# Trading Platform — TODO

> Last updated: 2026-04-01

## Current State

- **298 tests**, lint clean, production-ready 인프라
- 8 strategies, 6 services, full monitoring/CI/CD stack
- **트레이딩 전략 업그레이드 필요** — 아래 상세

---

## Trading Strategy Upgrade Plan

### Phase 1: 백테스터 현실화 (최우선)

현재 백테스트 결과는 슬리피지/수수료 미포함으로 **실제 수익과 큰 차이**가 있음. 이것부터 수정해야 전략 개선의 효과를 정확히 측정 가능.

#### 1-1. 슬리피지 + 수수료 모델링
- **파일:** `backtester/simulator.py`
- **현재:** 시그널 가격 그대로 체결, 수수료 0
- **수정:** 매수 시 `price * (1 + slippage_pct)`, 매도 시 `price * (1 - slippage_pct)`
- 수수료: `cost = price * quantity * fee_pct` (maker: 0.05%, taker: 0.1%)
- 슬리피지를 주문 크기에 비례하게 (대형 주문 → 더 큰 슬리피지)
- **설정:** `BacktestConfig`에 `slippage_pct`, `maker_fee_pct`, `taker_fee_pct` 추가

#### 1-2. 손절/익절 자동 실행
- **파일:** `backtester/simulator.py`
- **현재:** 시그널로만 매매, 스탑 없음
- **수정:** 각 포지션에 stop_loss, take_profit 가격 추적
- 매 캔들마다 `high >= take_profit` 또는 `low <= stop_loss` 체크 → 자동 청산
- `engine.py`에서 캔들 처리 시 시뮬레이터에 현재 가격 전달

#### 1-3. 공매도 지원
- **파일:** `backtester/simulator.py`
- **현재:** 매도는 보유 수량 내에서만 가능
- **수정:** `allow_short: bool` 설정, 공매도 시 음수 포지션 허용
- 공매도 수수료 (borrow fee) 추가

#### 1-4. Walk-Forward Analysis
- **파일:** `backtester/engine.py` (신규 클래스)
- **현재:** 전체 데이터로 백테스트 → 과적합 위험
- **수정:** `WalkForwardEngine` 클래스
  - 데이터를 N개 구간으로 분할
  - 각 구간: in-sample (파라미터 최적화) → out-of-sample (검증)
  - 최종 결과는 out-of-sample 구간만 합산
- 파라미터 최적화: grid search 또는 random search

#### 1-5. 메트릭 정확도 개선
- **파일:** `backtester/metrics.py`
- Sharpe/Sortino를 per-trade가 아닌 **일별 수익률 기반**으로 계산
- Risk-free rate 설정 추가 (기본 5%)
- Recovery Factor (총수익 / 최대 drawdown) 추가
- 최대 연속 손실 횟수 추가
- 인트라 트레이드 drawdown (진입 후 최저점) 계산

---

### Phase 2: 전략 공통 인프라

모든 전략에 적용할 공통 기능. 개별 전략 개선 전에 인프라를 먼저 구축.

#### 2-1. ATR 기반 동적 손절/익절
- **파일:** `strategies/base.py` + 각 전략
- **현재:** 어떤 전략도 손절/익절을 설정하지 않음
- **수정:** `BaseStrategy`에 `calculate_stop_loss(candle, atr)` 메서드 추가
- ATR (Average True Range) 유틸리티 함수 (`shared/` 또는 `strategies/indicators/`)
- 손절: entry - ATR * multiplier, 익절: entry + ATR * reward_ratio
- Signal에 `stop_loss`, `take_profit` 필드 추가 (`shared/models.py`)

#### 2-2. 추세/횡보 레짐 필터 (ADX)
- **파일:** `strategies/indicators/adx.py` (신규)
- ADX (Average Directional Index) 계산 유틸리티
- ADX > 25 = 추세장, ADX < 20 = 횡보장
- 각 전략이 레짐에 따라 동작 변경:
  - 추세 추종 전략 (MACD, EMA): ADX < 20이면 시그널 무시
  - 평균 회귀 전략 (RSI, Bollinger, Grid): ADX > 30이면 시그널 무시

#### 2-3. 볼륨 확인 필터
- **파일:** 각 전략
- **현재:** 모든 전략이 볼륨을 무시 (RSI, MACD, EMA 등)
- **수정:** 시그널 발생 시 해당 캔들의 볼륨이 최근 N개 평균 대비 일정 비율 이상인지 확인
- 볼륨 < 평균의 50%면 시그널 무시 (유동성 부족)
- 볼륨 > 평균의 200%면 시그널 가중치 증가

#### 2-4. 시그널 강도 (Conviction Score)
- **파일:** `shared/models.py` Signal + 각 전략
- **현재:** 시그널은 BUY/SELL/quantity만 있음
- **수정:** Signal에 `conviction: float` (0.0~1.0) 필드 추가
  - RSI 5 → conviction 0.9, RSI 28 → conviction 0.3
  - MACD 히스토그램이 0에서 먼 크로스 → 높은 conviction
- Combined 전략에서 conviction 기반 가중치 사용
- RiskManager에서 conviction 기반 포지션 사이징

#### 2-5. 지표 라이브러리
- **디렉토리:** `strategies/indicators/` (신규)
- 재사용 가능한 기술 지표 함수:
  - `atr(highs, lows, closes, period)` — Average True Range
  - `adx(highs, lows, closes, period)` — Average Directional Index
  - `ema(series, period)` — Exponential Moving Average
  - `sma(series, period)` — Simple Moving Average
  - `rsi(closes, period)` — RSI
  - `bollinger_bands(closes, period, num_std)` — Bollinger
  - `macd(closes, fast, slow, signal)` — MACD
  - `volume_sma(volumes, period)` — Volume SMA
- 각 전략에서 직접 계산하지 않고 공통 라이브러리 사용
- 테스트: 각 지표에 대한 unit test

---

### Phase 3: 개별 전략 고도화

Phase 1-2 완료 후 각 전략을 전문가 수준으로 업그레이드.

#### 3-1. RSI 전략 개선
- [ ] RSI 다이버전스 감지 (가격 신고가 + RSI 하락 = 약세 다이버전스)
- [ ] ADX 레짐 필터 적용 (추세장에서는 RSI 매수 신호 무시)
- [ ] RSI 강도별 conviction score (RSI 5 vs RSI 28)
- [ ] ATR 기반 손절/익절
- [ ] 볼륨 확인 필터

#### 3-2. MACD 전략 개선
- [ ] 히스토그램 크로스오버 + MACD 제로라인 크로스오버 구분
- [ ] MACD 다이버전스 감지
- [ ] ADX 추세 확인 (ADX < 20이면 시그널 무시)
- [ ] 제로라인으로부터 거리 기반 시그널 강도
- [ ] ATR 기반 손절

#### 3-3. Grid 전략 개선
- [ ] ADX 기반 레짐 필터 (추세장 진입 차단)
- [ ] 동적 그리드 재설정 (실현 변동성 기반 범위 조정)
- [ ] 그리드 외 이탈 시 전 포지션 청산 + 알림
- [ ] 볼륨 프로파일 기반 비균등 그리드 간격

#### 3-4. Bollinger Bands 전략 개선
- [ ] 스퀴즈 감지 (밴드 압축 → 브레이크아웃 대비)
- [ ] %B 지표 활용 (밴드 내 위치 0~1)
- [ ] RSI 확인 (하단 밴드 터치 + RSI < 30 = 강한 매수)
- [ ] 볼륨 스파이크 확인

#### 3-5. EMA Crossover 전략 개선
- [ ] ADX > 25 필터 (강한 추세만 진입)
- [ ] 풀백 진입 (크로스 후 단기 EMA로 되돌림 시 진입)
- [ ] 50 SMA 위/아래 필터 (장기 추세 방향 확인)
- [ ] 볼륨 확인

#### 3-6. VWAP 전략 개선
- [ ] 일중 리셋 (매일 00:00 UTC에 VWAP 재계산)
- [ ] VWAP 표준편차 밴드 추가 (1σ, 2σ)
- [ ] ATR 기반 deviation threshold (고정값 대신 변동성 적응형)
- [ ] 세션 필터 (저유동성 시간대 진입 차단)

#### 3-7. Volume Profile 전략 개선
- [ ] HVN/LVN (고/저볼륨 노드) 식별
- [ ] 세션 기반 프로파일 리셋
- [ ] POC를 동적 지지/저항선으로 활용
- [ ] 볼륨 델타 (매수량 - 매도량) 추적

#### 3-8. Combined 전략 개선
- [ ] Sub-strategy conviction score 반영
- [ ] Sub-strategy 간 상관관계 행렬 계산 → 중복 시그널 감쇄
- [ ] 적응형 가중치 (최근 win rate 기반 동적 가중치 조정)
- [ ] 포트폴리오 집중도 제한

---

### Phase 4: 리스크 관리 고도화

#### 4-1. 포트폴리오 레벨 리스크
- [ ] 전체 노출도 제한 (총 포지션 가치 / 잔고 비율)
- [ ] 포지션 간 상관관계 계산 → 실효 리스크 산출
- [ ] VaR (Value at Risk) 계산 — 95% 신뢰 구간

#### 4-2. 동적 포지션 축소
- [ ] Drawdown이 일정 수준 넘으면 포지션 크기 자동 축소
- [ ] 연속 손실 N회 시 거래 일시 중단 → Telegram 알림
- [ ] 시간대별 리스크 조정 (주말, 공휴일 축소)

#### 4-3. 시나리오 분석
- [ ] 과거 극단 이벤트 (FTX 사태, Luna 등)에 대한 포트폴리오 영향 시뮬레이션
- [ ] 유동성 리스크 체크 (주문 크기 vs 호가창 깊이)

---

## Priority & Effort

| Phase | 내용 | 예상 작업량 | 영향 |
|-------|------|------------|------|
| **Phase 1** | 백테스터 현실화 | 1-2일 | **최대** — 이것 없이는 전략 평가 불가 |
| **Phase 2** | 전략 공통 인프라 | 1-2일 | **높음** — 모든 전략의 기반 |
| **Phase 3** | 개별 전략 고도화 | 3-5일 | 중간 — 수익률 직접 개선 |
| **Phase 4** | 리스크 관리 고도화 | 2-3일 | 높음 — 손실 방지 |

**권장 순서: Phase 1 → Phase 2 → Phase 4 → Phase 3**
(전략 개선보다 리스크 관리가 더 중요 — 돈을 벌기 전에 잃지 않는 게 먼저)

---

## Previously Completed (Infrastructure)

모든 인프라 항목 완료 (27개): SQLAlchemy, Alembic, structlog, Telegram, Prometheus/Grafana/Loki, CI/CD, FastAPI, multi-exchange, Redis consumer groups, realized PnL, bearer auth, 298 tests.