Stacy Schultz

Startup marketer, London. I write about growth, outbound and the tools that actually save a tiny team time.

[Stacy Schultz @StacySchulphks]

@chesny I’d like to try this))) looks amazing

[Chesny @chesny]

GPT-6 está loco 💀

Una persona acaba de crear un sitio web en 3D que descompone el cuerpo humano en 2.234 piezas interactivas modeladas con GPT-6 Astra

🔖Guarda esto en favoritos para que no lo pierdas

[silvan @silvanrec]

🚨 ESTOS 10 REPOS DE TRADING ESTÁN CREANDO MILLONARIOS EN SILENCIO… Y SON 100% GRATIS

> 10 repos open source
> 435K+ estrellas en GitHub
> $0 en licencias
> 1 stack: pensar, probar, ejecutar

10 repos de trading open source que deberías tener guardados:

AGENTES DE IA QUE ANALIZAN:

1. TradingAgents (111K ⭐) → https://t.co/M9Uo4f4lKR
un equipo de agentes de IA: analistas, investigadores alcistas y bajistas, trader y gestor de riesgo que debaten cada operación

2. ai-hedge-fund (64K ⭐) → https://t.co/ikPDERfB4J
agentes que analizan acciones como lo harían Buffett, Munger o Burry. Educativo: no opera con dinero real

BOTS QUE OPERAN:

3. freqtrade (55K ⭐) → https://t.co/yzdEh7PM0A
el bot de cripto gratis más usado: backtesting, optimización de estrategias y control desde Telegram

4. Hummingbot (20K ⭐) → https://t.co/3ZOlGK2nNz
bots de market making y arbitraje en exchanges de cripto

MOTORES DE BACKTESTING:

5. NautilusTrader (30K ⭐) → https://t.co/9QJ1cHHXi2
motor escrito en Rust: la misma estrategia corre en backtest y en vivo

6. Lean de QuantConnect (22K ⭐) → https://t.co/MOxBgDfddm
el motor de trading algorítmico de QuantConnect, en Python y C#

IA PARA QUANTS:

7. Qlib de Microsoft (49K ⭐) → https://t.co/8h648rIhUL
plataforma de inversión cuantitativa con IA, de los datos al modelo

8. FinRL (16K ⭐) → https://t.co/B3lEcg8ZNw
aprendizaje por refuerzo aplicado a trading

LA BASE:

9. ccxt (44K ⭐) → https://t.co/rlpM2QUDgC
una sola API para más de 100 exchanges de cripto y mercados de predicción

10. machine-learning-for-trading (21K ⭐) → https://t.co/LcCn3NAAqn
todo el código del libro de Stefan Jansen: de conseguir datos a operar en vivo

Guárdalo antes de que sea tarde 🔖

[Stacy Schultz @StacySchulphks]

@Dan1ro0 Omg!

[Daniro @Dan1ro0]

This guy used Grok Bot to build a Quant ROC system and it made $2,847 a day on Polymarket

The result is already +$418,551 PnL in 147 days with about $261 per average trade, repeating the same setup 27 times every hour across BTC "Up or Down" markets

Several AI agents work together as one algorithm:

1. ROC measures how fast BTC is moving and in which direction

The bot compares the current BTC level with where it was a few moments earlier:

ROC = (Sₜ - Sₜ₋ₙ) / Sₜ₋ₙ × 100

Where:

Sₜ = current BTC level
Sₜ₋ₙ = BTC level at the start of the window

Strong positive ROC → stronger Up signal
Strong negative ROC → stronger Down signal

The larger the absolute ROC, the stronger the short-term move

2. ATR checks whether that move is actually large for current volatility

The system then measures the normal trading range:

TR = max(H - L, |H - Cprev|, |L - Cprev|)
ATR = Average(TR)

A signal matters only when the BTC move is large enough relative to ATR:

|Move| > k × ATR

This stops the bot from treating ordinary noise as momentum when volatility is already high

This is the first agent that will create a trading bot strategy for you and then build it:https://t.co/8tvtHFdE4P

This trader’s Polymarket account: almach

Most profitable trades:
$860 → $3,000 (+$2,140)
$618 → $2,566 (+$1,948)
$1,344 → $3,131 (+$1,786)

The system uses ROC to detect short-term momentum and ATR to determine whether that move is significant enough to act on