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

• Estado: Análisis completado - Listo para planificación detallada
• Creado: 2025-12-05
• Nombre Provisional: OrbiQuant IA (sujeto a validación legal)

Stack Tecnológico

Componente	Tecnología
Frontend	React 19 + TypeScript + Tailwind CSS
Backend API	Express.js + Node.js
ML Engine	Python + FastAPI (migrado de TradingAgent)
Database	PostgreSQL 16 + Supabase
Payments	Stripe
Auth	JWT + Passport

Estructura

trading-platform/
├── apps/
│   ├── backend/          # Express.js API
│   ├── frontend/         # React SPA
│   ├── ml-engine/        # Python ML Service (FastAPI)
│   └── database/         # PostgreSQL schemas
├── docs/
│   ├── 00-overview/      # Visión general y requerimientos
│   ├── 01-requerimientos/
│   ├── 02-especificaciones-tecnicas/
│   ├── 03-diseno-arquitectonico/
│   └── 04-manuales-usuario/
└── orchestration/        # Sistema de orquestación NEXUS
    ├── 00-guidelines/
    ├── 01-analisis/
    ├── 02-planeacion/
    └── ...

Documentación Principal

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

Origen de Modelos ML

Los modelos de Machine Learning se migran desde el proyecto TradingAgent:

• RangePredictor: Predicción de rangos de precio (ΔHigh/ΔLow)
• TPSLClassifier: Clasificación de Take Profit vs Stop Loss
• SignalGenerator: Generación de señales de trading

Ubicación original: /home/isem/workspace-old/UbuntuML/TradingAgent/

Agentes IA Disponibles

Agente	Perfil	Target Mensual	Max Drawdown
Atlas	Conservador	3-5%	5%
Orion	Moderado	5-10%	10%
Nova	Agresivo	10%+	20%

Próximos Pasos

1. Crear esquema de base de datos detallado
2. Definir arquitectura de componentes
3. Migrar modelos ML a apps/ml-engine/
4. Configurar estructura de aplicaciones

---

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