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:
2026-09-28 08:58:18 +09:00
parent b4608e5abf
commit 1b9257c4d2
71 changed files with 5510 additions and 3685 deletions

178
docs/AUTOTRADE_DIAGNOSIS.md Normal file
View File

@@ -0,0 +1,178 @@
# 🔍 자동매매 점검 리포트
## 📋 체크리스트
### 1. ⏰ 장 운영 시간
**현재 상황:**
- 오늘: 2026년 2월 5일 (수요일)
- 한국 주식시장 정규 장시간: 09:00 ~ 15:30
- **문제:** 현재 시각이 장 마감 이후라면 자동매매가 중단됩니다
**확인 방법:**
```python
# 코드에서 확인
from app.core.market_schedule import is_market_open
print(is_market_open()) # False이면 장 마감
```
**해결책:**
- 장 시간(09:00~15:30) 내에 다시 확인
- 테스트 목적이라면 `market_schedule.py`에서 시간 체크 임시 비활성화
---
### 2. ⚙️ AUTO_TRADE_ENABLED 설정
**현재 설정:** `config.py`에 `AUTO_TRADE_ENABLED = True`로 설정되어 있음
**확인 필요:**
- `.env` 파일에서 `AUTO_TRADE_ENABLED=False`로 덮어쓰고 있는지 확인
- 환경 변수가 코드 기본값을 오버라이드할 수 있음
**확인 방법:**
```bash
docker exec autostock-backend env | grep AUTO_TRADE
```
**해결책:**
- `.env` 파일 확인 및 수정
- 또는 config.py에서 명시적으로 True 설정
---
### 3. 🔑 KIS API 인증 정보
**필수 설정:**
- `KIS_APP_KEY` (앱 키)
- `KIS_APP_SECRET` (앱 시크릿)
- `KIS_ACCOUNT_NO` (계좌번호)
**확인 방법:**
```bash
docker exec autostock-backend env | grep KIS_
```
**문제:**
- API 키가 없으면 주문 실행 불가
- 모의투자와 실투자 URL이 다름
**해결책:**
- `.env` 파일에 올바른 KIS API 정보 입력
- 모의투자: `https://openapivts.koreainvestment.com:29443`
- 실투자: `https://openapi.koreainvestment.com:9443`
---
### 4. 📊 추천 종목 존재 여부
**자동매매 실행 조건:**
1. 장이 열려 있어야 함
2. AUTO_TRADE_ENABLED = True
3. **추천 종목 리스트에 매수 신호가 있어야 함**
**코드 로직:**
```python
rec = await get_rule_based_recommendations_realtime()
if rec and rec.get("recommendations_by_rule"):
# 자동매매 실행
else:
logger.info("⏭️ Auto-trade skipped: no recommendations matched rules")
```
**확인 방법:**
```bash
curl http://localhost:8090/api/v1/recommendations/rule-based
```
**문제 가능성:**
- RSI, 스토캐스틱 등 기술적 지표가 매수 조건을 만족하는 종목이 없음
- TREND_FILTER_ENABLED=True인 경우 상승 추세 종목만 선택 (현재는 False)
---
### 5. 💾 데이터베이스 연결
**확인 항목:**
- PostgreSQL 컨테이너 실행 중
- 테이블 생성 완료 (portfolio, trade_history 등)
**확인 방법:**
```bash
docker ps | grep postgres
docker exec autostock-postgres psql -U autostock -d autostock_db -c "SELECT COUNT(*) FROM portfolio;"
```
---
### 6. 🔄 스케줄러 동작 여부
**백엔드 로그 확인:**
```bash
docker logs autostock-backend 2>&1 | grep "Auto-trade scheduler"
docker logs autostock-backend 2>&1 | grep "Market is closed"
docker logs autostock-backend 2>&1 | grep "Starting real-time analysis"
```
**기대 로그:**
- 장 중: "⏱️ Auto-trade scheduler started (every 60s)"
- 장 중: "🔄 Starting real-time analysis cycle..."
- 장 마감: "💤 Market is closed. Skipping auto-trade cycle. Next check in 30 minutes."
---
## 🎯 가장 가능성 높은 원인
### 1순위: 장 마감 시간
- **증상:** 15:30 이후에는 자동매매가 중단됨
- **해결:** 다음 거래일 09:00~15:30에 다시 확인
### 2순위: 매수 조건 미충족
- **증상:** 추천 종목 리스트가 비어있음
- **원인:**
- 현재 시장 상황에서 RSI < 40 또는 Stochastic < 30 조건을 만족하는 종목 없음
- 모든 종목이 과매수 상태이거나 중립 구간
- **해결:**
- 매수 조건 완화 (RSI < 50, Stochastic < 40 등)
- 또는 시장이 조정 받을 때까지 대기
### 3순위: KIS API 인증 문제
- **증상:** API 호출 시 401/403 에러
- **해결:** .env 파일에 올바른 API 키 설정
---
## ✅ 즉시 확인할 사항
1. **현재 시각 확인**
```bash
TZ='Asia/Seoul' date '+%H:%M'
```
- 09:00 ~ 15:30 범위 내인가?
2. **백엔드 컨테이너 상태**
```bash
docker ps | grep backend
```
- "Up" 상태인가?
3. **최근 로그 확인**
```bash
docker logs autostock-backend --tail 50
```
- 에러 메시지가 있는가?
- "Market is closed" 메시지가 있는가?
4. **추천 종목 API 테스트**
```bash
curl http://localhost:8090/api/v1/recommendations/rule-based
```
- 종목 리스트가 반환되는가?
---
## 🔧 임시 테스트 방법 (개발 환경)
장 시간 체크를 임시로 비활성화하여 테스트:
```python
# backend/app/core/market_schedule.py 수정
def is_market_open() -> bool:
return True # 임시로 항상 True 반환 (테스트용)
```
**주의:** 실제 운영 환경에서는 절대 사용 금지!

View File

@@ -1,116 +0,0 @@
# 배치 분석 가이드
## 개요
매일 아침 장 시작 전에 전체 종목을 분석하여 DB에 캐시합니다.
이를 통해 대시보드 첫 진입 시 빠른 로딩이 가능합니다.
## 수동 실행
### 테스트 (10개 종목만)
```bash
cd backend
../.venv/bin/python batch_daily_analysis.py --test
```
### 제한된 개수 분석
```bash
cd backend
../.venv/bin/python batch_daily_analysis.py --limit 30
```
### 전체 분석
```bash
cd backend
../.venv/bin/python batch_daily_analysis.py
```
## 자동 실행 (Cron)
### Cron Job 설정
```bash
./setup-cron.sh
```
이 스크립트는:
- 매일 평일(월~금) 오전 8시 50분에 배치 분석 실행
- 장 시작 전(9시) 데이터를 준비
- 로그는 `logs/batch_analysis.log`에 저장
### Cron Job 확인
```bash
crontab -l | grep batch_daily_analysis
```
### Cron Job 제거
```bash
crontab -e
# 해당 라인 삭제 후 저장
```
## 로그 확인
### 실시간 로그 보기
```bash
tail -f logs/batch_analysis.log
```
### 최근 로그 확인
```bash
tail -100 logs/batch_analysis.log
```
## 동작 방식
1. **8:50 AM**: Cron이 배치 스크립트 실행
2. **종목 조회**: KOSPI + KOSDAQ 거래량 상위 종목
3. **기술적 분석**: 각 종목의 RSI, MA, 볼린저 밴드 등 계산
4. **DB 저장**: `stock_analysis` 테이블에 저장
5. **9:00 AM**: 장 시작
6. **첫 진입**: DB에서 캐시된 데이터를 빠르게 로드 (1초 이내)
## API 제한 대응
한국투자증권 API는 다음 제한이 있습니다:
- 토큰 발급: 1분에 1회
- API 호출: 초당 2회 권장
배치 스크립트는:
- 각 종목 분석 후 2초 대기
- API 에러 시 자동 재시도 (최대 3회)
- 지수 백오프로 대기 시간 증가
## 예상 소요 시간
- 10개 종목: 약 30초
- 30개 종목: 약 2분
- 60개 종목 (전체): 약 4분
## 문제 해결
### Cron이 실행되지 않음
```bash
# Cron 데몬 상태 확인 (macOS)
sudo launchctl list | grep cron
# Cron 데몬 시작 (macOS)
sudo launchctl start com.vix.cron
```
### API 토큰 에러
로그에 "접근토큰 발급 잠시 후 다시 시도하세요" 메시지가 반복되면:
- 배치 스크립트가 너무 빨리 실행됨
- `batch_daily_analysis.py`의 `await asyncio.sleep(2)` 값을 3~5초로 증가
### DB 연결 에러
```bash
# PostgreSQL 실행 확인
pg_isready -h localhost -p 5432
# 서비스 시작
./start-all.sh
```
## 참고
- 배치 분석은 선택사항입니다
- 실행하지 않아도 첫 진입 시 실시간 분석이 자동으로 수행됩니다
- 다만 실시간 분석은 10~30초 소요됩니다

View File

@@ -1,101 +1,131 @@
# 배치 분석 시스템 사용 가이드
# 배치 분석 가이드
> 2026-09-27 정리: `BATCH_GUIDE.md` 와 `BATCH_ANALYSIS_GUIDE.md` 두 문서를 하나로 합쳤다.
> 두 문서가 종목 수(200 vs 60)·cron 시각(09:00 vs 08:50)·실행 스크립트를 서로 다르게 적고 있었고,
> 양쪽 모두 **존재하지 않는 스크립트**(`run-batch.sh`, `start-all.sh`)를 안내하고 있었다.
> 아래 내용은 실제 코드(`setup-cron.sh`, `backend/batch_daily_analysis.py`, `config.py`)를 확인해 작성했다.
## 개요
매일 아침 전체 종목을 분석하여 DB에 저장하는 배치 시스템입니다.
API 응답 속도가 **30초 → 0.1초**로 300배 빨라집니다!
장 시작 전에 전체 종목을 분석해 `stock_analysis` 테이블에 캐시한다. 대시보드 첫 진입 시 실시간 분석(30초)을 기다리지 않고 DB에서 바로 읽는다.
## 사용 방법
배치는 **선택사항**이다. 실행하지 않아도 첫 진입 시 실시간 분석이 자동 수행되며, 그 경우 10~30초가 걸린다.
### 1. 테스트 실행 (10개 종목만)
```bash
./run-batch.sh --test
```
## 무엇이 언제 도는가
### 2. 일부 종목만 분석 (예: 50개)
```bash
./run-batch.sh --limit 50
```
`setup-cron.sh` 가 등록하는 cron 잡은 **3개**다(모두 평일, `docker exec autostock-backend` 경유).
### 3. 전체 종목 분석 (실제 운영)
```bash
./run-batch.sh
```
| 시각 | 스크립트 | 로그 |
|------|----------|------|
| 06:00 | `prefetch_token.py` | `logs/token_prefetch.log` |
| 08:50 | `batch_daily_analysis.py` | `logs/batch_analysis.log` |
| 09:00~15:00 매 10분 | `batch_intraday_analysis.py` | `logs/batch_intraday.log` |
또는
토큰 프리페치가 06:00에 먼저 도는 이유: KIS 토큰 발급은 1분에 1회 제한이라, 08:50 배치가 토큰 발급부터 시작하면 실패 시 재시도 여유가 없다.
## 수동 실행
컨테이너 밖에서 돌릴 때는 프로젝트 venv 를 쓴다.
```bash
cd backend
python batch_daily_analysis.py
# 테스트 (10종목)
../.venv/bin/python batch_daily_analysis.py --test
# 개수 제한
../.venv/bin/python batch_daily_analysis.py --limit 30
# 전체
../.venv/bin/python batch_daily_analysis.py
```
## Cron 설정 (자동 실행)
매일 아침 9시에 자동 실행:
컨테이너 안에서:
```bash
# crontab 편집
crontab -e
# 아래 내용 추가 (경로는 실제 경로로 수정)
0 9 * * 1-5 cd /Users/commylife/myproject/java/workspace/auto-stock && ./run-batch.sh >> logs/batch.log 2>&1
docker exec autostock-backend python /app/batch_daily_analysis.py --test
```
## API 사용
인자는 `--test`(10종목)와 `--limit N` 두 개뿐이다.
## 자동 실행
### 빠른 모드 (DB 조회 - 0.1초)
```bash
./setup-cron.sh # 3개 잡 등록 (이미 있으면 건너뜀)
crontab -l | grep batch # 확인
crontab -e # 제거는 해당 라인 삭제
```
`setup-cron.sh` 는 `docker` 명령을 찾지 못하면 중단한다. 컨테이너명은 `autostock-backend` 로 고정되어 있다.
## 로그
```bash
tail -f logs/batch_analysis.log
tail -100 logs/batch_analysis.log
```
## 동작 방식
1. 종목 목록 조회 — 네이버 시가총액 순위(`naver_finance`, KOSPI+KOSDAQ). 실패 시 `stock_daily_prices` 최근 거래일 기준으로 폴백
2. 종목별 기술적 분석 — RSI, MA5/20/60, 볼린저, 스토캐스틱 등
3. `stock_analysis` 테이블에 upsert
4. 장 시작 후 첫 진입은 이 캐시를 읽는다
분석 종목 수는 `config.py` 의 `ANALYSIS_STOCK_COUNT`(기본 **300**)가 결정한다. 이 값은 `strategy_configs` DB 테이블로도 덮일 수 있다 — CLAUDE.md §0 파라미터 우선순위 참고.
## 소요 시간
종목당 API 대기가 있어 개수에 거의 비례한다. 10종목 약 30초, 30종목 약 2분 기준으로 추정하면 된다. 정확한 값은 `logs/batch_analysis.log` 의 실제 실행 기록을 보는 것이 맞다.
## API 제한 대응
KIS API 제한:
- 토큰 발급 1분에 1회
- 호출 초당 2회 권장
배치 쪽 대응:
- 종목 분석 사이 대기
- 에러 시 지수 백오프 재시도
## 조회 API
전역 프리픽스는 `/api/v1` 이다.
```bash
# 빠른 조회 (DB 캐시)
GET /api/v1/recommendations/rule-based
```
### 실시간 모드 (KIS API - 30초)
```bash
# 실시간 분석 (느림)
GET /api/v1/recommendations/rule-based?realtime=true
GET /api/v1/recommendations/rule-based/realtime # 분석 후 DB upsert + 반환
```
## 프론트엔드 버튼 추가 예시
프론트엔드는 기본을 DB 조회로 두고, 실시간은 명시적 버튼으로 분리하는 것이 좋다.
```typescript
// 실시간 새로고침 버튼
<button onClick={() => refetch({ realtime: true })}>
🔴 실시간 분석 (30초)
</button>
## `stock_analysis` 주요 컬럼
// 기본은 DB 조회 (빠름)
<button onClick={() => refetch()}>
✅ 빠른 조회 (0.1초)
</button>
`backend/app/models/models.py` 의 `StockAnalysis` 가 정본이다.
```
stock_code, stock_name, analysis_date, current_price, change_rate, volume,
rsi, ma5, ma20, ma60, stochastic_k, stochastic_d, signals(JSONB), score, ...
```
## 데이터베이스 스키마
## 문제 해결
```sql
CREATE TABLE stock_analysis (
id SERIAL PRIMARY KEY,
stock_code VARCHAR(20),
stock_name VARCHAR(100),
analysis_date DATE,
current_price INTEGER,
rsi NUMERIC(10,4),
ma5 NUMERIC(15,2),
ma20 NUMERIC(15,2),
signals JSONB,
score INTEGER,
...
);
**cron 이 실행되지 않음** (macOS)
```bash
sudo launchctl list | grep cron
```
cron 잡이 `docker exec` 를 쓰므로 Docker Desktop 이 떠 있어야 한다.
## 장점
**"접근토큰 발급 잠시 후 다시 시도하세요" 반복**
토큰 발급 1분 제한에 걸린 것이다. 06:00 프리페치 잡이 등록됐는지 먼저 확인하고, 수동 실행을 연달아 하지 않는다.
⚠️ 로컬에서 배치를 돌릴 때 NAS 와 같은 앱키를 쓰면 **서로 토큰을 무효화**한다. 로컬 실행은 앱키를 분리하거나 피한다.
- ✅ **속도**: 30초 → 0.1초 (300배 빠름)
- ✅ **안정성**: KIS API Rate Limit 회피
- ✅ **편의성**: 사용자가 기다릴 필요 없음
- ✅ **확장성**: 과거 데이터 추적 가능
- ✅ **분석**: 백테스팅, 통계 분석 가능
## 주의사항
- 배치 실행 시간: 약 5-10분 (전체 200개 종목 기준)
- KIS API Rate Limit: 초당 1건 제한
- 데이터는 매일 아침 9시 기준
- 장중 실시간 가격은 `realtime=true` 옵션 사용
**DB 연결 에러**
```bash
docker compose ps
docker compose logs autostock-db --tail 50
```

286
docs/REFACTORING_PLAN.md Normal file
View File

@@ -0,0 +1,286 @@
# AutoStock 리팩토링 마스터 플랜
> ⚠️ **폐기됨 (2026-09-27)**
> 이 계획이 목표로 삼은 `app/strategy/` 패키지(`strategy_manager`, `base_strategy`, `signal`,
> `indicators`, `scanner`, `strategies/`)는 **어디서도 import되지 않는 죽은 코드로 확인되어 삭제**되었습니다.
> `short_term_strategy.py`, `kosdaq_scanner.py` 도 함께 제거되었습니다(2.5 항목 무효).
> 아래 내용은 이력 참고용이며, 현재 구조는 `CLAUDE.md` §2 를 따릅니다.
> 전략 구조를 다시 손대려면 `CLAUDE.md` §8.5(미해결 항목)부터 확인하십시오.
---
> **목표**: 현재 엉망진창인 구조를 유지보수 가능한 모듈형 아키텍처로 전환
> **원칙**: 기존 코드는 버리지 않고 재배치 + 추상화 레이어 추가
> **일정**: 2026년 3월 ~ 4월 (단계별 점진적 리팩토링)
---
## 현재 구조의 문제점
### 1. 거대 파일 문제
- `main.py` (30KB) - FastAPI 라우터 + 매매 로직 + WebSocket이 모두 혼재
- `portfolio.py` (58KB) - API 엔드포인트에 비즈니스 로직 직접 구현
- `korea_investment_api.py` (49KB) - KIS API 전체가 한 파일
### 2. 역할 분리 미흡
```
현재 services/
├── KIS API 관련 (korea_investment_api.py, kis_realtime_stream.py)
├── 전략 관련 (day_trading_strategy.py, mean_reversion_strategy.py)
├── 리스크 관련 (loss_tracker.py, mdd_manager.py)
├── ML 관련 (ml_ensemble.py, tensorflow_predictor.py)
└── 기타 (market_analyzer.py, technical_indicators.py)
→ 모두 services/ 에 flat하게 존재
```
### 3. 배치 스크립트 분산
- `batch_daily_analysis.py` (22KB)
- `batch_intraday_analysis.py` (19KB)
- `collect_krx_data.py` (14KB)
→ 루트에 독립 파일로 흩어져 있음
### 4. 설정 관리 방식
- `trading_rules_config.json` - 전략 설정이 파일
- DB에 있어야 할 데이터가 파일로 관리됨
---
## 목표 구조
```
backend/app/
│
├── api/endpoints/ # REST API 라우터만 (얇은 레이어)
│ ├── portfolio.py # 포트폴리오 조회/수정
│ ├── trades.py # 거래 이력
│ ├── strategy_config.py # 전략 설정 CRUD
│ ├── risk_management.py # 리스크 설정
│ ├── market_data.py # 시세 데이터
│ └── recommendations.py # AI 추천
│
├── trading/ # 매매 실행 엔진 (신규)
│ ├── engine.py # 메인 매매 루프 (asyncio)
│ ├── kis_client.py # KIS REST API 전체
│ ├── ws_client.py # KIS WebSocket 실시간 시세
│ ├── order_manager.py # 주문 실행·취소·조회
│ ├── ws_manager.py # WebSocket 연결 관리
│ └── scheduler.py # 장 스케줄 (batch 통합)
│
├── strategy/ # 전략 엔진 (신규)
│ ├── base_strategy.py # 전략 추상 클래스
│ ├── signal.py # Signal 데이터 클래스
│ ├── strategy_manager.py # 전략 등록·실행·관리
│ ├── indicators.py # 보조지표 (MA, RSI, MACD 등)
│ ├── scanner.py # 종목 스캔
│ ├── market_analyzer.py # 시장 분석
│ ├── feature_engineering.py # ML 피처
│ └── strategies/
│ ├── day_trading.py
│ ├── mean_reversion.py
│ ├── short_term.py
│ └── ml/
│ ├── ensemble.py
│ └── tf_predictor.py
│
├── risk/ # 리스크 관리 (신규)
│ ├── risk_manager.py # 통합 리스크 관리
│ ├── loss_tracker.py # 손실 추적
│ └── mdd_manager.py # MDD 관리
│
├── db/ # 데이터베이스 레이어 (신규)
│ ├── repository.py # DB CRUD 통합
│ └── watchlist.py # 감시종목
│
├── mq/ # RabbitMQ 연동 (신규)
│ ├── producer.py # 신호 발행
│ └── consumer.py # 주문 수신
│
├── cache/ # Redis 캐시 (신규)
│ ├── price_cache.py # 실시간 시세 캐시
│ └── token_cache.py # KIS 토큰 캐시
│
├── models/ # DB 모델 (현재 유지)
├── core/ # 설정·의존성 (현재 유지)
└── main.py # FastAPI 진입점 (대폭 축소)
```
---
## 리팩토링 로드맵
### Phase 1: Trading Engine 분리 (Week 1-2)
**목표**: KIS API 관련 코드를 `trading/` 폴더로 독립
| 작업 | 현재 파일 | 새 위치 | 변경사항 |
|------|----------|---------|---------|
| 1.1 | `korea_investment_api.py` (49KB) | `trading/kis_client.py` | 클래스 단위 분리 |
| 1.2 | `kis_realtime_stream.py` (25KB) | `trading/ws_client.py` | WebSocket 전용 |
| 1.3 | `trade_executor.py` (28KB) | `trading/order_manager.py` | 주문 실행만 |
| 1.4 | `websocket_manager.py` (5KB) | `trading/ws_manager.py` | 연결 관리 |
| 1.5 | batch 파일들 | `trading/scheduler.py` | APScheduler 통합 |
**체크포인트**:
- [ ] `trading/kis_client.py` 테스트 통과
- [ ] WebSocket 실시간 시세 정상 수신
- [ ] 모의투자 주문 성공
- [ ] 기존 API 엔드포인트 정상 동작
---
### Phase 2: Strategy Engine 구축 (Week 3-4)
**목표**: 전략 추상화 + 기존 전략들 재배치
| 작업 | 설명 |
|------|------|
| 2.1 | `strategy/base_strategy.py` 작성 (추상 클래스) |
| 2.2 | `strategy/signal.py` 작성 (Signal 데이터 클래스) |
| 2.3 | `day_trading_strategy.py` → `strategies/day_trading.py` 이전 + 리팩토링 |
| 2.4 | `mean_reversion_strategy.py` → `strategies/mean_reversion.py` 이전 |
| 2.5 | `short_term_strategy.py` → `strategies/short_term.py` 이전 |
| 2.6 | `technical_indicators.py` → `strategy/indicators.py` 이전 |
| 2.7 | `strategy_config_service.py` → `strategy/strategy_manager.py` 이전 |
**체크포인트**:
- [ ] 최소 1개 전략이 새 구조로 동작
- [ ] 신호 생성 → 주문 실행 파이프라인 확인
- [ ] 전략 ON/OFF 동적 전환 가능
---
### Phase 3: Risk Management 통합 (Week 5)
**목표**: 리스크 관리 로직 통합 + 3단계 레이어 구현
| 작업 | 설명 |
|------|------|
| 3.1 | `risk/risk_manager.py` 신규 작성 (Account/Position/Order 레벨) |
| 3.2 | `loss_tracker.py` 이전 |
| 3.3 | `mdd_manager.py` 이전 |
| 3.4 | Circuit Breaker 구현 |
| 3.5 | 손절·익절·트레일링 스탑 통합 |
**체크포인트**:
- [ ] 일일 손실 한도 테스트 성공
- [ ] 손절가 도달 시 자동 청산
- [ ] Circuit Breaker 발동 확인
---
### Phase 4: API Layer 다이어트 (Week 6)
**목표**: API 엔드포인트에서 비즈니스 로직 제거
현재 `portfolio.py` (58KB) 예시:
```python
# 현재 (BAD)
@router.get("/portfolio")
async def get_portfolio():
# 50줄의 비즈니스 로직...
return result
# 목표 (GOOD)
@router.get("/portfolio")
async def get_portfolio():
return await portfolio_service.get_summary()
```
**체크포인트**:
- [ ] 모든 API 파일 < 200줄
- [ ] 비즈니스 로직은 service 레이어에만 존재
---
### Phase 5: Async 실행 흐름 통합 (Week 7)
**목표**: `main.py`를 얇게 만들고 asyncio 태스크 통합
```python
# main.py 최종 목표
async def startup_event():
await init_db()
await init_redis()
await init_rabbitmq()
# 백그라운드 태스크 시작
asyncio.create_task(trading_engine.run())
asyncio.create_task(risk_monitor.run())
asyncio.create_task(scheduler.run())
```
**체크포인트**:
- [ ] `main.py` < 300줄
- [ ] 4개 독립 태스크 정상 동작
- [ ] 태스크 간 Queue 통신 확인
---
### Phase 6: DB + Cache + MQ 레이어 추가 (Week 8)
**목표**: Redis, RabbitMQ 활용 구조 완성
| 작업 | 설명 |
|------|------|
| 6.1 | `cache/price_cache.py` - Redis에 실시간 시세 캐싱 |
| 6.2 | `cache/token_cache.py` - KIS 토큰 Redis 저장 |
| 6.3 | `mq/producer.py` - 신호 → RabbitMQ 발행 |
| 6.4 | `mq/consumer.py` - RabbitMQ → 주문 실행 |
| 6.5 | `db/repository.py` - DB CRUD 통합 |
**체크포인트**:
- [ ] Redis에서 실시간 시세 조회 가능
- [ ] RabbitMQ로 신호 전달 확인
- [ ] DB 트랜잭션 정상
---
## 마이그레이션 체크리스트
각 Phase 완료 시 반드시 확인:
- [ ] 기존 API 엔드포인트 모두 정상 응답
- [ ] Docker Compose 정상 실행
- [ ] 모의투자 환경에서 주문 성공
- [ ] Frontend 대시보드 정상 표시
- [ ] 테스트 커버리지 유지 (최소 현재 수준)
---
## 롤백 전략
각 Phase마다 Git Branch 분리:
```
main
├── feature/refactor-phase1-trading
├── feature/refactor-phase2-strategy
├── feature/refactor-phase3-risk
└── ...
```
Phase 완료 시 main에 merge, 문제 발생 시 이전 브랜치로 revert
---
## 참고 문서
- [ARCHITECTURE.md](./docs/ARCHITECTURE.md) - 최종 아키텍처 다이어그램
- [CLAUDE.md](./CLAUDE.md) - AI MCP 연동 가이드
- [RISK_MANAGEMENT_API.md](./RISK_MANAGEMENT_API.md) - 리스크 API 명세
---
## 진행 현황
- [ ] Phase 1: Trading Engine 분리
- [ ] Phase 2: Strategy Engine 구축
- [ ] Phase 3: Risk Management 통합
- [ ] Phase 4: API Layer 다이어트
- [ ] Phase 5: Async 실행 흐름 통합
- [ ] Phase 6: DB + Cache + MQ 레이어
---
**Last Updated**: 2026-03-06
**Author**: 서영우

248
docs/RISK_MANAGEMENT_API.md Normal file
View File

@@ -0,0 +1,248 @@
# 🔥 리스크 관리 & 성과 평가 API 가이드
## 개요
자동매매 시스템의 안정성과 수익성을 높이기 위한 리스크 관리 기능입니다.
## 주요 기능
### 1. Maximum Drawdown (MDD) 추적
**엔드포인트**: `GET /api/v1/risk/risk-metrics?days=30`
계좌 최고점 대비 최저점 낙폭을 측정합니다.
**응답 예시**:
```json
{
"max_drawdown": 150000,
"max_drawdown_pct": 15.5,
"current_equity": 850000,
"peak_equity": 1000000,
"trades_count": 45,
"risk_level": "주의",
"equity_curve": [...],
"drawdown_curve": [...]
}
```
**위험 레벨**:
- `안전`: MDD < 10%
- `주의`: 10% ≤ MDD < 20%
- `경고`: 20% ≤ MDD < 30% (포지션 축소 권장)
- `위험`: MDD ≥ 30% (시스템 중지 권장)
---
### 2. Sharpe Ratio 계산
**엔드포인트**: `GET /api/v1/risk/sharpe-ratio?days=30`
수익률 대비 변동성(리스크)을 측정하여 전략의 질을 평가합니다.
**응답 예시**:
```json
{
"sharpe_ratio": 1.85,
"avg_return": 2.3,
"std_return": 5.1,
"annualized_return": 579.6,
"interpretation": "Good (우수)",
"trades_count": 42
}
```
**해석**:
- `> 2.0`: Excellent (매우 우수)
- `> 1.0`: Good (우수)
- `> 0`: Fair (보통)
- `< 0`: Poor (개선 필요)
---
### 3. 일일 트레이딩 세션 조회
**엔드포인트**: `GET /api/v1/risk/session/today`
오늘의 연속 손실, 일일 손익, 거래 중지 상태를 확인합니다.
**응답 예시**:
```json
{
"session_date": "2026-02-11",
"consecutive_losses": 2,
"consecutive_wins": 0,
"daily_profit_loss": -45000,
"daily_trades_count": 5,
"is_paused": false,
"pause_reason": null,
"starting_balance": 10000000,
"ending_balance": 9955000,
"peak_balance": 10050000
}
```
---
### 4. 주문 전 리스크 제한 확인
**엔드포인트**: `POST /api/v1/risk/check-risk-limits`
**파라미터**:
- `order_value`: 주문 금액
- `account_balance`: 계좌 잔고
**응답 예시 (통과)**:
```json
{
"allowed": true,
"risk_level": "OK",
"warnings": [],
"position_ratio": 15.5,
"daily_loss_ratio": 1.2,
"consecutive_losses": 1
}
```
**응답 예시 (거부)**:
```json
{
"allowed": false,
"reason": "연속 3회 손실 발생",
"risk_level": "CRITICAL",
"consecutive_losses": 3
}
```
**자동 차단 조건**:
1. **연속 3회 손실**: 3연패 시 자동 중지
2. **일일 손실 3% 초과**: 계좌 대비 3% 손실 시 중지
3. **포지션 사이즈 20% 초과**: 단일 포지션이 계좌의 20% 초과 시 거부
---
### 5. 거래 결과 업데이트
**엔드포인트**: `POST /api/v1/risk/update-session`
**파라미터**:
- `trade_result`: `win` 또는 `loss`
- `profit_loss`: 거래 손익
매도 체결 후 호출하여 세션 상태를 업데이트합니다.
---
### 6. 승률 및 손익 통계
**엔드포인트**: `GET /api/v1/risk/win-rate?days=30`
**응답 예시**:
```json
{
"win_rate": 62.5,
"total_trades": 40,
"wins": 25,
"losses": 15,
"total_profit": 1250000,
"total_loss": 450000,
"net_profit": 800000,
"profit_factor": 2.78,
"avg_win": 50000,
"avg_loss": 30000,
"risk_reward_ratio": 1.67
}
```
**주요 지표**:
- **Profit Factor**: 총 이익 / 총 손실 (1.0 이상 권장, 2.0 이상 우수)
- **Risk/Reward Ratio**: 평균 승리 / 평균 손실 (1.5 이상 권장)
---
## 리스크 관리 설정
### 현재 기본값
```python
MAX_POSITION_SIZE_RATIO = 0.20 # 단일 포지션 20% 제한
MAX_DAILY_LOSS_RATIO = 0.03 # 일일 손실 3% 제한
MAX_CONSECUTIVE_LOSSES = 3 # 연속 3회 손실 제한
# 수수료 및 세금
COMMISSION_RATE = 0.00015 # 수수료 0.015%
TRADE_TAX_RATE = 0.0023 # 거래세 0.23% (매도만)
TOTAL_COST_RATE = 0.0026 # 왕복 약 0.26%
```
---
## 사용 예시
### 매수 전 체크
```python
# 주문 전 리스크 확인
response = requests.post(
"/api/v1/risk/check-risk-limits",
params={
"order_value": 2000000, # 200만원 주문
"account_balance": 10000000 # 1000만원 잔고
}
)
if response.json()["allowed"]:
# 매수 실행
execute_buy_order()
else:
# 주문 거부
logger.warning(f"Order rejected: {response.json()['reason']}")
```
### 매도 후 세션 업데이트
```python
# 매도 체결 후
sell_result = execute_sell_order()
# 손익에 따라 세션 업데이트
trade_result = "win" if sell_result["profit_loss"] > 0 else "loss"
requests.post(
"/api/v1/risk/update-session",
params={
"trade_result": trade_result,
"profit_loss": sell_result["profit_loss"]
}
)
```
---
## 대시보드 표시 권장 사항
### 필수 표시 지표
1. **오늘의 상태**
- 연속 손실 횟수
- 일일 손익
- 거래 중지 상태
2. **리스크 메트릭**
- MDD %
- Sharpe Ratio
- 승률
3. **경고 알림**
- 연속 2회 손실: 노란색 경고
- 연속 3회 손실: 빨간색 차단
- MDD 20% 초과: 주황색 경고
- MDD 30% 초과: 빨간색 위험
---
## 주의사항
1. **백테스팅 후 실전 적용**: 새로운 전략은 반드시 백테스팅으로 검증
2. **리스크 한도 준수**: 설정된 한도를 절대 임의로 변경하지 않기
3. **정기 점검**: 매주 Sharpe Ratio와 MDD 확인
4. **감정 제어**: 시스템이 중지하면 하루 쉬기
---
## 다음 단계 (추가 개발 예정)
- [ ] 백테스팅 API
- [ ] Slack/Telegram 알림 연동
- [ ] 실시간 경고 대시보드
- [ ] 월간/분기별 성과 리포트
- [ ] ATR 기반 동적 손절 설정

139
docs/SPEED_OPTIMIZATION.md Normal file
View File

@@ -0,0 +1,139 @@
# 초기 진입 속도 최적화
## 변경 사항
### 1. 프론트엔드 - DB 캐시 모드 사용
- **파일**: `frontend/src/pages/Dashboard.tsx`
- **변경**: 추천 종목 조회 시 `realtime=false` 파라미터 추가
- **효과**: 30초 → 0.1초로 로딩 속도 개선 (300배 향상)
```typescript
// 기존 (느림 - 30초)
queryFn: async () => (await api.get('/recommendations/rule-based')).data,
// 변경 (빠름 - 0.1초)
queryFn: async () => (await api.get('/recommendations/rule-based', {
params: { realtime: false } // DB 캐시 사용
})).data,
```
### 2. 배치 분석 스크립트
- **파일**: `backend/batch_daily_analysis.py`
- **목적**: 매일 장 시작 전에 전체 종목을 미리 분석하여 DB에 저장
- **실행 방법**:
```bash
make batch-test # 테스트 (10개 종목)
make batch-limit LIMIT=50 # 50개 종목만
make batch-analysis # 전체 종목 (약 30-60분 소요)
```
### 3. 자동 실행 설정
- **파일**: `setup-cron.sh`
- **스케줄**: 평일 오전 8시 50분 (장 시작 전)
- **설정 방법**:
```bash
./setup-cron.sh
```
## 동작 원리
### DB 캐시 시스템
1. **배치 분석** (매일 아침 8:50)
- 전체 거래 가능 종목 조회
- 기술적 지표 계산 (RSI, MA, 볼린저밴드 등)
- `stock_analysis` 테이블에 저장
2. **실시간 조회** (사용자 진입 시)
- DB에서 사전 분석된 데이터 조회 (0.1초)
- 실시간 KIS API 호출 없음
3. **폴백 메커니즘**
- DB에 데이터가 없으면 자동으로 실시간 분석으로 전환
- 배치 실행 전에도 시스템 정상 동작
## 테이블 구조
```sql
CREATE TABLE stock_analysis (
id SERIAL PRIMARY KEY,
stock_code VARCHAR(20) NOT NULL,
stock_name VARCHAR(100) NOT NULL,
analysis_date TIMESTAMP NOT NULL,
current_price INTEGER NOT NULL,
rsi NUMERIC(10, 4),
ma5 NUMERIC(15, 2),
ma20 NUMERIC(15, 2),
ma60 NUMERIC(15, 2),
bollinger_upper NUMERIC(15, 2),
bollinger_lower NUMERIC(15, 2),
signals JSONB,
score INTEGER DEFAULT 0,
created_at TIMESTAMP DEFAULT NOW()
);
CREATE INDEX idx_stock_analysis_date ON stock_analysis(analysis_date);
CREATE INDEX idx_stock_analysis_code ON stock_analysis(stock_code);
```
## 사용 가이드
### 배치 분석 실행
```bash
# 1. 테스트 실행 (10개 종목)
make batch-test
# 2. 제한 실행 (50개 종목)
make batch-limit LIMIT=50
# 3. 전체 실행 (모든 종목)
make batch-analysis
# 4. 로그 확인
tail -f logs/batch_analysis.log
```
### 자동 실행 설정
```bash
# cron 작업 등록
./setup-cron.sh
# 확인
crontab -l
# 제거 (필요 시)
crontab -e
```
## 성능 비교
| 모드 | 로딩 시간 | API 호출 | 데이터 신선도 |
|------|-----------|----------|---------------|
| **실시간** | 30초 | 100+ 회 | 실시간 |
| **DB 캐시** | 0.1초 | 0회 | 당일 아침 기준 |
## 주의사항
1. **배치 실행 시간**: 전체 종목 분석 시 30-60분 소요
2. **API 제한**: 한국투자증권 API 호출 제한 (초당 20회)
3. **데이터 신선도**: 배치 실행 후 데이터 사용 (장중 실시간 변동 반영 안됨)
4. **장중 갱신**: 필요 시 `realtime=true`로 실시간 분석 가능
## 문제 해결
### DB에 데이터가 없을 때
```bash
# 즉시 배치 실행
make batch-test
# 또는 실시간 모드로 임시 사용
# (프론트엔드에서 자동 폴백됨)
```
### 배치 실행 실패
```bash
# 로그 확인
docker logs autostock-backend --tail 100
# 수동 실행
docker exec -it autostock-backend python batch_daily_analysis.py --test
```