Files

Tika da30ef19ed Initial commit — Trading AI Secure project complet

Architecture Docker (8 services), FastAPI, TimescaleDB, Redis, Streamlit.
Stratégies : scalping, intraday, swing. MLEngine + RegimeDetector (HMM).
BacktestEngine + WalkForwardAnalyzer + Optuna optimizer.
Routes API complètes dont /optimize async.

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

2026-03-08 17:38:09 +00:00

3.9 KiB

Raw Blame History

CLAUDE.md — Trading AI Secure

Projet

Système de trading algorithmique avec IA adaptative.

Langage : Python 3.11
Dépôt : /home/tika/trading-project/
Stack Docker : docker-compose.yml à la racine du projet

Architecture des containers

Container	Port	Rôle
`trading-api`	8100	FastAPI — orchestration, risk, backtest
`trading-ml`	8200	Microservice ML (XGBoost, LightGBM, HMM, Optuna)
`trading-dashboard`	8501	Streamlit UI
`trading-jupyter`	8888	JupyterLab
`trading-grafana`	3100	Dashboards Prometheus
`trading-db`	—	TimescaleDB (PostgreSQL + time-series)
`trading-redis`	—	Cache (données marché, signaux)

NPM (port 80/443) reverse-proxy vers ces services depuis /docker/docker-compose.yml.

Conventions à respecter

Langue des commentaires et logs : Français
Stop-loss : OBLIGATOIRE sur chaque trade — jamais de position sans SL
RiskManager : Singleton strict — ne jamais instancier deux fois
Circuit breakers : NE JAMAIS désactiver en production
Paper trading : minimum 30 jours avant activation du live trading
Seuils de validation : Sharpe ≥ 1.5, Max Drawdown ≤ 10%, Win Rate ≥ 55%

Fichiers critiques

src/utils/config_loader.py   # Charge YAML + ${ENV_VAR} + overrides Docker
src/core/risk_manager.py     # Singleton VaR/CVaR/circuit breakers/Telegram
src/core/notifications.py    # TelegramNotifier + EmailNotifier
src/db/models.py             # Trade, OHLCVData, BacktestResult, MLModelMeta
src/db/session.py            # SQLAlchemy engine, get_db(), init_db()
src/api/app.py               # FastAPI lifespan (init DB + RiskManager)
src/api/routers/trading.py   # Routes wirées au business logic
src/ml/service.py            # Microservice ML FastAPI

Configuration

Copier .env.example → .env et renseigner :

TRADING_DB_PASSWORD : mot de passe TimescaleDB
GRAFANA_ADMIN_PASSWORD : mot de passe Grafana
ALPHA_VANTAGE_API_KEY : clé API gratuite (500 calls/jour)
TELEGRAM_BOT_TOKEN + TELEGRAM_CHAT_ID : alertes temps réel

Le ConfigLoader supporte ${VAR_NAME} et ${VAR_NAME:-default} dans les YAML. Il override automatiquement data_sources.cache.redis depuis REDIS_URL.

Commandes

make docker-init        # Premier démarrage (crée .env + build + up)
make docker-up          # Démarrer tous les services
make docker-down        # Arrêter
make docker-logs        # Logs de tous les services
make docker-api-logs    # Logs API uniquement
make docker-build       # Rebuild les images

Phases de développement

Phase	Statut	Description
Phase 1 : Architecture	🟡 En cours	FastAPI, DataService, RiskManager, Docker
Phase 2 : IA Adaptative	⚪ Planifié	MLEngine, RegimeDetector, Optuna, Kelly
Phase 3 : Stratégies	⚪ Planifié	Backtesting, walk-forward, Monte Carlo
Phase 4 : Interface	⚪ Planifié	Dashboard connecté à l'API, alertes UI
Phase 5 : IG Markets	⚪ Planifié	Broker réel après 30j paper trading validé

Avancement actuel (Phase 1)

Terminé

Infrastructure Docker 8 services
ConfigLoader avec substitution env vars
Modèles SQLAlchemy (Trade, OHLCVData, BacktestResult, MLModelMeta, OptimizationRun)
Session DB + TimescaleDB hypertable automatique
NotificationService Telegram + Email
RiskManager : Telegram réel, PnL hebdomadaire
StrategyEngine : DataService wiring, prix réels depuis market_data
FastAPI API : routes /health /ready /risk /positions /backtest /paper
FastAPI lifespan : init DB + RiskManager

À faire

BacktestEngine → DataService réel (remplacer fake data)
Dashboard Streamlit → appels httpx vers trading-api (remplacer données hardcodées)
MLEngine → StrategyEngine : signaux ML dans la boucle de trading
Walk-forward + Monte Carlo validation
IG Markets connector (Phase 5)

3.9 KiB Raw Blame History