. LP-Borea, simétrico, tiene +0,003 porque filtra por los dos lados. Si el precio no tiene tendencia, la suma de los movimientos de todas las órdenes es cero, así que el markout negativo de las ejecuciones y el coste positivo de los rechazos son el mismo dinero visto desde dos lados. En un análisis de costes (TCA) real se mide el markout a varios horizontes (100 ms, 1 s, 5 s) con el medio del libro agregado, por proveedor y por sesión.

flowchart TB
  O[Órdenes propias] --> R[Rechazo por mov]
  O --> T[Tiempos]
  O --> K[Markout]
  R --> C[Coste efectivo]
  K --> C
  T --> D[Preguntas al LP]
  C --> E[Reparto del flujo]

Lo que esto cambia en un sistema de trading

• El precio del backtest no es el de la ejecución. Un backtest de divisas con el medio y una horquilla fija supone órdenes firmes. Con last look, una parte de las órdenes no se ejecuta, y las que no se ejecutan son justo las que iban bien. Para una estrategia de baja frecuencia el efecto es pequeño; para una de minutos, puede ser toda la ventaja (lecciones 2.4.7 y 2.4.8).
• La horquilla cotizada no ordena a los proveedores. El coste efectivo, sí. Y depende del flujo de cada cliente: hay que medirlo con las órdenes propias, no con las de otro.
• El libro agregado engaña en los momentos rápidos. Un libro cruzado o una horquilla de 0,05 pips en la apertura de Londres son, en parte, precios atrasados que no se van a ejecutar.
• La sesión importa. En la hora de Tokio el coste efectivo de todos los proveedores casi se duplica (ejercicio 1). Un sistema que opera a cualquier hora debería saber en qué hora ejecuta.
• Pedir los documentos. El Código pide a los proveedores que publiquen su política de last look (simétrica o asimétrica, ventana mínima y máxima). El informe del GFXC propone una hoja de divulgación normalizada. Un cliente institucional puede, y debe, pedirla.

En la lección 3.3.3 se mandan órdenes de verdad a tres brókeres por sus APIs; allí los rechazos aparecen como códigos de respuesta que el programa tiene que tratar.

Ejercicios

1. Calcula el coste efectivo por proveedor y sesión. ¿Cuánto más caro es operar en la hora de Tokio que en la de Londres? ¿Cambia el orden de los proveedores?

ords["efectivo"] = ords["semi_spread"] + ords["coste_rechazo"]
ords.pivot_table(index="lp", columns="sesion",
                 values="efectivo", aggfunc="mean").round(3)

sesion     asia  londres  nueva_york
lp
LP-Atlas  0.992    0.525       0.505
LP-Borea  0.804    0.454       0.451
LP-Cirro  0.445    0.249       0.255
LP-Delta  0.379    0.259       0.256
LP-Eris   0.636    0.356       0.393

2. Imagina un cliente cuyas órdenes anticipan el precio: solo opera cuando el precio va a moverse a su favor en los milisegundos siguientes. Simúlalo quedándote con las órdenes con mov > 0 y calcula su tasa de rechazo y su coste efectivo por proveedor. ¿Qué proveedor elegiría?

rapido = ords[ords["mov"] > 0]
t = rapido.groupby("lp").agg(
    ordenes=("rechazada", "size"),
    rechazo_pct=("rechazada", "mean"),
    efectivo=("efectivo", "mean"))
t["rechazo_pct"] *= 100
t.round(2)

          ordenes  rechazo_pct  efectivo
lp
LP-Borea       43        44.19      0.53
LP-Cirro       81        74.07      0.45
LP-Delta      241        93.36      0.46
LP-Eris        42        73.81      0.53

3. Un proveedor te dice que su comprobación de precio es simétrica, con una tolerancia de 0,05 pips y una ventana de hasta 50 ms. Con las órdenes que le has mandado, ¿qué tres medidas de esta lección usarías para comprobarlo?