workspace-v1/projects/trading-platform/docs/02-definicion-modulos/OQI-006-ml-signals/_MAP.md

_MAP: OQI-006 - Señales ML

Última actualización: 2025-12-05 Estado: Parcialmente Implementado Versión: 1.0.0

---

Propósito

Esta épica implementa el sistema de predicciones y señales de trading basado en Machine Learning, utilizando modelos XGBoost para predecir rangos de precio y generar señales de entrada/salida.

---

Contenido del Directorio

OQI-006-ml-signals/
├── README.md                    # Documentación técnica existente
├── _MAP.md                      # Este archivo - índice
├── requerimientos/              # Documentos de requerimientos funcionales
│   ├── RF-ML-001-predicciones.md    # Predicción de precios
│   ├── RF-ML-002-senales.md         # Generación de señales
│   ├── RF-ML-003-indicadores.md     # Indicadores técnicos
│   ├── RF-ML-004-entrenamiento.md   # Pipeline de entrenamiento
│   └── RF-ML-005-notificaciones.md  # Alertas de señales
├── especificaciones/            # Especificaciones técnicas
│   ├── ET-ML-001-arquitectura.md    # Arquitectura ML
│   ├── ET-ML-002-modelos.md         # Modelos XGBoost
│   ├── ET-ML-003-features.md        # Feature engineering
│   ├── ET-ML-004-api.md             # FastAPI endpoints
│   └── ET-ML-005-integracion.md     # Integración con backend
├── historias-usuario/           # User Stories (5 prioritarias documentadas)
│   ├── US-ML-001-ver-prediccion.md      # ✅ P0 - 5 SP
│   ├── US-ML-002-ver-senal.md           # ✅ P0 - 5 SP
│   ├── US-ML-004-ver-accuracy.md        # ✅ P1 - 3 SP
│   ├── US-ML-006-senal-en-chart.md      # ✅ P0 - 5 SP
│   └── US-ML-007-historial-senales.md   # ✅ P1 - 3 SP
└── implementacion/              # Trazabilidad de implementación
    └── TRACEABILITY.yml

---

Requerimientos Funcionales

ID	Nombre	Prioridad	SP	Estado
RF-ML-001	Predicción de Precios	P0	10	✅ Implementado + Documentado
RF-ML-002	Generación de Señales	P0	10	✅ Implementado + Documentado
RF-ML-003	Indicadores Técnicos	P1	5	✅ Implementado + Documentado
RF-ML-004	Pipeline de Entrenamiento	P1	8	✅ Implementado + Documentado
RF-ML-005	Alertas de Señales	P2	7	✅ Documentado

Total: 40 SP (100% documentados)

---

Especificaciones Técnicas

ID	Nombre	Componente	Estado
ET-ML-001	Arquitectura	ML Engine	✅ Documentado
ET-ML-002	Modelos XGBoost	ML Engine	✅ Documentado
ET-ML-003	Feature Engineering	ML Engine	✅ Documentado
ET-ML-004	FastAPI Endpoints	FastAPI	✅ Documentado
ET-ML-005	Integración Backend	Backend	✅ Documentado

Total: 5 ET (100% documentados)

---

Historias de Usuario

Historias Prioritarias (Documentadas)

ID	Historia	Prioridad	SP	Estado
US-ML-001	Ver predicción de precio	P0	5	✅ Documentado
US-ML-002	Ver señal de trading	P0	5	✅ Documentado
US-ML-004	Ver accuracy del modelo	P1	3	✅ Documentado
US-ML-006	Ver señal en el chart	P0	5	✅ Documentado
US-ML-007	Ver historial de señales	P1	3	✅ Documentado

Subtotal: 21 SP documentados

Historias Adicionales (Pendientes)

ID	Historia	Prioridad	SP	Estado
US-ML-003	Configurar alertas de señales	P1	3	Pendiente
US-ML-005	Ver indicadores técnicos	P1	3	Pendiente
US-ML-008	Filtrar por confianza	P2	2	Pendiente
US-ML-009	Exportar señales a CSV	P2	2	Pendiente
US-ML-010	Recibir notificación push	P2	5	Pendiente

Total: 40 SP (21 documentados + 19 restantes)

---

Modelos Implementados

RangePredictor

• Algoritmo: XGBoost Regressor
• Predice: ΔHigh/ΔLow (rango de precio)
• Features: 21
• Accuracy: MAE 0.1% - 2%

TPSLClassifier

• Algoritmo: XGBoost Classifier
• Predice: Take Profit vs Stop Loss primero
• Features: 15
• Accuracy: 68%

SignalGenerator

• Algoritmo: Ensemble
• Predice: Señales de entrada (buy/sell/hold)
• Features: 21
• Accuracy: 65%

---

Features Implementadas

Volatilidad

• volatility_5, volatility_10, volatility_20, volatility_50
• atr_5, atr_10, atr_20, atr_50

Momentum

• momentum_5, momentum_10, momentum_20
• roc_5, roc_10, roc_20

Medias Móviles

• sma_5, sma_10, sma_20, sma_50
• ema_5, ema_10, ema_20, ema_50
• sma_ratio_*

Indicadores

• rsi_14 - Relative Strength Index
• macd, macd_signal, macd_histogram
• bb_position - Bollinger Bands

---

Horizontes de Predicción

Horizonte	Candles (5min)	Tiempo	Uso
Scalping	6	30 min	Trading rápido
Intraday	18	90 min	Day trading
Swing	36	3 horas	Swing trading
Position	72	6 horas	Posiciones largas

---

Dependencias

Depende de:

• OQI-001: Autenticación - ✅ Completado
• OQI-003: Trading/Charts - Para mostrar señales

Bloquea:

• OQI-004: Investment (agentes usan señales)

---

Stack Técnico

Capa	Tecnología	Uso
ML Engine	Python 3.11 + FastAPI	API de predicciones
Models	XGBoost 2.x	Algoritmos ML
Data	Pandas + NumPy	Procesamiento
Market Data	Binance API	Datos en tiempo real

---

Límites por Plan

Plan	Señales/día	Horizontes	Símbolos
Free	3	Scalping	BTCUSDT
Basic	10	Scalping, Intraday	BTC, ETH
Pro	Ilimitado	Todos	Todos
Premium	Ilimitado + API	Todos + Custom	Todos

---

Criterios de Aceptación

Funcionales

• Predicciones disponibles para BTCUSDT y ETHUSDT
• 4 horizontes temporales funcionando
• Señales con nivel de confianza
• Indicadores técnicos en tiempo real
• Alertas configurables por usuario
• Señales mostradas en charts

No Funcionales

• Predicción en < 500ms
• Entrenamiento automático diario
• 99.5% uptime del ML Engine

Técnicos

• Cobertura de tests > 70%
• Métricas de accuracy en dashboard admin
• Logs de predicciones para auditoría

---

Hitos

Hito	Entregables	Target
M1	ML Engine funcionando	Sprint 7 ✅
M2	Integración con backend	Sprint 7
M3	Señales en charts	Sprint 8
M4	Alertas + notificaciones	Sprint 8

---

Referencias

• README Técnico
• Vision del Producto
• _MAP Fase MVP
• ML Engine Config