Adrian Flores Cortes df43dd90cb [F0-F2] feat: Coherence analysis baseline + entity types + frontend stores

FASE 0 - Preparación y Purga:
- Archived 21 completed tasks to _archive/2026-01/
- Marked 4 docs as DEPRECATED
- Created 3 baseline coherence reports

FASE 1 - DDL-Backend Coherence:
- audit.types.ts: +4 types (SystemEvent, TradingAudit, ApiRequestLog, DataAccessLog)
- investment.types.ts: +4 types (RiskQuestionnaire, WithdrawalRequest, DailyPerformance, DistributionHistory)
- entity.types.ts: +5 types (Symbol, TradingBot, TradingSignal, TradingMetrics, PaperBalance)

FASE 2 - Backend-Frontend Coherence:
- investmentStore.ts: New Zustand store with 20+ actions
- mlStore.ts: New Zustand store with signal caching
- alerts.service.ts: New service with 15 functions

FASE 3 - Documentation:
- OQI-009: Updated to 100% coverage, added ET-MKT-004-productos.md
- OQI-010: Created full structure (STATUS.md, ROADMAP-MT4.md, ET-MT4-001-gateway.md)

Coherence Baseline Established:
- DDL-Backend: 31% (target 95%)
- Backend-Frontend: 72% (target 85%)
- Global: 39.6% (target 90%)

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>

2026-01-28 22:08:04 -06:00

1.7 KiB

Raw Blame History

SUMMARY - ML Data Migration & Model Training

Task ID: TASK-2026-01-25-ML-DATA-MIGRATION

Estado: COMPLETADA

Fecha: 2026-01-25

Resumen Ejecutivo

Migracion exitosa del sistema ML de MySQL a PostgreSQL, incluyendo:

Carga de 469,217 bars de datos de mercado desde Polygon API
Nuevo modulo de acceso a PostgreSQL con compatibilidad MySQL
Entrenamiento de 12 modelos de atencion (Level 0)

Metricas Clave

Metrica	Valor
Datos cargados	469,217 bars
Tickers	6 (XAUUSD, EURUSD, BTCUSD, GBPUSD, USDJPY, AUDUSD)
Modelos entrenados	12
Archivos creados	4
Archivos modificados	4
Commits	4

Entregables Principales

1. Script de Carga de Datos

apps/data-service/scripts/fetch_polygon_data.py

Carga async desde Polygon API
Rate limiting automatico
Upserts con ON CONFLICT

2. Modulo PostgreSQL para ML

apps/ml-engine/src/data/database.py

PostgreSQLConnection class
Traduccion automatica MySQL→PostgreSQL
Backward compatible via alias

3. Modelos de Atencion

apps/ml-engine/models/attention/

12 modelos (6 symbols x 2 timeframes)
XGBoost regressor + classifier por modelo
Metricas: R2 hasta 0.296, Accuracy hasta 77%

Lecciones Aprendidas

Venv en WSL: Usar path Linux nativo, no /mnt/c
Timezones: Normalizar a naive para comparaciones
Datos Level 1+: Requieren >5 anos de historico

Dependencias Futuras

Level 1+ models → Requiere mas datos historicos
API FastAPI → Pendiente implementar endpoints
Frontend ML → Dashboard de metricas

Verificacion Final

Datos en PostgreSQL validados
Modelos funcionando
Documentacion actualizada
Commits realizados
TASK CAPVED completa

1.7 KiB Raw Blame History