La investigación reciente en el comercio algorítmico se ha centrado principalmente en estrategias de ultra alta frecuencia y estimación de índices. En respuesta a la necesidad de un modelo de comercio de baja frecuencia y del mundo real, desarrollamos un algoritmo mejorado que se basa en modelos existentes con altas tasas de aciertos y bajos drawdowns máximos. Utilizamos indicadores de precios establecidos, incluyendo el oscilador estocástico y el Williams %R, mientras introducimos un factor de volumen para mejorar la robustez y el rendimiento del modelo. El algoritmo refinado logró rendimientos superiores mientras mantenía su alta tasa de aciertos y bajo drawdown máximo. Específicamente, aprovechamos señales de 2X y 3X, incorporando datos de volumen, el promedio de 52 semanas, la desviación estándar y otras variables. El conjunto de datos comprendía datos de precios y volumen del ETF SPY que abarcaban desde 2010 hasta 2023, durante más de 13 años. Nuestro modelo algorítmico mejorado superó tanto al benchmark como a iteraciones anteriores, logrando una tasa de aciertos de más del 90%, un drawdown máximo de menos del 1%, un promedio de 1.5 operaciones por año, un retorno total del 519.3% y un retorno anualizado (AnnR) del 15.1%. Este análisis demuestra que la simplicidad, facilidad de uso e interpretabilidad del modelo proporcionan herramientas valiosas para los inversores, aunque es importante señalar que el rendimiento pasado no garantiza rendimientos futuros.