| id |
title |
type |
project |
version |
created_date |
updated_date |
author |
status |
| EPIC-OQI-010 |
OQI-010 - LLM Trading Integration |
Epic |
trading-platform |
1.0.0 |
2026-01-04 |
2026-02-06 |
Orquestador Agent - Trading Platform |
Planning |
OQI-010: LLM Trading Integration
Epica: Integracion Avanzada de LLM con Fine-Tuning para Trading Autonomo
Estado: Planning
Prioridad: P0
Story Points Total: 89 SP
Vision General
Esta epica implementa la integracion avanzada del LLM con capacidades de:
- Fine-tuning con estrategias de trading (AMD, ICT/SMC)
- Gestion de riesgo integrada
- Orquestacion de MCP servers (MT4 + Binance)
- Analisis y explicacion de predicciones ML
- API de predicciones para frontend
- Persistencia completa en PostgreSQL
Objetivos
Objetivo Principal
Crear un agente LLM inteligente que funcione como cerebro del sistema de trading, capaz de analizar, decidir y ejecutar operaciones de forma autonoma con gestion de riesgo.
Objetivos Especificos
- Fine-tuning del LLM con conocimiento especializado en trading
- MCP Binance Connector para operar en exchanges crypto
- Risk Management System integrado al flujo de decision
- API de Predicciones para visualizacion en frontend
- Persistencia y Tracking de predicciones y outcomes
Componentes
1. LLM Fine-Tuning System
- Dataset de estrategias (AMD, ICT/SMC, Risk Management)
- Pipeline de entrenamiento LoRA
- Modelo fine-tuned para Ollama
2. MCP Binance Connector
- 8+ herramientas MCP para Binance
- Spot y Futures trading
- Risk checks pre-trade
3. Risk Management Service
- Position sizing calculator
- Drawdown monitor
- Circuit breaker
- Exposure tracker
4. ML Predictions API
- Endpoints REST para frontend
- WebSocket real-time
- Persistencia en PostgreSQL
5. Prediction Tracker
- Almacenamiento de predicciones
- Tracking de outcomes
- Calculo de accuracy
Requerimientos Funcionales
| ID |
Requerimiento |
Prioridad |
SP |
| RF-LLM-001 |
Fine-tuning con estrategias de trading |
P0 |
13 |
| RF-LLM-002 |
MCP Binance Connector |
P0 |
8 |
| RF-LLM-003 |
Sistema de gestion de riesgo |
P0 |
8 |
| RF-LLM-004 |
API predicciones para frontend |
P0 |
5 |
| RF-LLM-005 |
Persistencia de predicciones |
P1 |
5 |
| RF-LLM-006 |
Analisis de confluencia ML |
P0 |
5 |
| RF-LLM-007 |
WebSocket predicciones real-time |
P1 |
5 |
| RF-LLM-008 |
Tracking de outcomes |
P1 |
5 |
| RF-LLM-009 |
Dashboard de accuracy |
P2 |
3 |
| RF-LLM-010 |
Circuit breaker automatico |
P0 |
5 |
Total: 62 SP en requerimientos
Historias de Usuario
Sprint 1: Infraestructura (21 SP)
| ID |
Historia |
SP |
Prioridad |
| US-LLM-001 |
Como desarrollador, necesito el MCP Binance Connector para que el LLM pueda operar en Binance |
8 |
P0 |
| US-LLM-002 |
Como desarrollador, necesito el pipeline de fine-tuning para entrenar el modelo con estrategias |
8 |
P0 |
| US-LLM-003 |
Como desarrollador, necesito las tablas de PostgreSQL para persistir predicciones |
5 |
P0 |
Sprint 2: Core Features (26 SP)
| ID |
Historia |
SP |
Prioridad |
| US-LLM-004 |
Como usuario, quiero que el LLM analice senales ML y explique su razonamiento |
8 |
P0 |
| US-LLM-005 |
Como usuario, quiero que el LLM valide riesgo antes de ejecutar trades |
5 |
P0 |
| US-LLM-006 |
Como desarrollador, necesito la API de predicciones para el frontend |
5 |
P0 |
| US-LLM-007 |
Como usuario, quiero ver predicciones en tiempo real via WebSocket |
5 |
P1 |
| US-LLM-008 |
Como sistema, necesito calcular confluencia entre modelos ML |
3 |
P0 |
Sprint 3: Integracion y Tracking (21 SP)
| ID |
Historia |
SP |
Prioridad |
| US-LLM-009 |
Como usuario, quiero que el LLM pueda ejecutar trades en MT4 y Binance |
8 |
P0 |
| US-LLM-010 |
Como sistema, necesito trackear outcomes de predicciones |
5 |
P1 |
| US-LLM-011 |
Como usuario, quiero ver metricas de accuracy del modelo |
5 |
P2 |
| US-LLM-012 |
Como sistema, necesito circuit breaker automatico |
3 |
P0 |
Sprint 4: Optimizacion (21 SP)
| ID |
Historia |
SP |
Prioridad |
| US-LLM-013 |
Como desarrollador, necesito mejorar el fine-tuning con datos de produccion |
8 |
P1 |
| US-LLM-014 |
Como usuario, quiero recibir alertas cuando el LLM detecte oportunidades |
5 |
P1 |
| US-LLM-015 |
Como admin, quiero dashboard de monitoreo del LLM |
5 |
P2 |
| US-LLM-016 |
Como desarrollador, necesito tests de integracion completos |
3 |
P1 |
Arquitectura
┌─────────────────────────────────────────────────────────────────────────────┐
│ OQI-010 ARCHITECTURE │
├─────────────────────────────────────────────────────────────────────────────┤
│ │
│ ┌───────────────────────────────────────────────────────────────────────┐ │
│ │ FRONTEND (React) │ │
│ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │
│ │ │ Predictions │ │ Confluence │ │ Accuracy │ │ │
│ │ │ Dashboard │ │ Viewer │ │ Metrics │ │ │
│ │ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │ │
│ └─────────┼────────────────┼────────────────┼───────────────────────────┘ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ ┌───────────────────────────────────────────────────────────────────────┐ │
│ │ PREDICTIONS API (:3085) │ │
│ │ REST: /api/v1/predictions/* │ │
│ │ WebSocket: /ws/predictions/* │ │
│ └──────────────────────────────┬────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌───────────────────────────────────────────────────────────────────────┐ │
│ │ LLM TRADING AGENT │ │
│ │ ┌─────────────────────────────────────────────────────────────────┐ │ │
│ │ │ FINE-TUNED MODEL (Llama 3 8B + LoRA) │ │ │
│ │ └──────────────────────────────┬──────────────────────────────────┘ │ │
│ │ │ │ │
│ │ ┌─────────────┐ ┌─────────────┴─────────────┐ ┌─────────────┐ │ │
│ │ │ ML │ │ RISK MANAGER │ │ MCP │ │ │
│ │ │ Analyzer │ │ - Position Sizing │ │ Orchestr. │ │ │
│ │ └──────┬─────┘ │ - Drawdown Monitor │ └──────┬──────┘ │ │
│ │ │ │ - Circuit Breaker │ │ │ │
│ └─────────┼────────└───────────────────────────┘─────────┼────────────┘ │
│ │ │ │
│ ▼ ▼ │
│ ┌─────────────────┐ ┌─────────────────────────┐ │
│ │ ML ENGINE │ │ MCP SERVERS │ │
│ │ (:3083) │ │ ┌─────────┐ ┌────────┐ │ │
│ │ - AMD Detector │ │ │ MT4 │ │Binance │ │ │
│ │ - Range Pred. │ │ │ (:3605) │ │(:3606) │ │ │
│ │ - ICT/SMC │ │ └────┬────┘ └───┬────┘ │ │
│ └────────┬────────┘ └───────┼──────────┼──────┘ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ ┌──────────────────────────────────────────────────────────────────────┐ │
│ │ POSTGRESQL (ml + llm schemas) │ │
│ │ - llm_predictions - prediction_outcomes - risk_events │ │
│ │ - llm_decisions - ml.predictions - ml.model_versions │ │
│ └──────────────────────────────────────────────────────────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────────────────────┘
Dependencias
Depende de (Prerequisites)
| Epica |
Descripcion |
Estado |
| OQI-001 |
Autenticacion |
Completado |
| OQI-006 |
ML Signals |
Completado |
| OQI-007 |
LLM Agent (base) |
Completado |
Habilita (Enables)
| Epica |
Descripcion |
| OQI-004 |
Investment Accounts (agentes usan LLM) |
| OQI-011 |
Auto-Trading (futuro) |
Stack Tecnico
| Componente |
Tecnologia |
| LLM Runtime |
Ollama + Llama 3 8B |
| Fine-tuning |
LoRA + Hugging Face |
| MCP Server |
Node.js + TypeScript |
| API |
FastAPI (Python) |
| Database |
PostgreSQL 16 |
| Cache |
Redis 7 |
| Exchange API |
CCXT |
| Message Queue |
Redis Pub/Sub |
Historias de Usuario (LLM-Trading Integration)
| ID |
Historia |
SP |
Prioridad |
Estado |
| US-LTI-001 |
Analizar Mercado via Chat |
8 |
Alta |
Backlog |
| US-LTI-002 |
Ejecutar Trade via Chat |
13 |
Alta |
Backlog |
| US-LTI-003 |
Interpretar Senales ML en Lenguaje Natural |
5 |
Media |
Backlog |
| US-LTI-004 |
Analisis de Portfolio via Chat |
5 |
Media |
Backlog |
Total US-LTI: 31 SP
Requerimientos Funcionales (LLM-Trading Integration)
| ID |
Requerimiento |
Prioridad |
Estado |
| RF-LTI-001 |
Framework de Tools LLM para Trading |
Alta |
Backlog |
| RF-LTI-002 |
Templates de Prompts para Trading |
Alta |
Backlog |
| RF-LTI-003 |
Guardrails de Seguridad para Trading via LLM |
Critica |
Backlog |
Especificaciones Tecnicas (LLM-Trading Integration)
| ID |
Especificacion |
RF Padre |
Estado |
| ET-LTI-001 |
Arquitectura de Integracion LLM-Trading |
RF-LTI-001 |
Backlog |
| ET-LTI-002 |
Modelo de Datos LLM-Trading Integration |
RF-LTI-001 |
Backlog |
Documentacion Relacionada
| Documento |
Ubicacion |
| Integracion LLM Fine-Tuning |
docs/01-arquitectura/INTEGRACION-LLM-FINE-TUNING.md |
| MCP Binance Spec |
docs/01-arquitectura/MCP-BINANCE-CONNECTOR-SPEC.md |
| LLM Local Existente |
docs/01-arquitectura/INTEGRACION-LLM-LOCAL.md |
| Plan ML-LLM-Trading |
orchestration/planes/PLAN-ML-LLM-TRADING.md |
Riesgos y Mitigaciones
| Riesgo |
Probabilidad |
Impacto |
Mitigacion |
| VRAM insuficiente para fine-tuning |
Media |
Alto |
Usar LoRA con quantizacion |
| Latencia alta en decisiones |
Media |
Alto |
Cache de predicciones, batch |
| Perdidas por errores del LLM |
Alta |
Critico |
Risk limits, circuit breaker, paper trading |
| Binance API rate limits |
Media |
Medio |
Rate limiter, caching |
Metricas de Exito
| Metrica |
Target |
| Direction Accuracy |
>65% |
| Response Time (analisis) |
<5s |
| Risk Limit Adherence |
100% |
| Uptime MCP Servers |
>99% |
| Fine-tuning Quality (perplexity) |
<3.0 |
| Confluence Correlation |
>70% |
Cronograma
| Fase |
Duracion |
Entregables |
| Fase 1: Infraestructura |
1-2 semanas |
MCP Binance, DDL, Docker |
| Fase 2: Core LLM |
2-3 semanas |
Fine-tuning, Risk Manager |
| Fase 3: Integracion |
1-2 semanas |
ML+LLM, MCP Orchestrator, API |
| Fase 4: Testing |
1 semana |
Tests, Backtesting, Deploy |
Documento Generado: 2026-01-04
Autor: Orquestador Agent - Trading Platform
Version: 1.0.0