QUANTP1 v3.1 - Sistema de Trading Semi-Automático

Sistema completo de trading algorítmico para EURUSD M15 con estrategia Mean Reversion + Machine Learning.

🎯 Características Principales

• Estrategia Híbrida: Mean Reversion + Machine Learning (RandomForest)
• Bot de Telegram Interactivo: Señales con botones para confirmar ejecución
• Gestión de Riesgo Prop Firm: Límites 5% diario, $250 por operación
• Circuit Breaker API: Protección límite 740 calls/día (Twelve Data)
• Anti-Repainting: Solo velas cerradas en análisis
• Persistencia Atómica: Guardado seguro de estado con backups
• Sincronización NTP: Tiempo preciso sin permisos admin
• Health Monitoring: CPU, RAM, disco, red

📊 Stack Tecnológico

• Python 3.10+
• Twelve Data API - Datos de mercado en tiempo real
• Telegram Bot API - Notificaciones interactivas
• scikit-learn - Modelo de Machine Learning
• pandas/numpy - Procesamiento de datos
• ntplib - Sincronización de tiempo

🏗️ Arquitectura del Sistema

QUANTP1_LOCAL/
├── config/              # Configuración modular (API, trading, risk, ML)
├── core/                # Sistema central (state, circuit breaker, time sync)
├── data_pipeline/       # Pipeline de datos (API client, validación)
├── src/
│   ├── strategy/        # Indicadores y generación de señales
│   ├── ml/              # Modelo ML y predicciones
│   ├── risk/            # Gestión de riesgo y validación
│   ├── notifications/   # Bot Telegram y alertas
│   └── main.py         # ⭐ Orquestador principal
├── scripts/            # Utilidades (verificación, chat ID, limpieza)
├── research/           # Laboratorio (crear modelo dummy)
├── models/             # Modelos ML (.pkl files)
├── state/              # Estado persistente (JSON)
├── logs/               # Logs con rotación automática
└── utils/              # Logger y time utilities

📦 Instalación

1. Clonar Repositorio

git clone https://github.com/AngelAlexandroVazquezMolina/QUANTP1_LOCAL.git
cd QUANTP1_LOCAL

2. Instalar Dependencias

pip install -r requirements.txt

3. Configurar Variables de Entorno

El archivo .env ya incluye las credenciales pre-configuradas. Solo necesitas agregar tu TELEGRAM_CHAT_ID:

# Obtener Chat ID
python scripts/get_chat_id.py

# Agregar a .env
TELEGRAM_CHAT_ID=123456789

4. Crear Modelo ML (Dummy para Testing)

python research/create_dummy_model.py

5. Verificar Sistema

python scripts/verify_system.py

Debe mostrar: ✅ SYSTEM READY FOR TRADING

🚀 Uso

Inicio del Sistema

Windows:

start_trading.bat

Linux/Mac:

python src/main.py

Comandos del Bot de Telegram

• /start - Inicializar bot
• /status - Estado actual del sistema
• /trades - Ver operaciones abiertas
• /balance - Balance y riesgo disponible
• /help - Ayuda y comandos

Workflow de Señales

1. Sistema genera señal → Envía a Telegram con botones
2. Usuario revisa → Presiona ✅ Ejecutada / ❌ Rechazada / ⏳ Pendiente
3. Usuario ejecuta → Envía: EXEC <signal_id> <precio> <lotes>
4. Sistema rastrea → Actualiza P&L, detecta SL/TP
5. Sistema notifica → Al cerrar posición

📈 Estrategia de Trading

Indicadores Técnicos

• Z-Score (20 periodos) - Mean reversion
• ADX (14 periodos) - Fuerza de tendencia
• RSI (14 periodos) - Sobrecompra/sobreventa
• Bollinger Bands (20, 2.0) - Volatilidad

Reglas de Señales

LONG:

• Z-Score ≤ -2.0 (precio bajo vs media)
• ADX < 30 (sin tendencia fuerte)
• RSI < 40 (sobreventa)
• ML Confidence ≥ 65%

SHORT:

• Z-Score ≥ 2.0 (precio alto vs media)
• ADX < 30 (sin tendencia fuerte)
• RSI > 60 (sobrecompra)
• ML Confidence ≥ 65%

Gestión de Riesgo

• Max Daily Loss: 5% del capital ($250 en cuenta de $5,000)
• Max Loss per Trade: $250
• Default Risk per Trade: 2% del capital
• Max Open Positions: 3
• Max Daily Trades: 10
• Risk/Reward Ratio: Mínimo 1.5:1

⚙️ Configuración

Trading Parameters (config/trading_config.py)

SYMBOL = "EUR/USD"
TIMEFRAME = "15min"
TRADING_START_HOUR = 9   # 09:00 UTC
TRADING_END_HOUR = 14    # 14:00 UTC

Risk Parameters (config/risk_config.py)

ACCOUNT_SIZE = 5000
MAX_DAILY_LOSS_PCT = 0.05  # 5%
MAX_LOSS_PER_TRADE = 250   # $250

ML Configuration (config/ml_config.py)

MIN_CONFIDENCE_THRESHOLD = 0.65  # 65%
MAX_MODEL_AGE_DAYS = 90

🛠️ Utilidades

Verificar Sistema

python scripts/verify_system.py

Obtener Telegram Chat ID

python scripts/get_chat_id.py

Limpiar Logs Antiguos

python scripts/cleanup_old_logs.py --days 30

Parada de Emergencia

scripts/emergency_stop.bat  # Windows
pkill -f "python src/main.py"  # Linux/Mac

📝 Logs

Los logs se guardan en logs/ con rotación automática:

• system.log - Log general del sistema (rotación diaria, 30 días)
• trading.log - Todas las operaciones (rotación diaria, 30 días)
• error.log - Solo errores (rotación por tamaño, 10MB)

🔒 Seguridad

• ✅ .env excluido de Git
• ✅ State files y modelos excluidos de Git
• ✅ Circuit breaker para proteger API
• ✅ Validación de riesgo antes de cada señal
• ✅ Atomic state saves con fsync()
• ✅ Backup automático de estado

🐛 Troubleshooting

Error: "Model not found"

python research/create_dummy_model.py

Error: "API connection failed"

• Verificar TWELVE_DATA_KEY en .env
• Comprobar límite de calls diarios (800/día)

Error: "Telegram connection failed"

• Verificar TELEGRAM_BOT_TOKEN en .env
• Obtener TELEGRAM_CHAT_ID: python scripts/get_chat_id.py

Error: "NTP sync failed"

• No crítico, usa hora del sistema
• Verificar firewall permite UDP 123

⚠️ Disclaimer

IMPORTANTE: Este sistema es para fines educativos y de investigación. El trading conlleva riesgos significativos. Prueba en cuenta demo antes de usar con dinero real.

• ❌ NO ejecuta operaciones automáticamente (semi-automático)
• ⚠️ Usuario debe confirmar cada señal manualmente
• 📊 Modelo ML dummy incluido solo para testing
• 🎓 Entrena modelo real con datos históricos antes de trading en vivo

📚 Recursos

• Twelve Data API: https://twelvedata.com/
• Telegram Bot API: https://core.telegram.org/bots/api
• scikit-learn: https://scikit-learn.org/

🤝 Contribuciones

Las contribuciones son bienvenidas. Por favor:

1. Fork el proyecto
2. Crea una rama para tu feature (git checkout -b feature/AmazingFeature)
3. Commit tus cambios (git commit -m 'Add AmazingFeature')
4. Push a la rama (git push origin feature/AmazingFeature)
5. Abre un Pull Request

📄 Licencia

Este proyecto está bajo la Licencia MIT. Ver archivo LICENSE para más detalles.

👨‍💻 Autor

Angel Alejandro Vazquez Molina

• GitHub: @AngelAlexandroVazquezMolina

---

⭐ Si este proyecto te fue útil, considera darle una estrella en GitHub!

QUANTP1 v3.1 - Semi-Automatic Trading System | 2024