Auditoría Independiente
El rendimiento y los métodos de cálculo serán controlados y certificados por un auditor externo independiente a partir del lanzamiento oficial de la plataforma.
Esta página describe, de manera transparente, cómo funciona LITL a nivel legal y técnico : auditoría independiente, arquitectura no custodial, marco regulatorio, seguridad de API y ausencia de garantía de rendimiento.
El rendimiento y los métodos de cálculo serán controlados y certificados por un auditor externo independiente a partir del lanzamiento oficial de la plataforma.
Nunca poseemos los fondos de los usuarios. El dinero permanece exclusivamente en su cuenta personal de Bybit/Binance. No tenemos la posibilidad de transferir, bloquear o retirar fondos sin la acción del usuario.
LITL es un software de automatización de trading, que sirve como una interfaz inteligente entre el mercado y la cuenta Bybit/Binance del usuario. No ofrecemos asesoramiento de inversión ni gestión de cartera regulada.
LITL está diseñado como un software SaaS no custodial y no tiene como objetivo proporcionar servicios de inversión regulados según la directiva europea MiFID II. La plataforma no posee los fondos de los usuarios, no proporciona asesoramiento de inversión personalizado, no gestiona carteras en nombre de los clientes y no ejecuta ninguna orden en su propio nombre.
Como tal, LITL no se presenta como un proveedor de servicios de inversión, sino como una herramienta tecnológica que el usuario controla bajo su propia responsabilidad, a través de su propia cuenta Bybit/Binance. Cada usuario sigue siendo plenamente responsable de sus decisiones de exposición a los mercados y puede, si lo desea, solicitar asesoramiento financiero o legal independiente.
Cada usuario, al crear una cuenta LITL, tendrá una cuenta Bybit/Binance abierta a su nombre, dándole acceso completo para depositar o retirar libremente. La IA actúa únicamente a través de permisos API de trading (solo trading, nunca retiro).
LITL se basa en modelos de inteligencia artificial basados en redes neuronales entrenadas en vastos conjuntos de datos históricos, enriquecidos por millones de escenarios simulados. Estos modelos analizan secuencias de mercado, detectan patrones estadísticos y evalúan configuraciones de alta probabilidad.
A pesar de este considerable volumen de entrenamiento, las decisiones generadas por la IA siguen siendo probabilísticas e inciertas. Las simulaciones, backtests y pruebas de estrés mejorent la robustez de los algoritmos, pero de ninguna manera constituyen una garantía de rendimiento futuro.
No se garantiza ningún rendimiento. El rendimiento pasado no prejuzga los resultados futuros y no constituye una promesa de ganancias.