La recuperación ante desastres de un libro de trading activo exige pruebas

Racks de servidores de trading en un centro de datos, como ejemplo de recuperación ante desastres de un libro de trading activo
Photo by Christina Morillo on Pexels

En la primera semana, identifique qué sistemas y personas deben estar disponibles para proteger un libro abierto. Antes de la sexta semana, realice un failover controlado que demuestre que la empresa puede recuperar posiciones, conciliar ejecuciones y evitar órdenes duplicadas.

Un segundo centro de datos no demuestra que la recuperación sea posible. La prueba es un ensayo documentado con tiempos de recuperación medidos, brechas de datos conocidas y decisiones firmadas sobre cuándo puede reanudarse el trading.

Para un broker o una prop firm, la recuperación también es un control de riesgo y compliance. Un servicio puede estar técnicamente en línea mientras la empresa ha perdido el estado necesario para fijar límites, supervisar la actividad o explicar una ejecución. Defina la recuperación en torno al libro de trading, no al tiempo de actividad de los servidores.

Use la primera semana para definir los límites de recuperación

Empiece por los componentes que determinan la exposición: gestión de órdenes, gateways de ejecución, el libro de posiciones y efectivo, el riesgo previo a la operación, los permisos de clientes y cuentas, y el diario de eventos. Identifique sus dependencias de los datos de mercado, los servicios de identidad, las rutas de red, las sesiones con los mercados y los sistemas de terceros. Un sitio de recuperación que restablece el gestor de órdenes, pero no los límites actuales ni el estado de las cuentas, no está listo para aceptar órdenes.

Registre qué datos son la fuente autorizada. Por ejemplo, una instantánea de posiciones puede estar desactualizada, mientras que un diario de solo anexado con órdenes aceptadas, acuses de recibo, ejecuciones, cancelaciones y correcciones puede reproducirse para reconstruirla. Incluya números de secuencia y marcas de tiempo de los mercados, y conserve la distinción entre una orden enviada, una orden confirmada y una ejecución recibida. Esa distinción importa tanto para la exposición como para las disputas con clientes.

Durante la primera semana, acuerde también quién tiene autoridad para tomar decisiones de recuperación, además de definir el mapa técnico. Designe a quién puede detener la asunción de nuevo riesgo, autorizar el cambio al entorno de recuperación y aprobar la reapertura. Incluya a operaciones, ingeniería, riesgo y compliance. Ponga por escrito los controles iniciales:

  • Qué productos, cuentas y mercados seguirán disponibles durante una operación degradada.
  • Si se rechazarán nuevas órdenes, se permitirá el acceso solo para cancelar o se mantendrán en funcionamiento estrategias seleccionadas.
  • Quién puede aprobar un cambio de límite o reanudar el trading, y cómo se registra esa decisión.
  • Qué comunicaciones a clientes y reguladores pueden ser necesarias según las normas aplicables a la empresa.

Proteja el libro antes de restablecer el servicio

El failover no debe crear dos sistemas activos con capacidad de escritura para la misma cuenta o sesión de mercado. Use un mecanismo de fencing, una concesión o algún otro control efectivo de elección de líder para impedir que el sistema principal siga enviando órdenes después de que el secundario asuma el control. Un cambio de DNS por sí solo no proporciona fencing. Pruebe qué ocurre si el sistema principal queda aislado del plano de control, pero todavía puede conectarse a un mercado.

La reproducción de órdenes requiere el mismo cuidado. Guarde un identificador interno único para cada orden y los identificadores del mercado; después, compruebe el estado de confirmación y ejecución antes de volver a intentar un envío cuyo resultado sea incierto. Si el mercado admite identificadores de órdenes de cliente y detección de duplicados, úselos, pero no dé por hecho que el comportamiento es idéntico en todos los mercados. Si el estado no está claro, impida asumir nuevo riesgo en la cuenta o el símbolo afectado mientras operaciones obtiene información de una fuente autorizada. Los reintentos a ciegas pueden convertir un tiempo de espera agotado en una posición duplicada.

No establezca el cierre automático de posiciones como acción de recuperación predeterminada. Puede aumentar el impacto de mercado, incumplir una instrucción del cliente o agravar un estado de ejecución desconocido.

Una política más segura puede congelar la nueva exposición, mantener el acceso para cancelar cuando sea posible y conciliar antes de decidir si se cubre o se cierra la posición. Defina esa política por producto, mercado y acuerdo con el cliente, con aprobación de riesgo. Las empresas que comparan enfoques de plataformas y conectividad pueden consultar la cobertura de infraestructura de Trading Technology como una fuente de contexto del sector.

Fije objetivos en función del coste de perder datos de estado

El objetivo de tiempo de recuperación (RTO) describe con qué rapidez debe restablecerse un servicio. El objetivo de punto de recuperación (RPO) describe cuántos datos confirmados puede tolerar perder la empresa. Trátelos como objetivos distintos para cada función. Las cifras siguientes son rangos habituales de planificación en distintos entornos de trading, no garantías ni puertos seguros regulatorios. La arquitectura, el acceso a los mercados y la distancia entre los sitios afectan a lo que puede lograrse.

Función o medidaRango habitual del mercadoImplicación operativa
RTO de entrada y ejecución de órdenes5 to 30 minutesDeje tiempo para aislar el sistema principal, establecer sesiones con los mercados y validar los controles.
RPO de eventos de órdenes aceptadas y ejecuciones0 to 1 second targetUse un diario persistente y reproduzca los eventos; compruebe las brechas con los registros de los mercados.
RPO del estado de riesgo y posiciones1 to 5 seconds for snapshotsReconstruya a partir de los eventos y concilie antes de permitir nueva exposición.
Retraso de replicación entre regiones100 milliseconds to 2 secondsMida el retraso de forma continua y defina un umbral que impida una promoción insegura.
Prueba completa de failoverQuarterly to twice yearlyIncluya una prueba con un libro activo o representativa de producción, no solo una restauración.

Estos rangos sirven para cuestionar supuestos, no son compromisos de compra. La replicación síncrona puede reducir la pérdida de datos, pero añadir latencia y dificultar el uso de un sitio distante. La replicación asíncrona puede mejorar el rendimiento y permitir mayor distancia, pero deja un intervalo en el que el sistema secundario está desactualizado.

Para el diario de órdenes y ejecuciones, decida cómo debe comportarse el sistema si el retraso supera el umbral: pausar la asunción de nuevo riesgo, promover con un punto de recuperación conocido o permanecer en el sistema principal. Documente el equilibrio entre estas opciones y quién asume la responsabilidad de riesgo.

Haga de la conciliación una condición para reanudar el servicio

Que se pueda acceder a un servicio no demuestra que su libro sea correcto. Antes de reabrir la posibilidad de asumir nuevo riesgo, compare las órdenes, ejecuciones, posiciones, efectivo y margen internos con los informes de los mercados y los registros de compensación o del prime broker disponibles para la empresa. Concilie por cuenta e instrumento, no solo los totales agregados. Establezca tolerancias para diferencias de redondeo y de tiempos, pero exija que cada diferencia pendiente tenga un responsable y una explicación.

Mantenga una cronología auditable del incidente y la prueba: detección, decisión de promoción, estado del sistema, acciones de los operadores, comunicaciones con los mercados, excepciones de riesgo y aprobación para reanudar. Conserve los registros pertinentes de órdenes y ejecuciones, los detalles de sincronización de relojes y las entradas de vigilancia.

Las obligaciones de conservación de registros y notificación varían según la jurisdicción y la actividad, por lo que compliance debe identificar las obligaciones de la empresa en lugar de confiar en una lista genérica de recuperación. Una brecha de vigilancia debe identificarse y evaluarse, no ocultarse tras un reinicio correcto de la aplicación.

Compare los resultados de las pruebas con los objetivos acordados. Registre el RTO y el RPO reales, el retraso de replicación en el momento de la promoción, el número y la antigüedad de las diferencias pendientes de conciliación, las órdenes rechazadas o duplicadas y el tiempo hasta que riesgo aprobó la reapertura.

Una prueba que no alcanza un objetivo puede seguir siendo útil si la brecha queda registrada, asignada a un responsable y sujeta a una nueva prueba. Una prueba satisfactoria también debe incluir la inyección de fallos, como la pérdida del sitio principal, una ruta de red interrumpida o un proveedor de identidad no disponible.

Use la sexta semana para probar la toma de decisiones, no solo el cambio

Antes de la sexta semana, realice un ejercicio controlado con operaciones, ingeniería, riesgo y compliance presentes. Use un libro similar al de producción o un entorno de prueba acotado con un flujo de órdenes realista. Incluya órdenes abiertas, ejecuciones parciales, cancelaciones en curso y una sesión de mercado cuyo estado no pueda consultarse de forma concluyente. Mida desde la detección hasta alcanzar un estado operativo seguro, no solo desde el comando de failover hasta una respuesta correcta de la comprobación de estado.

Antes del ejercicio, informe a los participantes sobre el alcance, pero no sobre todos los fallos que se introducirán. Durante el ejercicio, exija a las personas designadas para tomar decisiones que apliquen la política escrita.

Después, revise si la empresa pudo determinar qué posiciones tenía, qué seguía activo en los mercados y si contaba con pruebas suficientes para reanudar. Asigne las medidas correctivas a responsables concretos con fechas y conserve el registro aprobado de la prueba junto con las pruebas de continuidad de negocio y riesgo operativo.

Un plan práctico de recuperación también define cómo se vuelve al servicio normal. Evite volver al sistema principal solo porque el sitio esté disponible.

Concilie las transacciones creadas durante el failover, confirme la dirección de la replicación y, a continuación, apruebe una conmutación de retorno controlada con el mismo fencing y monitoreo usados para la promoción. El último control es una cifra que permite detectar rápidamente una brecha: compruebe su RPO medido para órdenes aceptadas y ejecuciones frente al rango de planificación de 0 to 1 second.

Preguntas frecuentes

¿Cuál es el RTO habitual de una plataforma de trading?

Los rangos habituales de planificación para la entrada y ejecución de órdenes son 5 to 30 minutes, pero el objetivo adecuado depende de los productos, los mercados y los controles de riesgo de la empresa. Mida el tiempo hasta alcanzar un estado operativo seguro, incluida la reconexión con los mercados y la validación, no solo el tiempo hasta que la aplicación esté disponible.

¿Qué debe conciliar un broker después del failover?

Concilie órdenes, confirmaciones, ejecuciones, posiciones, efectivo y margen con los registros de los mercados y los registros disponibles de compensación o del prime broker. Investigue las diferencias por cuenta e instrumento y mantenga desactivada la asunción de nuevo riesgo en las áreas afectadas hasta que un responsable autorizado resuelva o acepte cada diferencia.

¿Con qué frecuencia debe probar una empresa de trading la recuperación ante desastres?

Las pruebas completas de failover trimestrales o dos veces al año son rangos habituales de planificación, con pruebas más frecuentes de componentes y restauración entre ellas. Incluya estados de órdenes realistas, conectividad con los mercados y toma de decisiones; después, registre el RTO y el RPO medidos y las diferencias pendientes de conciliación.