Construyo software donde el código encuentra al capital.
Soy F. Lechuga, ingeniero de software con base en finanzas cuantitativas. Diseño y construyo sistemas que procesan datos de mercado en tiempo real, motores de pricing y productos fintech que necesitan ser correctos, no solo rápidos.
- Años de experiencia
- 7y
- Proyectos en producción
- 32
- Latencia p99 promedio
- 84ms
- Uptime acumulado
- 99.97%
Dos disciplinas,
una sola forma de pensar.
Antes de escribir mi primera línea de producción, pasé años modelando riesgo y leyendo estados financieros. Esa formación cambió cómo construyo software: cada sistema que diseño parte de entender qué número importa, qué falla si se equivoca, y qué pasa cuando algo se mueve más rápido de lo esperado.
Hoy trabajo en la intersección entre ingeniería de backend, datos de mercado en tiempo real y producto. Me especializo en sistemas donde la latencia, la precisión numérica y la trazabilidad no son detalles técnicos: son el producto.
- 2024 — hoy
Senior Software Engineer
Plataforma de trading algorítmico
- 2021 — 2024
Backend Engineer, Fintech
Infraestructura de pagos B2B
- 2019
MSc. Finanzas Cuantitativas
Especialización en derivados
- 2017
Ingeniería de Sistemas
Pregrado
Casos de estudio seleccionados
Cada proyecto resolvió un problema con un número detrás: latencia, costo o riesgo. Estos son los más representativos.
Motor de riesgo en tiempo real
Sistema de cálculo de VaR y exposición de cartera para un desk de trading, procesando más de 40,000 posiciones con recálculo bajo 200ms ante cada tick de mercado.
Reducción de latencia
−92%
Pipeline de conciliación de pagos
Reescritura del sistema de conciliación bancaria para una fintech B2B: de procesos batch nocturnos a un pipeline de eventos casi en tiempo real con auditoría completa.
Tiempo de cierre diario
−78%
Dashboard de modelos cuantitativos
Plataforma interna para que analistas cuantitativos publiquen, versionen y monitoreen modelos de pricing en producción, con detección automática de drift.
Modelos en producción
+140
Herramientas que domino
Las barras reflejan profundidad práctica, no solo familiaridad: cuánto puedo asumir un problema difícil en esa herramienta sin supervisión.
- TypeScript / Node.js95%
- Python90%
- Rust70%
- SQL92%
- AWS (ECS, Lambda, SQS)88%
- Kubernetes75%
- Kafka / Event streaming82%
- Terraform68%
- Series de tiempo / pandas93%
- Modelos de pricing & riesgo85%
- PostgreSQL / TimescaleDB90%
- Análisis cuantitativo80%
¿Construimos algo
con buenos fundamentales?
Si tu equipo necesita a alguien que entienda tanto el sistema como el negocio detrás de él, escríbeme. Respondo en menos de 48 horas.