trading-platform/orchestration/_archive/reportes/REPORTE-ANALISIS-RANGEPREDICTOR-2026-01-07.md

Reporte de Analisis: RangePredictor R^2 Negativo

Trading Platform - Sprint 1, Tarea S1-T1

Fecha: 2026-01-07 Ejecutor: Claude Opus 4.5 (ML-SPECIALIST) Estado: COMPLETADO

---

1. RESUMEN EJECUTIVO

1.1 Problema Identificado

El modelo RangePredictor presenta R^2 negativo en todas las evaluaciones:

Modelo	Symbol	Timeframe	Target	R^2
GBPUSD_5m_high_h3	GBPUSD	5m	high	-0.6309
GBPUSD_5m_low_h3	GBPUSD	5m	low	-0.6558
GBPUSD_15m_high_h3	GBPUSD	15m	high	-0.6944
GBPUSD_15m_low_h3	GBPUSD	15m	low	-0.7500

Interpretacion: Un R^2 negativo significa que el modelo predice PEOR que simplemente usar la media historica como prediccion.

1.2 Impacto

• Predicciones de rango inutiles para trading
• Sistema de senales ML no operativo
• Backtesting con win rate bajo (42.1%)

---

2. ANALISIS DE CAUSAS RAIZ

2.1 Causa 1: Targets Normalizados con Escala Incorrecta

Archivo: src/data/targets.py

Hallazgo: El target se calcula en valores absolutos (USD) pero las features estan normalizadas. En el entrenamiento, los valores de target son muy pequenos (0.0005 - 0.001) debido a normalizacion implicita.

# Linea 206-207 de targets.py
df[f'delta_high_{horizon.name}'] = future_high - df['close']  # Valores en USD
df[f'delta_low_{horizon.name}'] = df['close'] - future_low   # Valores en USD

Problema:

• Para GBPUSD, delta_high podria ser 0.0005 (5 pips)
• El modelo XGBoost tiene dificultad con valores tan pequenos
• La varianza del target es minima comparada con el ruido

Solucion Propuesta:

1. Normalizar targets por ATR antes de entrenar
2. Usar targets en pips o puntos en lugar de precio absoluto
3. Escalar features y targets de forma consistente

---

2.2 Causa 2: Features No Predictivas para el Target

Archivo: src/data/features.py

Hallazgo: Las features son principalmente indicadores tecnicos (RSI, MACD, Bollinger) que son:

• Lagging indicators (basados en precio pasado)
• No tienen relacion directa con rango futuro
• Estan diseados para direccion, no para magnitud

Features Actuales (Lineas 17-27):

'minimal': [
    'rsi', 'macd', 'macd_signal', 'bb_upper', 'bb_lower',
    'atr', 'volume_zscore', 'returns', 'log_returns'
]

Problema:

• RSI predice condicion de sobrecompra/sobreventa, NO rango futuro
• MACD predice tendencia, NO magnitud
• Solo atr tiene relacion con volatilidad futura

Solucion Propuesta:

1. Agregar features de volatilidad: ATR lags, volatilidad historica
2. Agregar features de sesion: hora, dia de semana (codificados ciclicamente)
3. Agregar features de momentum de volatilidad: cambio en ATR
4. Reducir features de direccion no relevantes

---

2.3 Causa 3: Sample Weighting Agresivo

Archivo: src/training/sample_weighting.py

Hallazgo: El weighting de samples (softplus con beta=4.0) es muy agresivo:

• Reduce peso de movimientos "normales" casi a cero
• Solo entrena efectivamente con movimientos extremos
• Esto causa sesgo hacia predicciones de alto rango

Configuracion Actual (Lineas 66-69):

softplus_beta: float = 4.0      # MUY agresivo
softplus_w_max: float = 3.0

Problema:

• Modelo aprende solo de 24-35% de los datos (high flow periods)
• Predicciones sesgadas hacia valores altos
• Varianza de prediccion muy baja (no captura distribucion real)

Solucion Propuesta:

1. Reducir softplus_beta a 2.0 o menos
2. Aumentar min_weight para incluir mas samples
3. Considerar weighting uniforme como baseline

---

2.4 Causa 4: Data Leakage Potencial

Archivo: src/training/sample_weighting.py, src/data/corrected_targets.py

Hallazgo: Aunque se usa shift(1) en el factor de rolling median, hay posible leakage en:

1. Targets que incluyen precio actual en calculo de futuros
2. Features que usan datos futuros implicitamente

Verificacion Requerida:

# Linea 126-129 sample_weighting.py
factor = candle_range.rolling(
    window=window,
    min_periods=min_periods
).median().shift(1)  # Correcto - usa shift(1)

# Linea 190-195 targets.py - VERIFICAR
for i in range(start, end + 1):  # start=1, correcto
    future_highs.append(df['high'].shift(-i))

Resultado: El codigo de targets usa start_offset=1, lo cual es correcto. No hay data leakage evidente en targets, pero hay que verificar features.

---

2.5 Causa 5: Hiperparametros XGBoost No Optimizados

Archivo: src/models/range_predictor.py

Configuracion Actual (Lineas 146-162):

'xgboost': {
    'n_estimators': 200,
    'max_depth': 5,
    'learning_rate': 0.05,
    'subsample': 0.8,
    'colsample_bytree': 0.8,
    'min_child_weight': 3,
    'gamma': 0.1,
    'reg_alpha': 0.1,
    'reg_lambda': 1.0,
}

Problema:

• max_depth=5 puede ser muy profundo para datos ruidosos
• learning_rate=0.05 combinado con n_estimators=200 puede overfit
• min_child_weight=3 puede ser muy bajo

Solucion Propuesta:

1. Reducir max_depth a 3
2. Aumentar min_child_weight a 10
3. Aumentar regularizacion (reg_alpha, reg_lambda)
4. Usar early stopping mas agresivo

---

3. PLAN DE CORRECCION

3.1 Fase 1: Correccion de Targets (Prioridad ALTA)

Archivo: src/data/targets.py

Cambios:

1. Normalizar targets por ATR:

# Agregar normalizacion
df[f'delta_high_{horizon.name}_norm'] = (future_high - df['close']) / df['ATR']
df[f'delta_low_{horizon.name}_norm'] = (df['close'] - future_low) / df['ATR']

2. Usar targets normalizados en entrenamiento

Beneficio Esperado: Targets en escala [-3, 3] en lugar de [0, 0.001]

---

3.2 Fase 2: Correccion de Features (Prioridad ALTA)

Archivo: src/data/features.py

Cambios:

1. Agregar features de volatilidad:

'volatility': [
    'atr',
    'atr_ratio',  # ATR / rolling_median(ATR)
    'atr_pct_change',
    'range_pct',  # (high-low)/close
    'true_range',
    'realized_volatility_10',
    'realized_volatility_20'
]

2. Agregar features de sesion (ya existen en create_time_features):

# Ya implementado correctamente
df['hour_sin'] = np.sin(2 * np.pi * df['hour'] / 24)
df['hour_cos'] = np.cos(2 * np.pi * df['hour'] / 24)

3. Usar solo features relevantes para prediccion de rango

---

3.3 Fase 3: Ajuste de Sample Weighting (Prioridad MEDIA)

Archivo: src/training/sample_weighting.py

Cambios:

# Configuracion menos agresiva
SampleWeightConfig(
    softplus_beta=2.0,        # Reducir de 4.0
    softplus_w_max=2.0,       # Reducir de 3.0
    min_weight=0.3,           # Aumentar de 0.1
    filter_low_ratio=False    # Incluir todos los samples
)

---

3.4 Fase 4: Optimizacion de Hiperparametros (Prioridad MEDIA)

Archivo: src/models/range_predictor.py

Cambios:

'xgboost': {
    'n_estimators': 100,      # Reducir
    'max_depth': 3,           # Reducir de 5
    'learning_rate': 0.03,    # Reducir
    'subsample': 0.7,
    'colsample_bytree': 0.7,
    'min_child_weight': 10,   # Aumentar de 3
    'gamma': 0.5,             # Aumentar de 0.1
    'reg_alpha': 1.0,         # Aumentar de 0.1
    'reg_lambda': 10.0,       # Aumentar de 1.0
}

---

4. CRITERIOS DE EXITO

Metrica	Valor Actual	Minimo Aceptable	Objetivo
R^2 (validacion)	-0.65	> 0.05	> 0.15
MAE (normizado)	N/A	< 0.5 ATR	< 0.3 ATR
Direccion	98%	> 60%	> 65%
Win Rate Backtest	42%	> 50%	> 55%

---

5. ORDEN DE EJECUCION

1. S1-T2: Implementar normalizacion de targets por ATR
2. S1-T3: Verificar no hay data leakage en features
3. S1-T4a: Reducir agresividad de sample weighting
4. S1-T4b: Ajustar hiperparametros XGBoost
5. S1-T5: Reentrenar modelos con correcciones
6. S1-T6: Validar R^2 > 0 en datos OOS

---

6. ARCHIVOS A MODIFICAR

Archivo	Tipo de Cambio	Lineas Estimadas
src/data/targets.py	Agregar normalizacion	+20
src/data/features.py	Agregar features volatilidad	+50
src/training/sample_weighting.py	Reducir agresividad	~10
src/models/range_predictor.py	Ajustar hiperparametros	~15
scripts/train_symbol_timeframe_models.py	Usar targets normalizados	~20

---

7. RIESGOS

Riesgo	Probabilidad	Mitigacion
R^2 sigue negativo	Media	Plan B: modelo baseline (media movil)
Normalizacion introduce leakage	Baja	Usar ATR shift(1)
Overfitting a nuevos hiperparametros	Media	Walk-forward validation

---

Reporte completado: 2026-01-07 Siguiente paso: S1-T2 - Implementar normalizacion de targets