rckrdmrd
a7cca885f0
Changes include: - Updated architecture documentation - Enhanced module definitions (OQI-001 to OQI-008) - ML integration documentation updates - Trading strategies documentation - Orchestration and inventory updates - Docker configuration updates 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>
278 lines
14 KiB
Markdown
278 lines
14 KiB
Markdown
---
|
|
id: "EPIC-OQI-010"
|
|
title: "OQI-010 - LLM Trading Integration"
|
|
type: "Epic"
|
|
project: "trading-platform"
|
|
version: "1.0.0"
|
|
created_date: "2026-01-04"
|
|
updated_date: "2026-01-04"
|
|
author: "Orquestador Agent - OrbiQuant IA"
|
|
status: "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
|
|
|
|
1. **Fine-tuning del LLM** con conocimiento especializado en trading
|
|
2. **MCP Binance Connector** para operar en exchanges crypto
|
|
3. **Risk Management System** integrado al flujo de decision
|
|
4. **API de Predicciones** para visualizacion en frontend
|
|
5. **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 |
|
|
|
|
---
|
|
|
|
## 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 - OrbiQuant IA
|
|
**Version:** 1.0.0
|