trading-platform/orchestration/_archive/planes/PLAN-ML-LLM-TRADING.md

Plan de Desarrollo: ML, LLM y Trading Operations

Fecha: 2025-12-07 Tech Leader: Agente Orquestador Estado: En Desarrollo Paralelo

---

Resumen Ejecutivo

Este plan coordina el desarrollo de las capacidades de Machine Learning, integración LLM local, y los agentes de trading operativos (Atlas, Orion, Nova) para Trading Platform.

Recursos Disponibles

Recurso	Especificación
GPU	NVIDIA RTX 5060 Ti (16GB VRAM)
TradingAgent Original	[LEGACY: apps/ml-engine - migrado desde TradingAgent]
ML Engine Base	apps/ml-engine/ (estructura migrada)
LLM Local	chatgpt-oss (a configurar en GPU)

---

Track 1: ML Engine - Migración Avanzada

Objetivo

Migrar completamente los modelos del TradingAgent original al nuevo ML Engine con soporte GPU.

Componentes a Migrar

Componente	Origen	Destino	Estado
RangePredictor	TradingAgent/src/models/	apps/ml-engine/src/models/	Parcial
TPSLClassifier	TradingAgent/src/models/	apps/ml-engine/src/models/	Parcial
SignalGenerator	TradingAgent/src/models/	apps/ml-engine/src/models/	Parcial
AMDDetector	TradingAgent/src/models/	apps/ml-engine/src/models/	Pendiente
Phase2Pipeline	TradingAgent/src/pipelines/	apps/ml-engine/src/pipelines/	Pendiente
WalkForward	TradingAgent/src/training/	apps/ml-engine/src/training/	Pendiente
Backtesting	TradingAgent/src/backtesting/	apps/ml-engine/src/backtesting/	Pendiente
Dashboard RT	TradingAgent/src/visualization/	apps/ml-engine/src/visualization/	Pendiente

Tareas Específicas

1. Migrar AMDDetector

   • Detector de fases Accumulation/Manipulation/Distribution
   • Crítico para filtrado de señales

2. Migrar Pipeline Phase2

   • Entrenamiento completo del sistema
   • Walk-forward validation

3. Configurar GPU Training

   • XGBoost con CUDA
   • Configurar para RTX 5060 Ti

4. Implementar API completa

   • Endpoints de señales en tiempo real
   • WebSocket para streaming

5. Integrar con datos históricos

   • 10 años de datos XAUUSD, EURUSD, GBPUSD
   • Pipeline de ingesta desde MySQL

---

Track 2: LLM Agent - Integración Local

Objetivo

Implementar el copiloto de trading basado en LLM ejecutándose localmente en GPU.

Arquitectura

┌─────────────────────────────────────────────────────────────┐
│                    LLM SERVICE (Local GPU)                   │
├─────────────────────────────────────────────────────────────┤
│  ┌─────────────────┐  ┌─────────────────┐                   │
│  │  LLM Model      │  │  Trading Tools  │                   │
│  │  (chatgpt-oss)  │  │  (Functions)    │                   │
│  └────────┬────────┘  └────────┬────────┘                   │
│           │                    │                             │
│  ┌────────▼────────────────────▼────────┐                   │
│  │         LLM Orchestrator             │                   │
│  │  - Prompt Templates                  │                   │
│  │  - Tool Calling                      │                   │
│  │  - Context Management                │                   │
│  └──────────────────────────────────────┘                   │
└─────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────┐
│                    TRADING PLATFORM                          │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐   │
│  │ ML Engine│  │  Market  │  │ Portfolio│  │ Trading  │   │
│  │ Signals  │  │   Data   │  │  State   │  │ Execution│   │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘   │
└─────────────────────────────────────────────────────────────┘

Opciones de Modelo Local

Modelo	VRAM Requerida	Capacidad	Recomendación
Mistral 7B	~8GB	Buena	Viable
Llama 3 8B	~10GB	Muy buena	Recomendado
CodeLlama 7B	~8GB	Code-focused	Alternativa
Phi-3 Mini	~4GB	Compacto	Backup

Tareas Específicas

1. Configurar servidor LLM local

   • Opciones: Ollama, vLLM, text-generation-webui
   • Endpoint compatible OpenAI API

2. Implementar Trading Tools

   • get_signal(symbol) → Señal ML actual
   • analyze_chart(symbol, timeframe) → Análisis técnico
   • check_portfolio() → Estado del portfolio
   • execute_trade(params) → Ejecutar orden
   • set_alert(params) → Crear alerta

3. Prompt Engineering

   • System prompt especializado en trading
   • Templates para análisis, estrategias, explicaciones

4. Gestión de Contexto

   • Historial de conversación (Redis)
   • Contexto de mercado en tiempo real
   • Perfil del usuario

---

Track 3: Trading Agents - Operaciones

Objetivo

Implementar los agentes de trading automático (Atlas, Orion, Nova) que operan las cuentas de inversión.

Arquitectura de Agentes

┌─────────────────────────────────────────────────────────────────┐
│                    TRADING AGENTS SERVICE                        │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  ┌────────────────┐ ┌────────────────┐ ┌────────────────┐      │
│  │     ATLAS      │ │     ORION      │ │      NOVA      │      │
│  │  Conservador   │ │   Moderado     │ │    Agresivo    │      │
│  │  - Grid        │ │  - Trend       │ │  - Momentum    │      │
│  │  - Mean Rev    │ │  - Breakout    │ │  - Scalping    │      │
│  │  - BTC/ETH     │ │  - Top 10      │ │  - All Pairs   │      │
│  └───────┬────────┘ └───────┬────────┘ └───────┬────────┘      │
│          │                  │                  │                 │
│  ┌───────▼──────────────────▼──────────────────▼───────┐       │
│  │              EXECUTION ENGINE                        │       │
│  │  - Risk Management                                   │       │
│  │  - Position Sizing                                   │       │
│  │  - Order Execution (Binance API)                     │       │
│  │  - PnL Tracking                                      │       │
│  └──────────────────────────────────────────────────────┘       │
│                              │                                   │
│  ┌───────────────────────────▼──────────────────────────┐       │
│  │              SIGNAL CONSUMER                          │       │
│  │  - ML Engine Integration                             │       │
│  │  - Signal Filtering per Agent Profile                │       │
│  │  - Trade Journaling                                  │       │
│  └──────────────────────────────────────────────────────┘       │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

Perfiles de Agentes

Atlas (Conservador)

name: Atlas
profile: conservative
strategies:
  - mean_reversion
  - grid_trading
pairs:
  - BTC/USDT
  - ETH/USDT
risk:
  max_drawdown: 5%
  position_size: 2%
  max_positions: 3
targets:
  monthly_return: 3-5%
  win_rate_min: 60%

Orion (Moderado)

name: Orion
profile: moderate
strategies:
  - trend_following
  - breakout
pairs:
  - BTC/USDT
  - ETH/USDT
  - SOL/USDT
  - BNB/USDT
  # + Top 10
risk:
  max_drawdown: 10%
  position_size: 3%
  max_positions: 5
targets:
  monthly_return: 5-10%
  win_rate_min: 55%

Nova (Agresivo)

name: Nova
profile: aggressive
strategies:
  - momentum
  - scalping
  - altcoin_rotation
pairs:
  - ALL available
risk:
  max_drawdown: 20%
  position_size: 5%
  max_positions: 10
targets:
  monthly_return: 10%+
  win_rate_min: 50%

Tareas Específicas

1. Implementar Agent Base Class

   • Ciclo de vida del agente
   • Risk management
   • Position sizing

2. Implementar Estrategias

   • MeanReversionStrategy
   • GridTradingStrategy
   • TrendFollowingStrategy
   • BreakoutStrategy
   • MomentumStrategy
   • ScalpingStrategy

3. Integración Binance

   • Paper trading (testnet)
   • Real trading (mainnet)
   • WebSocket feeds

4. Sistema de Distribución

   • Cálculo de PnL
   • Performance fees
   • Distribución automática

---

Dependencias entre Tracks

┌──────────────────────────────────────────────────────────────┐
│                    DEPENDENCIAS                               │
├──────────────────────────────────────────────────────────────┤
│                                                               │
│  Track 1 (ML Engine) ──────────────────┐                     │
│         │                              │                      │
│         │ Señales                      │ Señales              │
│         ▼                              ▼                      │
│  Track 2 (LLM Agent) ◄───────► Track 3 (Trading Agents)      │
│                                                               │
│  LLM interpreta                Trading agents consumen        │
│  señales y sugiere             señales y ejecutan trades      │
│                                                               │
└──────────────────────────────────────────────────────────────┘

---

Épicas Relacionadas

Épica	Descripción	Tracks Involucrados
OQI-004	Cuentas de Inversión	Track 3
OQI-006	Señales ML	Track 1
OQI-007	LLM Agent	Track 2
OQI-008	Portfolio Manager	Track 2, 3

---

Próximos Pasos Inmediatos

Track 1 - ML Engine

1. Migrar AMDDetector completo
2. Migrar Phase2Pipeline
3. Configurar entrenamiento GPU
4. Implementar API de señales

Track 2 - LLM Agent

1. Configurar Ollama con Llama 3 8B
2. Crear servicio FastAPI para LLM
3. Implementar Trading Tools básicos
4. Crear prompt templates

Track 3 - Trading Agents

1. Crear estructura base de agentes
2. Implementar Atlas (estrategia conservadora)
3. Integrar con señales ML
4. Paper trading en Binance Testnet

---

Plan generado por Tech-Leader Agent Fecha: 2025-12-07