- Configure workspace Git repository with comprehensive .gitignore - Add Odoo as submodule for ERP reference code - Include documentation: SETUP.md, GIT-STRUCTURE.md - Add gitignore templates for projects (backend, frontend, database) - Structure supports independent repos per project/subproject level Workspace includes: - core/ - Reusable patterns, modules, orchestration system - projects/ - Active projects (erp-suite, gamilit, trading-platform, etc.) - knowledge-base/ - Reference code and patterns (includes Odoo submodule) - devtools/ - Development tools and templates - customers/ - Client implementations template 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>
9.4 KiB
EPICA: OQI-006A - Estrategia AMD y Modelos ML Avanzados
Version: 1.0.0 Fecha: 2025-12-05 Uso: Definicion de epica para estrategia AMD y modelos ML
EPICA: OQI-006A - Estrategia AMD y Modelos ML Avanzados
Metadata
| Campo | Valor |
|---|---|
| ID | OQI-006A |
| Nombre | Estrategia AMD y Modelos ML Avanzados |
| Modulo | ml-signals |
| Fase | Fase 2 - Optimizacion ML |
| Prioridad | P0 |
| Estado | Ready |
| Story Points | 89 |
| Sprint(s) | Sprint 8-11 |
Descripcion
Esta epica abarca la implementacion completa de la estrategia AMD (Accumulation-Manipulation-Distribution) como motor central de deteccion de fases de mercado, junto con modelos ML especializados que trabajan en conjunto para generar senales de trading de alta probabilidad.
La estrategia AMD se basa en los conceptos de Richard Wyckoff y Smart Money, identificando patrones de acumulacion institucional, manipulacion de mercado (stop hunting) y distribucion. Esta informacion alimenta a modelos predictivos para optimizar entradas, salidas y gestion de riesgo.
Objetivo de Negocio
Incrementar la precision de senales de trading del 70% actual al 85%+ mediante:
- Deteccion inteligente de fases de mercado (AMD)
- Prediccion de zonas de liquidez institucional
- Generacion de senales con alta confluencia multi-factor
- Reduccion de operaciones en fases de manipulacion (evitar trampas)
KPIs Target:
- Directional Accuracy: >85%
- Win Rate: >60%
- Profit Factor: >2.0
- Max Drawdown: <10%
Stakeholders
| Rol | Nombre/Equipo | Responsabilidad |
|---|---|---|
| Product Owner | Trading Strategy Team | Aprobacion de criterios |
| Tech Lead | ML Engineering | Validacion tecnica |
| Usuarios | Traders activos | Feedback de senales |
Historias de Usuario
| ID | Historia | Prioridad | SP | Estado |
|---|---|---|---|---|
| US-ML-020 | Como trader, quiero ver la fase AMD actual para entender el contexto del mercado | P0 | 8 | Ready |
| US-ML-021 | Como trader, quiero recibir alertas cuando cambie la fase AMD para ajustar mi estrategia | P0 | 5 | Ready |
| US-ML-022 | Como trader, quiero ver zonas de liquidez (BSL/SSL) para anticipar movimientos institucionales | P0 | 8 | Ready |
| US-ML-023 | Como trader, quiero senales filtradas por fase AMD para evitar operar en manipulacion | P0 | 5 | Ready |
| US-ML-024 | Como trader, quiero ver el score de confluencia para evaluar la calidad de la senal | P0 | 8 | Ready |
| US-ML-025 | Como trader, quiero predicciones de rango (high/low) mejoradas con contexto AMD | P1 | 13 | Ready |
| US-ML-026 | Como trader, quiero ver Order Blocks y FVG en el chart para identificar POI | P1 | 8 | Ready |
| US-ML-027 | Como trader, quiero integracion ICT/SMC para killzones y OTE | P1 | 13 | Ready |
| US-ML-028 | Como trader, quiero backtesting de estrategia AMD para validar performance historico | P2 | 8 | Ready |
| US-ML-029 | Como admin, quiero monitorear metricas de modelos ML en tiempo real | P1 | 5 | Ready |
| US-ML-030 | Como admin, quiero reentrenamiento automatico de modelos cuando accuracy caiga | P2 | 8 | Ready |
Total Story Points: 89
Criterios de Aceptacion de la Epica
Funcionales:
- AMDDetector clasifica fases con >70% accuracy por clase
- RangePredictor mejorado logra >95% directional accuracy
- TPSLClassifier mantiene >85% accuracy, >0.90 AUC
- LiquidityHunter detecta sweeps con >70% precision
- StrategyOrchestrator genera senales con confluence score
- Sistema evita senales durante fase manipulation
- Visualizacion de Order Blocks y FVG en charts
No Funcionales:
- Performance: Latencia end-to-end <1,200ms
- Seguridad: API autenticada con rate limiting
- Usabilidad: Indicadores claros y no intrusivos
Tecnicos:
- Cobertura de tests > 80%
- Documentacion completa de modelos
- Integracion DB-Backend-ML verificada
- Monitoring con Prometheus/Grafana
Dependencias
Esta epica depende de:
| Epica/Modulo | Estado | Bloqueante |
|---|---|---|
| OQI-001 (Auth) | Done | Si |
| OQI-003 (Trading Charts) | In Progress | Si |
| TradingAgent Phase 2 | Done | Si |
Esta epica bloquea:
| Epica/Modulo | Razon |
|---|---|
| OQI-007 (LLM Agent) | Requiere senales ML para interpretacion |
| OQI-008 (Portfolio Manager) | Usa senales para rebalanceo |
Desglose Tecnico
ML Models:
- Modelo: AMDDetector (XGBoost Multiclass)
- Modelo: RangePredictor (XGBoost Regressor, extendido)
- Modelo: TPSLClassifier (XGBoost Binary, stacking)
- Modelo: LiquidityHunter (XGBoost Binary)
- Modelo: StrategyOrchestrator (Meta-ensemble)
Features Engineering:
- Features Base: 21 existentes
- Features AMD: +25 nuevos
- Features ICT: +15 nuevos
- Features SMC: +12 nuevos
- Features Liquidez: +10 nuevos
- Total: 91+ features
Backend (FastAPI):
- Endpoints: 8 nuevos
- WebSocket: Streaming de senales
- Cache: Redis con TTL 5min
Frontend:
- Componentes: AMDIndicator, LiquidityZones, OrderBlocks, FVG, ConfluenceScore
- Stores: amdStore, liquidityStore
- Integracion con TradingView charts
Modelos ML Detallados
Modelo 1: AMDDetector
| Aspecto | Valor |
|---|---|
| Tipo | XGBoost Multiclass |
| Input | 50 features |
| Output | {neutral, accumulation, manipulation, distribution} |
| Target Accuracy | >70% overall, >65% per class |
| Training Data | 10+ years XAUUSD, EURUSD, BTCUSDT |
Features Clave:
- range_ratio, body_size, upper/lower_wick
- volume_ratio, volume_trend, OBV
- higher_highs, lower_lows, BOS_count, CHOCH_count
- order_blocks_proximity, fvg_count
Modelo 2: RangePredictor (Extendido)
| Aspecto | Valor |
|---|---|
| Tipo | XGBoost Regressor + Classifier |
| Input | 70+ features (base + AMD + liquidity) |
| Output | delta_high, delta_low (4 horizontes) |
| Target Accuracy | MAE <0.003, Directional >95% |
| Mejora | Agregar AMD phase como feature |
Modelo 3: TPSLClassifier (Stacking)
| Aspecto | Valor |
|---|---|
| Tipo | XGBoost Binary + Isotonic Calibration |
| Input | 80+ features (stacking con Range) |
| Output | P(TP antes de SL) |
| Actual | 85.9% accuracy, 0.94 AUC |
| Target | >88% accuracy, >0.95 AUC |
Modelo 4: LiquidityHunter
| Aspecto | Valor |
|---|---|
| Tipo | XGBoost Binary |
| Input | 30 features especializados |
| Output | P(liquidity_sweep), timing, risk_score |
| Target | Precision >70%, Recall >60% |
Meta-Modelo: StrategyOrchestrator
| Aspecto | Valor |
|---|---|
| Tipo | Ensemble Weighted + Rule-Based |
| Input | Outputs de todos los modelos |
| Output | Signal (LONG/SHORT/HOLD), confidence, confluence_score |
| Logic | Weighted voting + AMD phase filter |
Pipeline de Orquestacion
Market Data (OHLCV)
|
v
Feature Engineering (91 features)
|
+-----+-----+-----+
| | | |
v v v v
AMD Liquid Base ICT/SMC
Detect Hunter Features Features
| | | |
+-----+-----+-----+
|
v
Combined Features
|
+-----+-----+
| |
v v
Range TPSL
Predictor Classifier
| |
+-----+-----+
|
v
Strategy Orchestrator
|
v
Trading Signal
(action, TP, SL, confidence)
Riesgos
| Riesgo | Probabilidad | Impacto | Mitigacion |
|---|---|---|---|
| Overfitting en modelos nuevos | Media | Alto | Walk-forward validation, regularizacion |
| Latencia excesiva con mas features | Media | Medio | Caching agresivo, batch processing |
| AMD labels incorrectos | Alta | Alto | Revision manual de labels, validacion cruzada |
| Degradacion de modelos en produccion | Media | Alto | Monitoring continuo, retraining automatico |
Definition of Ready (DoR)
- Historias de usuario definidas
- Criterios de aceptacion claros
- Dependencias identificadas
- Estimacion completada
- Diseno tecnico aprobado (ver /estrategias/)
- Sin bloqueadores activos
Definition of Done (DoD)
- Codigo implementado y revisado
- Tests pasando (unit, integration, backtesting)
- Documentacion actualizada
- Inventarios actualizados
- Trazas registradas
- Demo realizada
- Product Owner aprobo
- Metricas de modelos en dashboard
Documentacion Relacionada
- Estrategia AMD:
docs/02-definicion-modulos/OQI-006-ml-signals/estrategias/ESTRATEGIA-AMD-COMPLETA.md - Estrategia ICT/SMC:
docs/02-definicion-modulos/OQI-006-ml-signals/estrategias/ESTRATEGIA-ICT-SMC.md - Modelos ML:
docs/02-definicion-modulos/OQI-006-ml-signals/estrategias/MODELOS-ML-DEFINICION.md - Features/Targets:
docs/02-definicion-modulos/OQI-006-ml-signals/estrategias/FEATURES-TARGETS-ML.md - Pipeline:
docs/02-definicion-modulos/OQI-006-ml-signals/estrategias/PIPELINE-ORQUESTACION.md - TradingAgent:
/home/isem/workspace-old/UbuntuML/TradingAgent/
Historial
| Fecha | Cambio | Autor |
|---|---|---|
| 2025-12-05 | Creacion de epica | Requirements-Analyst |
| 2025-12-05 | Documentacion de estrategias completada | Trading-Strategist |
Creada por: Requirements-Analyst Fecha: 2025-12-05 Ultima actualizacion: 2025-12-05