# OrbiQuant IA - Trading Platform

## Descripción

**OrbiQuant IA** es una plataforma integral de gestión de inversiones asistida por inteligencia artificial que combina:

- **Money Manager con IA**: Agentes que gestionan cuentas de trading e inversión con diferentes perfiles de riesgo (conservador, moderado, agresivo)
- **Plataforma Educativa**: Cursos de trading accesibles generados con IA
- **TradingView Privado**: Visualización de gráficos, predicciones ML y señales en tiempo real
- **Sistema SaaS**: Suscripciones, pagos con Stripe y wallets internos

## Estado del Proyecto

- **Estado:** MVP en desarrollo avanzado (~50%)
- **Código:** 58,000+ líneas en producción
- **Servicios:** 7 aplicaciones funcionando
- **Última actualización:** 2025-12-08

## Stack Tecnológico

| Componente | Tecnología | Puerto |
|------------|------------|--------|
| Frontend | React 18 + TypeScript + Tailwind CSS | 3080 |
| Backend API | Express.js 5 + Node.js 20 | 3081 |
| WebSocket | Real-time (charts, notifications) | 3082 |
| ML Engine | Python + FastAPI + PyTorch/XGBoost | 3083 |
| Data Service | Python + FastAPI | 3084 |
| LLM Agent | Python + FastAPI + Ollama | 3085 |
| Trading Agents | Python + FastAPI + CCXT | 3086 |
| Ollama WebUI | Interfaz gestión modelos LLM | 3087 |
| Database | PostgreSQL 16 (orbiquant_platform) | 5432 |
| Cache | Redis 7 | 6379 |

## Estructura del Proyecto

```
trading-platform/
├── apps/                          # Aplicaciones
│   ├── backend/                   # API principal (Express.js)
│   │   └── src/
│   │       ├── modules/           # Módulos por funcionalidad
│   │       │   ├── auth/          # Autenticación
│   │       │   ├── users/         # Usuarios
│   │       │   ├── trading/       # Trading
│   │       │   ├── portfolio/     # Portafolios
│   │       │   ├── education/     # Educación
│   │       │   ├── payments/      # Pagos (Stripe)
│   │       │   ├── ml/            # Integración ML
│   │       │   ├── llm/           # Integración LLM
│   │       │   └── admin/         # Administración
│   │       └── shared/            # Compartido
│   │
│   ├── frontend/                  # UI (React)
│   │   └── src/
│   │       └── modules/           # Módulos UI
│   │
│   ├── ml-engine/                 # Servicio ML (Python)
│   │   └── src/
│   │       ├── models/            # Modelos ML
│   │       ├── pipelines/         # Pipelines de entrenamiento
│   │       ├── backtesting/       # Motor de backtesting
│   │       └── api/               # Endpoints FastAPI
│   │
│   ├── llm-agent/                 # Copiloto IA (Python)
│   │   └── src/
│   │       ├── core/              # Core LLM
│   │       ├── tools/             # 12 herramientas de trading
│   │       └── prompts/           # System prompts
│   │
│   ├── trading-agents/            # Agentes de trading (Python)
│   │   └── src/
│   │       ├── agents/            # Atlas, Orion, Nova
│   │       ├── strategies/        # Estrategias de trading
│   │       └── exchange/          # Integración exchanges
│   │
│   ├── data-service/              # Datos de mercado (Python) ⚠️ INCOMPLETO
│   │   └── src/
│   │       └── providers/         # Proveedores de datos
│   │
│   └── database/                  # PostgreSQL
│       └── ddl/
│           └── schemas/           # 8 schemas, 98 tablas
│
├── packages/                      # Código compartido
│   ├── sdk-typescript/            # SDK para frontend/backend
│   ├── sdk-python/                # SDK para servicios Python
│   ├── config/                    # Configuración centralizada
│   └── types/                     # Tipos compartidos
│
├── docker/                        # Configuración Docker
│   └── docker-compose.yml
│
├── docs/                          # Documentación
└── orchestration/                 # Sistema de agentes NEXUS
```

## Agentes de Trading

| Agente | Perfil | Target Mensual | Max Drawdown | Estrategias |
|--------|--------|----------------|--------------|-------------|
| **Atlas** | Conservador | 3-5% | 5% | Mean Reversion, Grid Trading |
| **Orion** | Moderado | 5-10% | 10% | Trend Following, Breakouts |
| **Nova** | Agresivo | 10%+ | 20% | Momentum, Scalping |

## Modelos ML

| Modelo | Propósito | Algoritmos |
|--------|-----------|------------|
| AMD Detector | Detectar fases Smart Money | CNN + LSTM + XGBoost Ensemble |
| Range Predictor | Predecir rangos de precio | XGBoost, Random Forest |
| Signal Generator | Generar señales de trading | Neural Network + Technical Analysis |

## Base de Datos (8 Schemas)

| Schema | Propósito | Tablas |
|--------|-----------|--------|
| `auth` | Autenticación y usuarios | 10 |
| `trading` | Trading y órdenes | 10 |
| `investment` | Productos PAMM | 7 |
| `financial` | Pagos y wallets | 10 |
| `education` | Cursos y gamificación | 14 |
| `llm` | Conversaciones IA | 5 |
| `ml` | Modelos y predicciones | 5 |
| `audit` | Logs y auditoría | 7 |

## Inicio Rápido

### Requisitos
- Node.js 20+
- Python 3.10+
- PostgreSQL 16+
- Redis 7+
- Docker & Docker Compose

### Instalación

```bash
# Clonar e instalar
cd /home/isem/workspace/projects/trading-platform

# Backend
cd apps/backend
npm install
cp .env.example .env
npm run dev

# Frontend
cd ../frontend
npm install
cp .env.example .env
npm run dev

# Servicios Python
cd ../ml-engine
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
uvicorn src.main:app --port 8001

# Con Docker (recomendado)
docker-compose up -d
```

## Uso del SDK

### TypeScript
```typescript
import { OrbiQuantClient } from '@orbiquant/sdk-typescript';

const client = new OrbiQuantClient({
  baseUrl: 'http://localhost:3000',
});

// Login
await client.auth.login({ email, password });

// Obtener señales
const signals = await client.ml.getSignals({ symbol: 'BTCUSDT' });

// Chat con copiloto
const response = await client.ml.chat({
  message: '¿Qué opinas del BTC ahora?',
});
```

### Python
```python
from orbiquant_sdk import OrbiQuantClient, Config

config = Config.from_env()
async with OrbiQuantClient(config) as client:
    # Obtener predicción
    prediction = await client.get_prediction("BTCUSDT", "1h")

    # Chat con LLM
    response = await client.chat("Analiza el mercado de ETH")
```

## Tareas Pendientes

### Crítico (P0)
- [ ] Completar data-service (actualmente ~20%)
- [ ] Agregar tests unitarios
- [ ] Implementar retry/circuit breaker entre servicios

### Alto (P1)
- [ ] Documentar APIs (OpenAPI)
- [ ] Implementar métricas Prometheus
- [ ] Completar sistema PAMM

### Medio (P2)
- [ ] KYC/AML
- [ ] Notificaciones push
- [ ] Exportación de reportes

## Documentación

- [Análisis de Migración e Integración](./docs/00-overview/ANALISIS-MIGRACION-INTEGRACION.md)
- [Requerimientos MVP](./docs/00-overview/REQUERIMIENTOS-MVP-ORBIQUANT.md)
- [Servicios](./SERVICES.md)
- [Próxima Acción](./orchestration/PROXIMA-ACCION.md)

---
*Proyecto parte del workspace de Fábrica de Software con Agentes IA*
*Directivas: `/home/isem/workspace/core/orchestration/directivas/`*