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>
This commit is contained in:
@@ -46,6 +46,19 @@ except ImportError:
|
||||
|
||||
import pandas as pd
|
||||
|
||||
# [2026-09-27 §8.5-1 중복 통합] 지표 계산은 실전 경로와 동일한 단일 출처를 사용한다.
|
||||
# indicators_core 는 순수 계산 모듈(typing 외 import 없음)이라 DB/설정/네트워크 의존이
|
||||
# 없고 순환 import 도 발생하지 않는다. 이 스크립트는 backend/ 를 루트로 실행되므로
|
||||
# sys.path 에 스크립트 디렉터리를 명시적으로 넣어 `python backend/run_backtest.py`,
|
||||
# `python run_backtest.py` 양쪽에서 동일하게 import 되도록 한다.
|
||||
sys.path.insert(0, str(Path(__file__).resolve().parent))
|
||||
from app.services.indicators_core import ( # noqa: E402
|
||||
adx_wilder as _core_adx_wilder,
|
||||
atr_sma as _core_atr_sma,
|
||||
bollinger_sma as _core_bollinger_sma,
|
||||
rsi_wilder as _core_rsi_wilder,
|
||||
)
|
||||
|
||||
# ---------------------------------------------------------------------------
|
||||
# 백테스트 대상 종목
|
||||
# ---------------------------------------------------------------------------
|
||||
@@ -227,44 +240,26 @@ def determine_adaptive_mode(
|
||||
|
||||
|
||||
def calculate_adx_simple(highs: List[float], lows: List[float], closes: List[float], period: int = 14) -> float:
|
||||
"""간이 ADX 계산 (백테스트용)."""
|
||||
"""ADX (백테스트 적응형 모드용) — 실전과 동일한 Wilder ADX + 20.0 폴백
|
||||
|
||||
[2026-09-27 §8.5-1 수정] 이전 구현은 마지막 단계에서 DX(0~100)에 **합산형**
|
||||
평활(초기값 = sum(dxs[:period]))을 적용해 반환값이 정식 ADX 의 정확히 `period`
|
||||
배로 발산했다(측정: 배율 14.0×). 그 결과 호출부 `determine_adaptive_mode()` 의
|
||||
Aggressive 게이트 `adx > 25`(§8.4)가 사실상 상시 True 가 되어 백테스트가
|
||||
실전보다 공격적인 사이징(포지션 7%·SL -9%)으로 돌았다 = 성과 상방 편향.
|
||||
|
||||
이제 `calculate_adx`(= indicators_core.adx_wilder = 실전 경로
|
||||
mean_reversion_strategy.calculate_adx)와 **동일 알고리즘**이다. 두 함수는
|
||||
폴백 계약만 다르다(아래 참조) — 호출부 호환을 위해 이름·시그니처는 유지한다.
|
||||
|
||||
폴백 계약(기존 유지):
|
||||
- `len(closes) < period + 1` → 20.0 (중립값)
|
||||
- adx_wilder 가 데이터 부족으로 None (`len < period*2 + 1` 또는 DX 부족) → 20.0
|
||||
"""
|
||||
if len(closes) < period + 1:
|
||||
return 20.0
|
||||
plus_dm, minus_dm, tr_list = [], [], []
|
||||
for i in range(1, len(closes)):
|
||||
h, l, pc = highs[i], lows[i], closes[i - 1]
|
||||
up = h - highs[i - 1]
|
||||
down = lows[i - 1] - l
|
||||
plus_dm.append(up if up > down and up > 0 else 0)
|
||||
minus_dm.append(down if down > up and down > 0 else 0)
|
||||
tr_list.append(max(h - l, abs(h - pc), abs(l - pc)))
|
||||
|
||||
def _smooth(data, p):
|
||||
if len(data) < p:
|
||||
return [sum(data) / max(len(data), 1)]
|
||||
s = [sum(data[:p])]
|
||||
for v in data[p:]:
|
||||
s.append(s[-1] - s[-1] / p + v)
|
||||
return s
|
||||
|
||||
s_tr = _smooth(tr_list, period)
|
||||
s_pdm = _smooth(plus_dm, period)
|
||||
s_mdm = _smooth(minus_dm, period)
|
||||
|
||||
dxs = []
|
||||
for i in range(min(len(s_tr), len(s_pdm), len(s_mdm))):
|
||||
if s_tr[i] == 0:
|
||||
continue
|
||||
pdi = s_pdm[i] / s_tr[i] * 100
|
||||
mdi = s_mdm[i] / s_tr[i] * 100
|
||||
denom = pdi + mdi
|
||||
if denom > 0:
|
||||
dxs.append(abs(pdi - mdi) / denom * 100)
|
||||
|
||||
if not dxs:
|
||||
return 20.0
|
||||
adx_smooth = _smooth(dxs, period)
|
||||
return adx_smooth[-1] if adx_smooth else 20.0
|
||||
adx = calculate_adx(highs, lows, closes, period)
|
||||
return adx if adx is not None else 20.0
|
||||
|
||||
|
||||
# ---------------------------------------------------------------------------
|
||||
@@ -342,95 +337,45 @@ class BacktestMetrics:
|
||||
# ---------------------------------------------------------------------------
|
||||
|
||||
def calculate_rsi(closes: List[float], period: int = 14) -> Optional[float]:
|
||||
"""RSI(Relative Strength Index)"""
|
||||
if len(closes) < period + 1:
|
||||
return None
|
||||
gains, losses = [], []
|
||||
for i in range(-period, 0):
|
||||
diff = closes[i] - closes[i - 1]
|
||||
gains.append(max(diff, 0))
|
||||
losses.append(max(-diff, 0))
|
||||
avg_gain = sum(gains) / period
|
||||
avg_loss = sum(losses) / period
|
||||
if avg_loss == 0:
|
||||
return 100.0
|
||||
rs = avg_gain / avg_loss
|
||||
return 100 - (100 / (1 + rs))
|
||||
"""RSI(Relative Strength Index) — Wilder 평활 (실전 경로와 동일)
|
||||
|
||||
[2026-09-27 §8.5-1 수정] 이전에는 `indicators_core.rsi_sma`(평활 없는 SMA 방식)
|
||||
를 썼으나 실전 경로(mean_reversion_strategy.calculate_rsi = rsi_wilder)와
|
||||
알고리즘이 달라 진입/청산 게이트 판정이 약 10% 의 봉에서 갈렸다
|
||||
(측정 n=78,000: mean|Δ|=4.68, p95=14.51, RSI<46 진입게이트 불일치 9.7%,
|
||||
RSI>=70 전량청산 불일치 5.7%). 이제 `rsi_wilder` 로 통일한다.
|
||||
→ 이 변경으로 과거 백테스트 수치와 결과가 달라지는 것은 **의도된 것**이다.
|
||||
|
||||
시그니처·`None` 계약(데이터 부족 시 None)은 그대로 유지한다.
|
||||
"""
|
||||
return _core_rsi_wilder(closes, period)
|
||||
|
||||
|
||||
def calculate_bollinger(closes: List[float], period: int = 20) -> Optional[Tuple[float, float, float]]:
|
||||
"""볼린저 밴드 (2sigma) -> (upper, middle, lower)"""
|
||||
if len(closes) < period:
|
||||
return None
|
||||
window = closes[-period:]
|
||||
middle = sum(window) / period
|
||||
variance = sum((p - middle) ** 2 for p in window) / period
|
||||
std = variance ** 0.5
|
||||
return (middle + 2 * std, middle, middle - 2 * std)
|
||||
"""볼린저 밴드 (2sigma) -> (upper, middle, lower)
|
||||
|
||||
[2026-09-27 §8.5-1 중복 통합] indicators_core.bollinger_sma(num_std=2.0) 위임.
|
||||
모표준편차(ddof=0) 사용 — 실전 경로와 동일.
|
||||
"""
|
||||
return _core_bollinger_sma(closes, period, 2.0)
|
||||
|
||||
|
||||
def calculate_atr(highs: List[float], lows: List[float], closes: List[float], period: int = 14) -> Optional[float]:
|
||||
"""ATR(Average True Range)"""
|
||||
if len(highs) < period + 1 or len(lows) < period + 1 or len(closes) < period + 1:
|
||||
return None
|
||||
true_ranges = []
|
||||
for i in range(1, len(highs)):
|
||||
h, l, c_prev = highs[i], lows[i], closes[i - 1]
|
||||
tr = max(h - l, abs(h - c_prev), abs(l - c_prev))
|
||||
true_ranges.append(tr)
|
||||
if len(true_ranges) < period:
|
||||
return None
|
||||
return sum(true_ranges[-period:]) / period
|
||||
"""ATR(Average True Range) — TR 의 단순평균
|
||||
|
||||
[2026-09-27 §8.5-1 중복 통합] indicators_core.atr_sma() 위임. 실전 경로와 동일.
|
||||
"""
|
||||
return _core_atr_sma(highs, lows, closes, period)
|
||||
|
||||
|
||||
def calculate_adx(highs: List[float], lows: List[float], closes: List[float], period: int = 14) -> Optional[float]:
|
||||
"""ADX(Average Directional Index) - Wilder's smoothing"""
|
||||
n = len(highs)
|
||||
if n < period * 2 + 1:
|
||||
return None
|
||||
"""ADX(Average Directional Index) - Wilder's smoothing
|
||||
|
||||
trs, plus_dms, minus_dms = [], [], []
|
||||
for i in range(1, n):
|
||||
h, l, c_prev = highs[i], lows[i], closes[i - 1]
|
||||
h_prev, l_prev = highs[i - 1], lows[i - 1]
|
||||
tr = max(h - l, abs(h - c_prev), abs(l - c_prev))
|
||||
up_move = h - h_prev
|
||||
down_move = l_prev - l
|
||||
plus_dm = up_move if up_move > down_move and up_move > 0 else 0.0
|
||||
minus_dm = down_move if down_move > up_move and down_move > 0 else 0.0
|
||||
trs.append(tr)
|
||||
plus_dms.append(plus_dm)
|
||||
minus_dms.append(minus_dm)
|
||||
|
||||
def _wilder_smooth(values):
|
||||
smoothed = [sum(values[:period])]
|
||||
for v in values[period:]:
|
||||
smoothed.append(smoothed[-1] - smoothed[-1] / period + v)
|
||||
return smoothed
|
||||
|
||||
atr_s = _wilder_smooth(trs)
|
||||
plus_dm_s = _wilder_smooth(plus_dms)
|
||||
minus_dm_s = _wilder_smooth(minus_dms)
|
||||
|
||||
dxs = []
|
||||
for atr_v, p_dm, m_dm in zip(atr_s, plus_dm_s, minus_dm_s):
|
||||
if atr_v == 0:
|
||||
dxs.append(0.0)
|
||||
continue
|
||||
plus_di = 100.0 * p_dm / atr_v
|
||||
minus_di = 100.0 * m_dm / atr_v
|
||||
di_sum = plus_di + minus_di
|
||||
dxs.append(100.0 * abs(plus_di - minus_di) / di_sum if di_sum else 0.0)
|
||||
|
||||
if len(dxs) < period:
|
||||
return None
|
||||
# [FIX] ADX는 합산형 _wilder_smooth(초기값=sum)가 아니라 평균형 Wilder 평활을
|
||||
# 써야 한다. 기존엔 DX(0~100)에 sum-accumulation을 적용해 ADX가 100을 넘어
|
||||
# 발산했고, SIDEWAYS 게이트(ADX<20)가 사실상 무력화됐다. mean_reversion_strategy와 동일 수정.
|
||||
adx_val = sum(dxs[:period]) / period # 초기값 = 평균
|
||||
for dx_v in dxs[period:]:
|
||||
adx_val = adx_val - adx_val / period + dx_v / period
|
||||
return round(adx_val, 2)
|
||||
[2026-09-27 §8.5-1 중복 통합] indicators_core.adx_wilder() 위임. 실전 경로와 동일.
|
||||
(DX 평활은 평균형 — 합산형을 쓰면 ADX 가 100을 넘어 발산하고 SIDEWAYS 게이트가
|
||||
무력화된다. 2026-09-27 부터 calculate_adx_simple 도 이 함수에 위임한다.)
|
||||
"""
|
||||
return _core_adx_wilder(highs, lows, closes, period)
|
||||
|
||||
|
||||
def is_reversal_candle(opens: List[float], highs: List[float],
|
||||
|
||||
Reference in New Issue
Block a user