7bfcbb978e
- Added DATA-PIPELINE-SPEC.md for ML signals module - Added TASK-2026-01-25-ML-TRAINING-ENHANCEMENT documentation Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>
106 lines
2.9 KiB
Markdown
106 lines
2.9 KiB
Markdown
# SUMMARY: Mejora Integral de Modelos ML para Trading
|
|
|
|
**Task ID:** TASK-2026-01-25-ML-TRAINING-ENHANCEMENT
|
|
**Tipo:** analysis + feature
|
|
**Prioridad:** P0
|
|
**Epic:** OQI-006-ml-signals
|
|
|
|
---
|
|
|
|
## RESUMEN EJECUTIVO
|
|
|
|
Esta tarea define un plan integral para mejorar los modelos de Machine Learning de trading-platform con el objetivo de alcanzar **80% de efectividad mínima** en las operaciones de trading ejecutadas por el LLM.
|
|
|
|
### Alcance
|
|
|
|
- **5 estrategias de modelos** con arquitecturas diversificadas
|
|
- **Neural Gating Metamodel** para ensemble ponderado dinámico
|
|
- **Integración LLM** para decisiones basadas en predicciones
|
|
- **Modelos especializados por activo** (6 símbolos)
|
|
- **Mecanismos de atención** sobre variación de precio
|
|
|
|
### Estrategias Diseñadas
|
|
|
|
| # | Código | Nombre | Arquitectura |
|
|
|---|--------|--------|--------------|
|
|
| 1 | PVA | Price Variation Attention | Transformer + XGBoost |
|
|
| 2 | MRD | Momentum Regime Detection | HMM + LSTM + XGBoost |
|
|
| 3 | VBP | Volatility Breakout Predictor | CNN 1D + Attention + XGBoost |
|
|
| 4 | MSA | Market Structure Analysis | XGBoost (GNN opcional) |
|
|
| 5 | MTS | Multi-Timeframe Synthesis | Hierarchical Attention Network |
|
|
|
|
### Fases de Ejecución
|
|
|
|
```
|
|
FASE 1: Infraestructura (Data Pipeline + Attention Architecture)
|
|
↓
|
|
FASE 2: 5 Estrategias (Paralelo)
|
|
↓
|
|
FASE 3: Integración (Metamodel + LLM)
|
|
↓
|
|
FASE 4: Validación (Backtesting)
|
|
```
|
|
|
|
### Métricas Objetivo
|
|
|
|
| Métrica | Objetivo |
|
|
|---------|----------|
|
|
| Efectividad operaciones | ≥80% |
|
|
| Direction accuracy | ≥70% |
|
|
| Sharpe Ratio | ≥1.5 |
|
|
| Max Drawdown | ≤15% |
|
|
|
|
### Estimación
|
|
|
|
- **Subtareas totales:** 54
|
|
- **Story Points:** 90 SP
|
|
- **GPU Hours:** ~410h
|
|
- **Storage adicional:** ~26GB
|
|
|
|
### Dependencias Principales
|
|
|
|
1. Migración de datos históricos (5.6GB de WorkspaceOld)
|
|
2. GPU 16GB VRAM (disponible)
|
|
3. PyTorch ≥2.0, XGBoost, hmmlearn
|
|
|
|
### Estado Actual
|
|
|
|
| Fase | Estado |
|
|
|------|--------|
|
|
| C - Contexto | ✅ Completada |
|
|
| A - Análisis | ✅ Completada |
|
|
| P - Planeación | ✅ Completada |
|
|
| V - Validación | ✅ Aprobada |
|
|
| E - Ejecución | ⏳ Pendiente |
|
|
| D - Documentación | 🔄 En progreso |
|
|
|
|
---
|
|
|
|
## PRÓXIMOS PASOS
|
|
|
|
1. **Aprobar plan** con usuario
|
|
2. **Iniciar FASE 1** (Data Pipeline + Attention Architecture)
|
|
3. **Asignar agentes** para ejecución paralela en FASE 2
|
|
4. **Monitorear progreso** con métricas definidas
|
|
|
|
---
|
|
|
|
## ARCHIVOS DE LA TAREA
|
|
|
|
```
|
|
orchestration/tareas/TASK-2026-01-25-ML-TRAINING-ENHANCEMENT/
|
|
├── METADATA.yml # Metadata completa
|
|
├── 01-CONTEXTO.md # Fase C
|
|
├── 02-ANALISIS.md # Fase A (extenso)
|
|
├── 03-PLANEACION.md # Fase P (extenso)
|
|
├── 04-VALIDACION.md # Fase V
|
|
├── 05-EJECUCION.md # Fase E (template)
|
|
├── 06-DOCUMENTACION.md # Fase D
|
|
└── SUMMARY.md # Este archivo
|
|
```
|
|
|
|
---
|
|
|
|
**Creado:** 2026-01-25
|
|
**Agente:** ARQUITECTO-ML-AI (Claude Opus 4.5)
|