fix: 매매 파라미터 3중 소스 정합 + 리스크 가드 복원 + 죽은 코드 2,695줄 제거

## 배경
"전략이 혼란스럽고 현재와 맞지 않는다"를 조사한 결과, 전략 설계가 아니라
전략을 검증했다는 도구와 파라미터 소스가 어긋나 있었다.

## 파라미터 소스 단일화
- 우선순위가 adaptive > strategy_cfg(DB) > config.py 인데 문서는 맨 마지막인
  config.py 를 기술하고 있었다. 11곳이 불일치(BULL RSI 46 vs DB 30, SL -7% vs -6%).
- DEFAULT_PARAMS 를 config.py 에 정합 + alembic 0012 로 기존 DB 행 갱신
  (운영자가 UI 로 바꾼 값은 보존, 옛 기본값과 같은 행만 갱신, 테이블 가드·멱등)

## 백테스트를 실전 로직에 정합
- calculate_adx_simple 이 정확히 period 배(14.0×) 발산 → Aggressive 게이트
  `ADX>25` 가 전 레짐 100% 통과. 전환 빈도 5.6%→2.0%(-65%), 성과 상방 편향
- 백테스트 RSI 는 SMA, 실전은 Wilder → 진입 판정 10~11% 불일치
- us_backtest_engine RSI 1봉 지연 제거 (룩어헤드 없음을 절단 테스트로 증명)
- backend/backtest_results/ 25건은 폐기 대상 (§8.4)

## 리스크 가드 복원
- 4% 절대 상한이 try 블록 안에 있어 예외 시 적응형 6~7% 가 통과 → try 밖으로
- 청산을 매수보다 먼저 평가 (보유 종목이 추천에 들면 손절 대신 물타기가 나갔다)
- 리스크 가드 4개를 매수 전용화 → MDD -10%·보유한도 도달 시에도 손절 작동
- MDD 갱신 5회 연속 실패 시 신규 진입 차단 fail-safe (청산은 계속 허용)
- 스윙 청산이 DT 보유분까지 매도하던 문제, sell_pct 기준 혼재 정정

## 죽은 코드 제거 (2,695줄)
- short_term_strategy, kosdaq_scanner, app/strategy/ 패키지
- app/trading/ + korea_investment_api_adapter (real_market_api 정본은
  korea_investment_api.py:1482, adapter 는 import 0건)

## 지표·사이징 단일화 (수치 무변경 증명)
- indicators_core.py: 3,274건 비교 최대 오차 0.000e+00
- sizing_core.py: 42,105건 비교 불일치 0
- 미국 전략 상수 13개 config 편입 (hex 까지 동일, 3,168 케이스 전수 비교)

## 테스트 안전 (실 KIS 호출 차단)
- 유닛 테스트가 실제 KIS 에 매도 주문을 2회 전송하고 있었다. 리팩터링이
  close_stale_positions 의 대상을 _execute_exit → _execute_exit_stale 로
  바꿨는데 목이 전자에 걸려 빗나갔다. test_api_endpoints 도 캡처된 싱글톤
  참조 누수로 실제 잔고 조회를 타 141초를 소비했다.
- backend/tests/conftest.py 신설: 주문·토큰·시세·잔고를 호출 즉시 예외로 차단.
  예외는 BaseException 파생(프로덕션 except Exception 폴백에 삼켜지지 않게),
  클래스 메서드에 적용(캡처된 참조까지 덮음), DATABASE_URL `_test` 가드 강제
- 전체 유닛 스위트: 365초/6 failed → 11.8초/0 failed (소켓 차단 하 559 passed)

## 신규 (둘 다 플래그 OFF, 백테스트 미검증)
- range_trading_strategy.py — SIDEWAYS 담당 전략이 없던 빈 칸. 미배선
- check_bear_buy_signal_v2 — BEAR 4중 AND(발화율 2.3%) → 점수제(12.4%)

## 문서
- CLAUDE.md 를 실제 코드 기준으로 재작성. §0 파라미터 우선순위, §4.1 테스트 규약,
  §6.4 문서화되지 않았던 진입 차단 게이트 9종, §8.4 백테스트 폐기 근거,
  §8.5 미해결 19항목
- 루트 md 6개 → 2개(docs/ 이동), 중복 배치 문서 병합, 스테일 worktree 제거

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

backend/app/services/us_backtest_engine.py

@@ -12,6 +12,7 @@ from dataclasses import dataclass, asdict
 
 import numpy as np
 
+from app.services.indicators_core import bollinger_sma, rsi_wilder
 from app.services.korea_investment_api import korea_investment_api
 from app.services.us_stock_strategy import (
     check_us_buy_signal,
@@ -501,32 +502,25 @@ def _calculate_indicators(daily_data: List[Dict]) -> List[Dict]:
 
 
 def _compute_rsi(closes: np.ndarray, period: int = 14) -> List[Optional[float]]:
-    """RSI 계산"""
-    n = len(closes)
-    rsi = [None] * n
+    """RSI 계산 (Wilder 평활, **당일 종가 포함** — BB·실전과 동일 기준봉)
 
-    if n <= period:
-        return rsi
+    [2026-09-27 §8.5-1 수정] 이전 구현은 인덱스 i 의 RSI 를 `closes[:i]`
+    (= 직전 봉까지)로 계산해 정식 Wilder RSI 를 1봉 지연시켰다. 룩어헤드는 없었지만
+      - 같은 엔진의 볼린저 밴드(`_compute_bollinger`)는 `closes[:i + 1]`(당일 포함)
+      - 실전 경로(us_stock_strategy.scan_us_stocks:336/344 — `calculate_rsi(closes)`,
+        `calculate_bollinger(closes)`, `closes[-1]` = 당일 종가)도 당일 포함
+    이라 백테스트만 1봉 어긋난 신호로 검증되고 있었다. 이제 BB 와 동일하게
+    `closes[:i + 1]` 을 쓴다.
 
-    deltas = np.diff(closes)
-    gains = np.where(deltas > 0, deltas, 0.0)
-    losses = np.where(deltas < 0, -deltas, 0.0)
+    ⚠️ 룩어헤드 없음: 인덱스 i 의 값은 `closes[:i + 1]`(= i 번째 봉의 종가까지)만
+    참조하며 i+1 이후 봉은 절대 참조하지 않는다. 이는 실전에서 당일 종가 확정 후
+    스캔이 도는 것과 동일한 정보 집합이다(체결은 다음 봉 시가 — 호출부 참조).
 
-    avg_gain = np.mean(gains[:period])
-    avg_loss = np.mean(losses[:period])
-
-    for i in range(period, n - 1):
-        if avg_loss == 0:
-            rsi[i + 1] = 100.0
-        else:
-            rs = avg_gain / avg_loss
-            rsi[i + 1] = 100.0 - (100.0 / (1.0 + rs))
-
-        if i < len(gains):
-            avg_gain = (avg_gain * (period - 1) + gains[i]) / period
-            avg_loss = (avg_loss * (period - 1) + losses[i]) / period
-
-    return rsi
+    rsi_prev(3봉 전 RSI) 정합성: 호출부는 `indicators[i - 3]["rsi"]` 를 쓰므로
+    이제 `closes[:i - 2]`(= i-3 번째 봉까지) 기준이 되어 실전
+    `calculate_rsi(closes[:-3])` 와 정확히 일치한다(수정 전에는 한 봉 더 과거였다).
+    """
+    return [rsi_wilder(list(closes[:i + 1]), period) for i in range(len(closes))]
 
 
 def _compute_bollinger(
@@ -534,19 +528,24 @@ def _compute_bollinger(
     period: int = 20,
     std_mult: float = 2.0,
 ) -> tuple:
-    """볼린저 밴드 계산 -> (middle, upper, lower)"""
+    """볼린저 밴드 계산 -> (middle, upper, lower)
+
+    [2026-09-27 §8.5-1 중복 통합] 계산 본체는 indicators_core.bollinger_sma() 로 이동.
+    원 구현이 `np.std(..., ddof=0)`(모표준편차)를 명시했고 indicators_core 도 ddof=0
+    이므로 수치가 동일하다(pandas `.std()` 기본 ddof=1 과 갈리는 함정은 해당 없음).
+    반환 순서는 기존 호출부 호환을 위해 (middle, upper, lower) 를 유지한다
+    — indicators_core 는 (upper, middle, lower) 순서임에 주의.
+    """
     n = len(closes)
-    middle = [None] * n
-    upper = [None] * n
-    lower = [None] * n
+    middle: List[Optional[float]] = [None] * n
+    upper: List[Optional[float]] = [None] * n
+    lower: List[Optional[float]] = [None] * n
 
     for i in range(period - 1, n):
-        window = closes[i - period + 1:i + 1]
-        m = float(np.mean(window))
-        s = float(np.std(window, ddof=0))
-        middle[i] = m
-        upper[i] = m + std_mult * s
-        lower[i] = m - std_mult * s
+        band = bollinger_sma([float(c) for c in closes[:i + 1]], period, std_mult)
+        if band is None:
+            continue
+        upper[i], middle[i], lower[i] = band
 
     return middle, upper, lower