shuim
1b9257c4d2
## 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>
113 lines
5.0 KiB
Python
113 lines
5.0 KiB
Python
"""AI 투자 분석 — 매수 추천 금액 산출 검증 (자동매매 사이징과 동일 기준)."""
|
||
from unittest.mock import patch
|
||
|
||
import pytest
|
||
|
||
from app.api.endpoints.market_data import _suggest_buy_amount
|
||
from app.api.endpoints.portfolio import portfolio_cache
|
||
|
||
|
||
def _summary(total_assets=10_000_000, cash=5_000_000, stock_value=3_000_000):
|
||
return {"total_assets": total_assets, "available_cash": cash, "total_value": stock_value}
|
||
|
||
|
||
@pytest.fixture(autouse=True)
|
||
def _cache():
|
||
portfolio_cache.summary = _summary()
|
||
yield
|
||
portfolio_cache.summary = None
|
||
|
||
|
||
class _Adp:
|
||
fallback_used = False
|
||
position_size = 0.06
|
||
|
||
|
||
def test_buy_amount_uses_position_cap_and_confidence():
|
||
with patch("app.services.adaptive_strategy.get_current_adaptive_params", return_value=_Adp()):
|
||
out = _suggest_buy_amount(current_price=70_000, recommendation="BUY",
|
||
confidence=0.7, stock_code="005930")
|
||
# 1,000만 × 6% = 60만, 신뢰도 0.7 → 보정 1.0 → 70,000원 × 8주 = 560,000
|
||
assert out["suggested_quantity"] == 8
|
||
assert out["suggested_amount"] == 560_000
|
||
assert out["position_ratio"] == pytest.approx(5.6, abs=0.01)
|
||
assert "6%" in out["sizing_note"]
|
||
|
||
|
||
def test_high_confidence_scales_up_capped_at_120pct():
|
||
with patch("app.services.adaptive_strategy.get_current_adaptive_params", return_value=_Adp()):
|
||
out = _suggest_buy_amount(70_000, "BUY", 1.0, "005930")
|
||
# 60만 × min(1.2, 1.0/0.7=1.43) = 72만 → 10주
|
||
assert out["suggested_quantity"] == 10
|
||
|
||
|
||
def test_non_buy_recommendation_returns_zero():
|
||
for rec in ("HOLD", "SELL"):
|
||
out = _suggest_buy_amount(70_000, rec, 0.8, "005930")
|
||
assert out["suggested_amount"] == 0 and rec in out["sizing_note"]
|
||
|
||
|
||
def test_limited_by_available_cash_and_reserve():
|
||
portfolio_cache.summary = _summary(cash=600_000) # 예수금 60만, 최소보유 5% = 50만
|
||
with patch("app.services.adaptive_strategy.get_current_adaptive_params", return_value=_Adp()):
|
||
out = _suggest_buy_amount(70_000, "BUY", 0.7, "005930")
|
||
assert out["suggested_quantity"] == 1 # 사용 가능 10만 → 1주
|
||
|
||
|
||
def test_limited_by_swing_capital_cap():
|
||
# 스윙 자본 상한이 구속 조건이 되는 경우를 검증한다.
|
||
# [2026-09-27] 기존에는 stock_value=4_900_000 을 하드코딩해 "상한 50% = 500만" 을
|
||
# 전제했으나, SWING_MAX_CAPITAL_RATIO 가 0.50→0.70 으로 바뀌면서(2026-09-23)
|
||
# 상한이 700만이 되어 종목당 6% 캡(60만)이 먼저 걸렸다 → 8주가 나와 실패.
|
||
# config 값이 또 바뀌어도 의도가 유지되도록 상한에서 역산한다(잔여 10만 → 1주).
|
||
from app.core.config import settings
|
||
|
||
_total = 10_000_000
|
||
_held = int(_total * settings.SWING_MAX_CAPITAL_RATIO) - 100_000
|
||
portfolio_cache.summary = _summary(total_assets=_total, stock_value=_held)
|
||
with patch("app.services.adaptive_strategy.get_current_adaptive_params", return_value=_Adp()):
|
||
out = _suggest_buy_amount(70_000, "BUY", 0.7, "005930")
|
||
assert out["suggested_quantity"] == 1
|
||
|
||
|
||
def test_no_balance_info_reports_reason():
|
||
portfolio_cache.summary = None
|
||
out = _suggest_buy_amount(70_000, "BUY", 0.8, "005930")
|
||
assert out["suggested_amount"] == 0 and "잔고" in out["sizing_note"]
|
||
|
||
|
||
# ── 목표가 · 손절가 ─────────────────────────────────────────────────────────
|
||
from app.api.endpoints.market_data import _suggest_targets # noqa: E402
|
||
|
||
|
||
def test_targets_use_tighter_stop_and_2r():
|
||
"""ATR 손절(2.5×)과 -7% 중 타이트한 쪽(가격 높은 쪽), 목표는 +2R."""
|
||
with patch("app.services.adaptive_strategy.get_current_adaptive_params", side_effect=Exception):
|
||
# ATR 1,000 → ATR손절 100,000-2,500 = 97,500 / -7% = 93,000 → 97,500 채택
|
||
out = _suggest_targets(100_000, atr=1_000.0)
|
||
assert out["stop_loss_price"] == 97_500
|
||
assert out["target_price"] == 105_000 # 100,000 + 2×2,500
|
||
assert out["stop_loss_pct"] == pytest.approx(-2.5, abs=0.01)
|
||
assert out["target_pct"] == pytest.approx(5.0, abs=0.01)
|
||
assert out["risk_reward"] == 2.0
|
||
assert "ATR" in out["target_note"]
|
||
|
||
|
||
def test_percent_stop_wins_when_atr_is_wide():
|
||
with patch("app.services.adaptive_strategy.get_current_adaptive_params", side_effect=Exception):
|
||
# ATR 5,000 → ATR손절 87,500 < -7% 93,000 → 93,000(타이트) 채택
|
||
out = _suggest_targets(100_000, atr=5_000.0)
|
||
assert out["stop_loss_price"] == 93_000
|
||
assert out["target_price"] == 114_000
|
||
assert "-7%" in out["target_note"]
|
||
|
||
|
||
def test_targets_without_atr_fall_back_to_percent():
|
||
with patch("app.services.adaptive_strategy.get_current_adaptive_params", side_effect=Exception):
|
||
out = _suggest_targets(100_000, atr=None)
|
||
assert out["stop_loss_price"] == 93_000 and "ATR 없음" in out["target_note"]
|
||
|
||
|
||
def test_targets_zero_price():
|
||
assert _suggest_targets(0, atr=1000.0)["target_price"] == 0
|