Wallet Trainer
Ecosistema de inversión inteligente con análisis de mercado mediante LLMs y simulador en tiempo real.
Plataforma de trading educativa que integra TradingView API para visualización de activos en tiempo real. El sistema utiliza modelos de lenguaje (LLMs) para interpretar gráficos financieros y generar recomendaciones personalizadas según el perfil de riesgo del usuario. Incluye un motor de simulación con capital ficticio para que los usuarios practiquen estrategias antes de operar con dinero real.
El reto principal fue hacer que un LLM analizara gráficos de trading en tiempo real de forma confiable. Los modelos de lenguaje no 'ven' imágenes por defecto, así que había que serializar el estado del gráfico (velas, indicadores, volumen) en un formato textual que el modelo pudiera procesar y del cual pudiera extraer señales con un margen de error aceptable para el usuario.
Evaluamos dos caminos: visión computacional sobre screenshots del gráfico (cv2 + GPT-4V) vs. serialización del estado de la API de TradingView a JSON estructurado. La segunda opción ganó porque era determinista, más rápida (sin overhead de imagen) y producía outputs más consistentes. El LLM recibe un payload JSON con OHLCV, RSI, MACD y volumen, y devuelve un análisis en lenguaje natural con nivel de confianza explícito.
Los LLMs son muy buenos explicando patrones pero terribles siendo consistentes con números exactos. Aprendimos a pedirle al modelo que razone en categorías (alcista / bajista / neutral + confianza alta/media/baja) en lugar de predicciones numéricas, lo que redujo las alucinaciones en un ~40%. También aprendimos que el contexto del perfil de riesgo del usuario debe ir en el system prompt, no en el user prompt — cambia completamente el tono de las recomendaciones.