rckrdmrd
c1b5081208
ML Engine Updates: - Updated BTCUSD with Polygon API data (2024-2025): 215,699 new records - Re-trained all ML models: Attention (R²: 0.223), Base, Metamodel (87.3% confidence) - Backtest results: +176.71R profit with aggressive_filter strategy Documentation Consolidation: - Created docs/99-analisis/_MAP.md index with 13 new analysis documents - Consolidated inventories: removed duplicates from orchestration/inventarios/ - Updated ML_INVENTORY.yml with BTCUSD metrics and training results - Added execution reports: FASE11-BTCUSD, correction issues, alignment validation Architecture & Integration: - Updated all module documentation with NEXUS v3.4 frontmatter - Fixed _MAP.md indexes across all folders - Updated orchestration plans and traces Files: 229 changed, 5064 insertions(+), 1872 deletions(-) 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>
339 lines
9.7 KiB
Markdown
339 lines
9.7 KiB
Markdown
---
|
|
id: "README"
|
|
title: "Documentaci\u00f3n de Estrategias y Modelos ML - Trading Platform"
|
|
type: "Documentation"
|
|
project: "trading-platform"
|
|
version: "1.0.0"
|
|
updated_date: "2026-01-04"
|
|
---
|
|
|
|
# Documentaci\u00f3n de Estrategias y Modelos ML - Trading Platform
|
|
|
|
**Fecha de Creaci\u00f3n:** 2025-12-05
|
|
**Versi\u00f3n:** 1.0.0
|
|
**Estado:** Completo
|
|
|
|
---
|
|
|
|
## Descripci\u00f3n General
|
|
|
|
Esta carpeta contiene la documentaci\u00f3n exhaustiva de las estrategias de trading institucional y la arquitectura de modelos Machine Learning para el m\u00f3dulo **OQI-006-ml-signals** de Trading Platform.
|
|
|
|
**Total:** 6,189 l\u00edneas de documentaci\u00f3n t\u00e9cnica
|
|
**Tama\u00f1o:** ~204 KB
|
|
|
|
---
|
|
|
|
## Documentos Disponibles
|
|
|
|
### 1. ESTRATEGIA-AMD-COMPLETA.md
|
|
**L\u00edneas:** 1,417
|
|
**Tama\u00f1o:** 42 KB
|
|
|
|
Documentaci\u00f3n exhaustiva de la estrategia AMD (Accumulation-Manipulation-Distribution) basada en los conceptos de Richard Wyckoff y Smart Money.
|
|
|
|
**Contenido:**
|
|
- ✅ Conceptos fundamentales de AMD
|
|
- ✅ Fase 1: Accumulation (características, indicadores, subfases)
|
|
- ✅ Fase 2: Manipulation (tipos, detección, stop hunting)
|
|
- ✅ Fase 3: Distribution (señales, patrones, estrategias)
|
|
- ✅ Detección de transiciones entre fases
|
|
- ✅ Indicadores técnicos especializados (Volume Profile, Order Blocks, FVG, Liquidity Pools)
|
|
- ✅ Integración con modelos ML (AMDDetector)
|
|
- ✅ Implementación práctica con código Python
|
|
|
|
**Casos de Uso:**
|
|
- Diseño del modelo AMDDetector
|
|
- Feature engineering para detección de fases
|
|
- Target labeling para entrenamiento
|
|
- Estrategias de trading específicas por fase
|
|
|
|
---
|
|
|
|
### 2. ESTRATEGIA-ICT-SMC.md
|
|
**L\u00edneas:** 1,268
|
|
**Tama\u00f8o:** 41 KB
|
|
|
|
Estrategias complementarias de ICT (Inner Circle Trader) y Smart Money Concepts (SMC).
|
|
|
|
**Contenido:**
|
|
- ✅ ICT Concepts:
|
|
- Optimal Trade Entry (OTE) - Zonas Fibonacci 62-79%
|
|
- Killzones (London, NY, Asian sessions)
|
|
- Weekly & Daily Ranges
|
|
- Premium/Discount Pricing
|
|
- Market Maker Models (MMSM/MMBM)
|
|
- Power of 3
|
|
- ✅ Smart Money Concepts:
|
|
- Change of Character (CHOCH)
|
|
- Break of Structure (BOS)
|
|
- Inducement
|
|
- Displacement
|
|
- Liquidity Voids
|
|
- ✅ Sistema de Confluence (scoring multi-factor)
|
|
- ✅ Integración AMD + ICT + SMC
|
|
- ✅ Features derivados para ML
|
|
|
|
**Casos de Uso:**
|
|
- Timing óptimo de entradas
|
|
- Identificación de zonas de alta probabilidad
|
|
- Confluence scoring para filtrado de señales
|
|
- Feature engineering avanzado
|
|
|
|
---
|
|
|
|
### 3. MODELOS-ML-DEFINICION.md
|
|
**L\u00edneas:** 1,712
|
|
**Tama\u00f1o:** 58 KB
|
|
|
|
Arquitectura completa de todos los modelos Machine Learning del sistema.
|
|
|
|
**Contenido:**
|
|
- ✅ **Modelo 1: AMDDetector**
|
|
- Clasificador multiclass (XGBoost)
|
|
- 50 input features
|
|
- Output: 4 fases (neutral, accumulation, manipulation, distribution)
|
|
- Métricas esperadas: >70% accuracy overall
|
|
|
|
- ✅ **Modelo 2: RangePredictor**
|
|
- Regressor + Classifier (XGBoost)
|
|
- 70+ input features (base + AMD)
|
|
- Output: delta_high, delta_low para múltiples horizontes
|
|
- Métricas esperadas: MAE <0.003, Directional Acc >95%
|
|
|
|
- ✅ **Modelo 3: TPSLClassifier**
|
|
- Binary classifier con calibración (XGBoost)
|
|
- 80+ input features (stacking con Range)
|
|
- Output: P(TP antes de SL)
|
|
- Métricas actuales: 85.9% accuracy, 0.94 ROC-AUC
|
|
|
|
- ✅ **Modelo 4: LiquidityHunter**
|
|
- Detector de liquidity sweeps
|
|
- 30 features especializados
|
|
- Output: P(sweep), timing, risk score
|
|
|
|
- ✅ **Modelo 5: OrderFlowAnalyzer** (opcional)
|
|
- LSTM para análisis de flujo institucional
|
|
- Requiere datos granulares
|
|
|
|
- ✅ **Meta-Modelo: StrategyOrchestrator**
|
|
- Ensemble weighted + rule-based
|
|
- Combina todos los modelos
|
|
- Genera señal final BUY/SELL/HOLD
|
|
|
|
- ✅ Pipeline de entrenamiento completo
|
|
- ✅ Métricas de evaluación
|
|
- ✅ FastAPI service para producción
|
|
- ✅ Monitoring y retraining automático
|
|
|
|
**Casos de Uso:**
|
|
- Diseño e implementación de modelos
|
|
- Pipeline de entrenamiento
|
|
- Deployment a producción
|
|
- Evaluación y monitoring
|
|
|
|
---
|
|
|
|
### 4. FEATURES-TARGETS-ML.md
|
|
**L\u00edneas:** 869
|
|
**Tama\u00f1o:** 29 KB
|
|
|
|
Catálogo completo de features (variables de entrada) y targets (variables objetivo) para todos los modelos.
|
|
|
|
**Contenido:**
|
|
- ✅ **Features Base (21)**
|
|
- Volatilidad (8): volatility_*, atr_*
|
|
- Momentum (6): momentum_*, roc_*, rsi_14
|
|
- Medias Móviles (7): sma_*, ratios, slopes
|
|
|
|
- ✅ **Features AMD (25)**
|
|
- Price Action (10): range_ratio, body_size, wicks, etc.
|
|
- Volumen (8): volume_ratio, OBV, VWAP
|
|
- Market Structure (7): higher_highs, swings, structure_score
|
|
|
|
- ✅ **Features ICT (15)**
|
|
- OTE & Fibonacci (5): posición en rango, zonas
|
|
- Killzones & Timing (5): sesiones, strength
|
|
- Ranges (5): weekly/daily position
|
|
|
|
- ✅ **Features SMC (12)**
|
|
- Structure Breaks (6): CHOCH, BOS counts
|
|
- Displacement & Flow (6): strength, direction
|
|
|
|
- ✅ **Features Liquidez (10)**
|
|
- BSL/SSL distance, density, strength
|
|
- Sweep detection y proximity
|
|
|
|
- ✅ **Features Microestructura (8)**
|
|
- CVD, tick imbalance, large orders
|
|
|
|
- ✅ **Targets para cada modelo**
|
|
- AMD Phase (multiclass)
|
|
- Delta High/Low (regression + bins)
|
|
- TP vs SL (binary)
|
|
- Liquidity Sweeps (binary + timing)
|
|
|
|
- ✅ **Feature Engineering Pipeline completo**
|
|
- ✅ Consideraciones técnicas (scaling, missing values, validation)
|
|
|
|
**Dimensión Total:** ~91 features base
|
|
|
|
**Casos de Uso:**
|
|
- Referencia para feature engineering
|
|
- Target labeling para entrenamiento
|
|
- Validación de features
|
|
- Debugging de modelos
|
|
|
|
---
|
|
|
|
### 5. PIPELINE-ORQUESTACION.md
|
|
**L\u00edneas:** 923
|
|
**Tama\u00f1o:** 34 KB
|
|
|
|
Pipeline completo de orquestación que conecta todos los modelos.
|
|
|
|
**Contenido:**
|
|
- ✅ Arquitectura del pipeline end-to-end
|
|
- ✅ Flujo de datos detallado (10 pasos)
|
|
- ✅ Grafo de dependencias entre modelos
|
|
- ✅ Implementación completa de StrategyOrchestrator
|
|
- ✅ Escenarios de uso:
|
|
- Setup perfecto (alta confluence)
|
|
- Manipulation phase (hold)
|
|
- Baja confluence (hold)
|
|
- ✅ Optimización y performance:
|
|
- Caching strategy
|
|
- Parallel execution
|
|
- Batch processing
|
|
- ✅ Monitoring y alertas:
|
|
- Métricas Prometheus
|
|
- Logging estructurado
|
|
- Sistema de alertas
|
|
|
|
**Latencias esperadas:**
|
|
- End-to-end: <1,200ms
|
|
- Por modelo: 50-200ms
|
|
|
|
**Casos de Uso:**
|
|
- Implementación del pipeline completo
|
|
- Optimización de performance
|
|
- Setup de monitoring
|
|
- Debugging de flujo
|
|
|
|
---
|
|
|
|
## Flujo de Lectura Recomendado
|
|
|
|
### Para Trading Strategists
|
|
1. **ESTRATEGIA-AMD-COMPLETA.md** - Fundamentos de AMD
|
|
2. **ESTRATEGIA-ICT-SMC.md** - Conceptos complementarios
|
|
3. **PIPELINE-ORQUESTACION.md** - Cómo se integra todo
|
|
|
|
### Para ML Engineers
|
|
1. **FEATURES-TARGETS-ML.md** - Qué features usar
|
|
2. **MODELOS-ML-DEFINICION.md** - Arquitectura de modelos
|
|
3. **PIPELINE-ORQUESTACION.md** - Cómo conectar modelos
|
|
|
|
### Para Full Stack Developers
|
|
1. **PIPELINE-ORQUESTACION.md** - API y flujo
|
|
2. **MODELOS-ML-DEFINICION.md** - Endpoints y schemas
|
|
3. **FEATURES-TARGETS-ML.md** - Input/output data
|
|
|
|
---
|
|
|
|
## Integración con TradingAgent Existente
|
|
|
|
Los modelos documentados aquí se integran con el código existente en:
|
|
|
|
```
|
|
[LEGACY: apps/ml-engine - migrado desde TradingAgent]/
|
|
├── src/models/
|
|
│ ├── range_predictor.py → Ver MODELOS-ML-DEFINICION.md
|
|
│ ├── tp_sl_classifier.py → Ver MODELOS-ML-DEFINICION.md
|
|
│ └── signal_generator.py → Ver PIPELINE-ORQUESTACION.md
|
|
├── src/strategies/
|
|
│ └── amd_detector.py → Ver ESTRATEGIA-AMD-COMPLETA.md
|
|
└── models/phase2/ → Modelos entrenados
|
|
```
|
|
|
|
**Performance Actual (TradingAgent Phase 2):**
|
|
- RangePredictor: 69.3% bin accuracy
|
|
- TPSLClassifier: 85.9% accuracy, 0.94 ROC-AUC
|
|
- Símbolos: BTCUSDT, ETHUSDT
|
|
- Próximos: XAUUSD, EURUSD
|
|
|
|
---
|
|
|
|
## Mejoras vs TradingAgent
|
|
|
|
| Aspecto | TradingAgent Actual | Documentación Nueva |
|
|
|---------|-------------------|-------------------|
|
|
| **AMD Detector** | Implementación básica | Modelo ML completo con 50 features |
|
|
| **Features** | 21 básicos | 91 features (base + AMD + ICT + SMC) |
|
|
| **Estrategias** | Solo AMD | AMD + ICT + SMC + Confluence |
|
|
| **Modelos** | 2 (Range, TPSL) | 5 (AMD, Range, TPSL, Liquidity, OrderFlow) |
|
|
| **Orquestación** | SignalGenerator simple | StrategyOrchestrator avanzado |
|
|
| **Confluence** | No implementado | Sistema de scoring multi-factor |
|
|
| **Monitoring** | Básico | Prometheus + alertas |
|
|
|
|
---
|
|
|
|
## Próximos Pasos
|
|
|
|
### Fase 1: Implementación Core (2 semanas)
|
|
- [ ] Implementar AMDDetector según MODELOS-ML-DEFINICION.md
|
|
- [ ] Extender features según FEATURES-TARGETS-ML.md
|
|
- [ ] Agregar features ICT/SMC
|
|
- [ ] Entrenar AMDDetector con datos históricos
|
|
|
|
### Fase 2: Integración (2 semanas)
|
|
- [ ] Mejorar RangePredictor con features AMD
|
|
- [ ] Mejorar TPSLClassifier con stacking
|
|
- [ ] Implementar LiquidityHunter
|
|
- [ ] Crear StrategyOrchestrator
|
|
|
|
### Fase 3: Optimización (1 semana)
|
|
- [ ] Implementar caching según PIPELINE-ORQUESTACION.md
|
|
- [ ] Setup monitoring y alertas
|
|
- [ ] Optimizar latencias
|
|
- [ ] Backtesting completo
|
|
|
|
### Fase 4: Producción (1 semana)
|
|
- [ ] Deployment FastAPI
|
|
- [ ] CI/CD pipeline
|
|
- [ ] Auto-retraining
|
|
- [ ] Documentación API
|
|
|
|
---
|
|
|
|
## Contacto y Soporte
|
|
|
|
**Equipo ML Engineering:**
|
|
- Email: ml-engineering@trading.ai
|
|
- Slack: #ml-signals
|
|
|
|
**Revisión de Código:**
|
|
- Pull Requests en GitHub
|
|
- Code review obligatorio antes de merge
|
|
|
|
**Documentación Adicional:**
|
|
- Arquitectura General: `/docs/01-arquitectura/`
|
|
- API Specs: `/docs/02-definicion-modulos/OQI-006-ml-signals/especificaciones/`
|
|
- Tests: `/docs/02-definicion-modulos/OQI-006-ml-signals/pruebas/`
|
|
|
|
---
|
|
|
|
## Changelog
|
|
|
|
### v1.0.0 - 2025-12-05
|
|
- ✅ Documentación inicial completa
|
|
- ✅ 5 documentos técnicos generados
|
|
- ✅ 6,189 líneas de documentación
|
|
- ✅ Integración con TradingAgent definida
|
|
|
|
---
|
|
|
|
**Última actualización:** 2025-12-05
|
|
**Próxima revisión:** 2025-Q1
|
|
**Mantenido por:** Trading Strategist Team
|