workspace/projects/trading-platform

OrbiQuant IA - Trading Platform

Descripción

OrbiQuant IA es una plataforma integral de gestión de inversiones asistida por inteligencia artificial que combina:

• Money Manager con IA: Agentes que gestionan cuentas de trading e inversión con diferentes perfiles de riesgo (conservador, moderado, agresivo)
• Plataforma Educativa: Cursos de trading accesibles generados con IA
• TradingView Privado: Visualización de gráficos, predicciones ML y señales en tiempo real
• Sistema SaaS: Suscripciones, pagos con Stripe y wallets internos

Estado del Proyecto

• Estado: MVP en desarrollo avanzado (~50%)
• Código: 58,000+ líneas en producción
• Servicios: 7 aplicaciones funcionando
• Última actualización: 2025-12-08

Stack Tecnológico

Componente	Tecnología	Puerto
Frontend	React 18 + TypeScript + Tailwind CSS	5173
Backend API	Express.js 5 + Node.js 20	3000
ML Engine	Python + FastAPI + PyTorch/XGBoost	8001
Data Service	Python + FastAPI	8002
LLM Agent	Python + FastAPI + Ollama	8003
Trading Agents	Python + FastAPI + CCXT	8004
Database	PostgreSQL 16	5432
Cache	Redis 7	6379

Estructura del Proyecto

trading-platform/
├── apps/                          # Aplicaciones
│   ├── backend/                   # API principal (Express.js)
│   │   └── src/
│   │       ├── modules/           # Módulos por funcionalidad
│   │       │   ├── auth/          # Autenticación
│   │       │   ├── users/         # Usuarios
│   │       │   ├── trading/       # Trading
│   │       │   ├── portfolio/     # Portafolios
│   │       │   ├── education/     # Educación
│   │       │   ├── payments/      # Pagos (Stripe)
│   │       │   ├── ml/            # Integración ML
│   │       │   ├── llm/           # Integración LLM
│   │       │   └── admin/         # Administración
│   │       └── shared/            # Compartido
│   │
│   ├── frontend/                  # UI (React)
│   │   └── src/
│   │       └── modules/           # Módulos UI
│   │
│   ├── ml-engine/                 # Servicio ML (Python)
│   │   └── src/
│   │       ├── models/            # Modelos ML
│   │       ├── pipelines/         # Pipelines de entrenamiento
│   │       ├── backtesting/       # Motor de backtesting
│   │       └── api/               # Endpoints FastAPI
│   │
│   ├── llm-agent/                 # Copiloto IA (Python)
│   │   └── src/
│   │       ├── core/              # Core LLM
│   │       ├── tools/             # 12 herramientas de trading
│   │       └── prompts/           # System prompts
│   │
│   ├── trading-agents/            # Agentes de trading (Python)
│   │   └── src/
│   │       ├── agents/            # Atlas, Orion, Nova
│   │       ├── strategies/        # Estrategias de trading
│   │       └── exchange/          # Integración exchanges
│   │
│   ├── data-service/              # Datos de mercado (Python) ⚠️ INCOMPLETO
│   │   └── src/
│   │       └── providers/         # Proveedores de datos
│   │
│   └── database/                  # PostgreSQL
│       └── ddl/
│           └── schemas/           # 8 schemas, 98 tablas
│
├── packages/                      # Código compartido
│   ├── sdk-typescript/            # SDK para frontend/backend
│   ├── sdk-python/                # SDK para servicios Python
│   ├── config/                    # Configuración centralizada
│   └── types/                     # Tipos compartidos
│
├── docker/                        # Configuración Docker
│   └── docker-compose.yml
│
├── docs/                          # Documentación
└── orchestration/                 # Sistema de agentes NEXUS

Agentes de Trading

Agente	Perfil	Target Mensual	Max Drawdown	Estrategias
Atlas	Conservador	3-5%	5%	Mean Reversion, Grid Trading
Orion	Moderado	5-10%	10%	Trend Following, Breakouts
Nova	Agresivo	10%+	20%	Momentum, Scalping

Modelos ML

Modelo	Propósito	Algoritmos
AMD Detector	Detectar fases Smart Money	CNN + LSTM + XGBoost Ensemble
Range Predictor	Predecir rangos de precio	XGBoost, Random Forest
Signal Generator	Generar señales de trading	Neural Network + Technical Analysis

Base de Datos (8 Schemas)

Schema	Propósito	Tablas
auth	Autenticación y usuarios	10
trading	Trading y órdenes	10
investment	Productos PAMM	7
financial	Pagos y wallets	10
education	Cursos y gamificación	14
llm	Conversaciones IA	5
ml	Modelos y predicciones	5
audit	Logs y auditoría	7

Inicio Rápido

Requisitos

• Node.js 20+
• Python 3.10+
• PostgreSQL 16+
• Redis 7+
• Docker & Docker Compose

Instalación

# Clonar e instalar
cd /home/isem/workspace/projects/trading-platform

# Backend
cd apps/backend
npm install
cp .env.example .env
npm run dev

# Frontend
cd ../frontend
npm install
cp .env.example .env
npm run dev

# Servicios Python
cd ../ml-engine
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
uvicorn src.main:app --port 8001

# Con Docker (recomendado)
docker-compose up -d

Uso del SDK

TypeScript

import { OrbiQuantClient } from '@orbiquant/sdk-typescript';

const client = new OrbiQuantClient({
  baseUrl: 'http://localhost:3000',
});

// Login
await client.auth.login({ email, password });

// Obtener señales
const signals = await client.ml.getSignals({ symbol: 'BTCUSDT' });

// Chat con copiloto
const response = await client.ml.chat({
  message: '¿Qué opinas del BTC ahora?',
});

Python

from orbiquant_sdk import OrbiQuantClient, Config

config = Config.from_env()
async with OrbiQuantClient(config) as client:
    # Obtener predicción
    prediction = await client.get_prediction("BTCUSDT", "1h")

    # Chat con LLM
    response = await client.chat("Analiza el mercado de ETH")

Tareas Pendientes

Crítico (P0)

• Completar data-service (actualmente ~20%)
• Agregar tests unitarios
• Implementar retry/circuit breaker entre servicios

Alto (P1)

• Documentar APIs (OpenAPI)
• Implementar métricas Prometheus
• Completar sistema PAMM

Medio (P2)

• KYC/AML
• Notificaciones push
• Exportación de reportes

Documentación

• Análisis de Migración e Integración
• Requerimientos MVP
• Servicios
• Próxima Acción

---

Proyecto parte del workspace de Fábrica de Software con Agentes IA Directivas: /home/isem/workspace/core/orchestration/directivas/