feat: add sim_45m40.py and update STRATEGY.md with 40min backtest results

STRATEGY.md

@@ -127,18 +127,35 @@ WF_SHADOW_WINS=2
 | 승률 | 46% |
 | 월평균 수익 | 약 115만원 |
 
-### B. 45일 — 40분봉 (`interval_sweep.py`)
+### B. 45일 — 40분봉, WF + 복리 적용 (`sim_45m40.py`)
-> 기간: 2025-12-18 ~ 2026-03-02 / 데이터: Upbit minute10 캐시 리샘플링 / 20종목
+> 기간: 2026-01-20 ~ 2026-03-02 / 데이터: Upbit minute10 캐시 40분 리샘플링 / 20종목
-> ※ WF 미적용, 단순 전략 누적 PnL 합산 기준
 
-| 봉 단위 | 거래수 | 승률 | 누적PnL | 최대낙폭 |
+| 항목 | 값 |
-|---------|--------|------|---------|---------|
+|------|-----|
-| 10분 | 180 | 33.9% | +15.8% | -32.6% |
+| 초기 예산 | 15,000,000원 |
-| 20분 | 120 | 36.7% | +31.0% | -16.7% |
+| 최종 자산 | 17,231,166원 |
-| 30분 | 91 | 48.4% | +81.7% | -12.9% |
+| 수익률 | **+14.87%** |
-| **40분** | **91** | **48.4%** | **+119.4%** | **-11.2%** ← 현재 채택 |
+| 최대 낙폭 | -5.37% (-806,139원) |
-| 50분 | 83 | 50.6% | +94.7% | -17.1% |
+| 거래수 | 56건 (WF 34건 차단 / MAX_POS 1건 스킵) |
-| 60분 | 65 | 50.8% | +88.3% | -11.9% |
+| 승률 | 42.9% |
+| 월평균 수익 | 약 744,000원 |
+
+| 월 | 거래 | 승률 | 월수익 | 누적수익 |
+|----|------|------|--------|---------|
+| 2026-01 | 16건 | 31% | -75,000원 | -75,000원 |
+| 2026-02 | 33건 | 42% | +1,891,000원 | +1,816,000원 |
+| 2026-03 | 7건 | 71% | +415,000원 | +2,231,000원 |
+
+> **참고 — 봉 단위별 단순 PnL 합산 비교** (WF 미적용, `interval_sweep.py`)
+>
+> | 봉 단위 | 거래수 | 승률 | 누적PnL | 최대낙폭 |
+> |---------|--------|------|---------|---------|
+> | 10분 | 180 | 33.9% | +15.8% | -32.6% |
+> | 20분 | 120 | 36.7% | +31.0% | -16.7% |
+> | 30분 | 91 | 48.4% | +81.7% | -12.9% |
+> | **40분** | **91** | **48.4%** | **+119.4%** | **-11.2%** ← 채택 |
+> | 50분 | 83 | 50.6% | +94.7% | -17.1% |
+> | 60분 | 65 | 50.8% | +88.3% | -11.9% |
 
 ### C. ATR_MAX_STOP 스윕 — 1h봉 기준 (`atr_sweep.py`)
 > 데이터: Oracle DB 1h OHLCV / 20종목
@@ -162,7 +179,8 @@ WF_SHADOW_WINS=2
 | `core/market_regime.py` | 시장 레짐 감지 |
 | `core/price_db.py` | 가격 DB + WF 상태 영속화 |
 | `ohlcv_db.py` | OHLCV 시계열 DB 캐시 관리 |
-| `sim_365.py` | 365일 복리 시뮬레이션 |
+| `sim_365.py` | 365일 복리 시뮬레이션 (1h봉, DB) |
+| `sim_45m40.py` | 45일 복리 시뮬레이션 (40분봉, 캐시) |
 | `atr_sweep.py` | ATR_MAX_STOP 파라미터 스윕 |
 | `sim10m.py` | 10분봉 vs 1h봉 전략 비교 시뮬 |
 | `interval_sweep.py` | 봉 단위별 성과 비교 (10/20/30/40/50/60분) |
@@ -172,15 +190,18 @@ WF_SHADOW_WINS=2
 ## 시뮬레이션 실행
 
 ```bash
+# 45일 복리 시뮬 — 40분봉 (현재 전략 기준)
+python sim_45m40.py
+
+# 365일 복리 시뮬 — 1h봉 (DB에서 로드)
+python sim_365.py
+
 # 봉 단위별 비교 (10m 캐시 필요)
 python interval_sweep.py
 
 # ATR_MAX_STOP 스윕 (DB에서 로드)
 python atr_sweep.py
 
-# 365일 복리 시뮬 (DB에서 로드)
-python sim_365.py
-
 # OHLCV DB 상태 확인
 python ohlcv_db.py status
 

sim_45m40.py

@@ -0,0 +1,296 @@
+"""45일 복리 KRW 시뮬레이션 — 40분봉.
+
+sim10m_cache.pkl(10분봉)을 40분봉으로 리샘플링 후
+sim_365.py 와 동일한 복리·WF·MAX_POSITIONS 로직 적용.
+"""
+
+import pickle
+import sys
+from pathlib import Path
+
+import pandas as pd
+from dotenv import load_dotenv
+
+load_dotenv(dotenv_path=Path(__file__).parent / ".env")
+sys.path.insert(0, str(Path(__file__).parent))
+
+# ── 파라미터 ─────────────────────────────────────────────
+CACHE_FILE  = Path("sim10m_cache.pkl")
+TOP30_FILE  = Path("top30_tickers.pkl")
+TOP_N       = 20
+
+BUDGET      = 15_000_000
+MIN_BUDGET  = BUDGET * 3 // 10
+MAX_POS     = 3
+
+FEE               = 0.0005
+TIME_STOP_MIN_PCT = 3.0
+ATR_MULT          = 1.5
+ATR_MIN           = 0.010
+ATR_MAX           = 0.020
+
+VOL_MULT    = 2.0
+QUIET_PCT   = 2.0
+THRESH      = 4.8
+
+# 40분봉 기준 시간 파라미터 → 봉수 환산 (60/40 = 1.5봉/h)
+LOCAL_VOL_N  = 7   # 5h  × 1.5
+QUIET_N      = 3   # 2h  × 1.5
+SIGNAL_TO_N  = 12  # 8h  × 1.5
+ATR_N        = 7   # 5h  × 1.5
+TS_N         = 12  # 8h  × 1.5
+
+WF_WINDOW       = 2
+WF_MIN_WIN_RATE = 0.01
+WF_SHADOW_WINS  = 2
+
+
+# ── 리샘플링 ─────────────────────────────────────────────
+def resample_40m(df: pd.DataFrame) -> pd.DataFrame:
+    return (
+        df.resample("40min")
+        .agg({"open": "first", "high": "max", "low": "min",
+              "close": "last", "volume": "sum"})
+        .dropna(subset=["close"])
+    )
+
+
+# ── ATR ──────────────────────────────────────────────────
+def calc_atr(df: pd.DataFrame, buy_idx: int) -> float:
+    sub = df.iloc[max(0, buy_idx - ATR_N - 1):buy_idx]
+    if len(sub) < 3:
+        return ATR_MIN
+    try:
+        avg = ((sub["high"] - sub["low"]) / sub["low"]).iloc[-ATR_N:].mean()
+        return float(max(ATR_MIN, min(ATR_MAX, avg * ATR_MULT)))
+    except Exception:
+        return ATR_MIN
+
+
+# ── 포지션 시뮬 ──────────────────────────────────────────
+def simulate_pos(df: pd.DataFrame, buy_idx: int,
+                 buy_price: float, stop_pct: float):
+    peak = buy_price
+    for i in range(buy_idx + 1, len(df)):
+        row = df.iloc[i]
+        ts  = df.index[i]
+        if row["high"] > peak:
+            peak = row["high"]
+        if row["low"] <= peak * (1 - stop_pct):
+            sp  = peak * (1 - stop_pct)
+            pnl = (sp * (1 - FEE) - buy_price * (1 + FEE)) / (buy_price * (1 + FEE)) * 100
+            return pnl > 0, ts, pnl
+        pnl_now = (row["close"] - buy_price) / buy_price * 100
+        if (i - buy_idx) >= TS_N and pnl_now < TIME_STOP_MIN_PCT:
+            pnl = (row["close"] * (1 - FEE) - buy_price * (1 + FEE)) / (buy_price * (1 + FEE)) * 100
+            return pnl > 0, ts, pnl
+    last = df.iloc[-1]["close"]
+    pnl  = (last * (1 - FEE) - buy_price * (1 + FEE)) / (buy_price * (1 + FEE)) * 100
+    return pnl > 0, df.index[-1], pnl
+
+
+# ── vol-lead 전략 ─────────────────────────────────────────
+def run_vol_lead(df: pd.DataFrame, ticker: str) -> list:
+    trades = []
+    sig_i = sig_p = None
+    in_pos = False
+    buy_idx = buy_price = stop_pct = None
+    i = max(LOCAL_VOL_N + 2, QUIET_N + 1)
+
+    while i < len(df):
+        if in_pos:
+            is_win, sdt, pnl = simulate_pos(df, buy_idx, buy_price, stop_pct)
+            next_i = next((j for j in range(i, len(df)) if df.index[j] > sdt), len(df))
+            trades.append((is_win, pnl, df.index[buy_idx], sdt, ticker))
+            in_pos = False
+            sig_i = sig_p = None
+            i = next_i
+            continue
+
+        close   = df.iloc[i]["close"]
+        vol_p   = df.iloc[i - 1]["volume"]
+        vol_avg = df.iloc[i - LOCAL_VOL_N - 1:i - 1]["volume"].mean()
+        vol_r   = vol_p / vol_avg if vol_avg > 0 else 0
+
+        close_qh = df.iloc[i - QUIET_N]["close"]
+        chg_qh   = abs(close - close_qh) / close_qh * 100
+        quiet    = chg_qh < QUIET_PCT
+        spike    = vol_r >= VOL_MULT
+
+        if quiet and spike:
+            if sig_i is None:
+                sig_i, sig_p = i, close
+        else:
+            if sig_i is not None and close < sig_p:
+                sig_i = sig_p = None
+        if sig_i is not None and (i - sig_i) > SIGNAL_TO_N:
+            sig_i = sig_p = None
+        if sig_i is not None and (close - sig_p) / sig_p * 100 >= THRESH:
+            in_pos = True
+            buy_idx = i
+            buy_price = close
+            stop_pct = calc_atr(df, i)
+            sig_i = sig_p = None
+        i += 1
+    return trades
+
+
+# ── WF 필터 ──────────────────────────────────────────────
+def apply_wf(trades: list) -> tuple:
+    history = []
+    shadow_streak = 0
+    blocked = False
+    accepted = []
+    blocked_cnt = 0
+
+    for trade in trades:
+        is_win = int(trade[0])
+        if not blocked:
+            accepted.append(trade)
+            history.append(is_win)
+            if len(history) >= WF_WINDOW:
+                wr = sum(history[-WF_WINDOW:]) / WF_WINDOW
+                if wr < WF_MIN_WIN_RATE:
+                    blocked = True
+                    shadow_streak = 0
+        else:
+            blocked_cnt += 1
+            if is_win:
+                shadow_streak += 1
+                if shadow_streak >= WF_SHADOW_WINS:
+                    blocked = False
+                    history = []
+                    shadow_streak = 0
+            else:
+                shadow_streak = 0
+
+    return accepted, blocked_cnt
+
+
+# ── MAX_POSITIONS 필터 ────────────────────────────────────
+def apply_max_positions(all_trades: list) -> tuple:
+    open_exits, accepted, skipped = [], [], []
+    for trade in all_trades:
+        buy_dt, sell_dt = trade[2], trade[3]
+        open_exits = [s for s in open_exits if s > buy_dt]
+        if len(open_exits) < MAX_POS:
+            open_exits.append(sell_dt)
+            accepted.append(trade)
+        else:
+            skipped.append(trade)
+    return accepted, skipped
+
+
+# ── 복리 시뮬 ────────────────────────────────────────────
+def simulate(accepted: list) -> dict:
+    portfolio = float(BUDGET)
+    total_krw = 0.0
+    monthly   = {}
+    trade_log = []
+
+    for is_win, pnl, buy_dt, sell_dt, ticker in accepted:
+        pos_size   = max(portfolio, MIN_BUDGET) / MAX_POS
+        krw_profit = pos_size * pnl / 100
+        portfolio  = max(portfolio + krw_profit, MIN_BUDGET)
+        total_krw += krw_profit
+
+        ym = buy_dt.strftime("%Y-%m")
+        if ym not in monthly:
+            monthly[ym] = {"trades": 0, "wins": 0, "pnl_krw": 0.0}
+        monthly[ym]["trades"]  += 1
+        monthly[ym]["wins"]    += int(is_win)
+        monthly[ym]["pnl_krw"] += krw_profit
+
+        trade_log.append({
+            "buy_dt": buy_dt, "sell_dt": sell_dt, "ticker": ticker,
+            "is_win": is_win, "pnl_pct": pnl,
+            "pos_size": pos_size, "krw_profit": krw_profit,
+            "portfolio": portfolio,
+        })
+
+    wins = sum(1 for t in accepted if t[0])
+    return {
+        "portfolio": portfolio,
+        "total_krw": total_krw,
+        "roi_pct":   (portfolio - BUDGET) / BUDGET * 100,
+        "total":     len(accepted),
+        "wins":      wins,
+        "wr":        wins / len(accepted) * 100 if accepted else 0,
+        "monthly":   monthly,
+        "trade_log": trade_log,
+    }
+
+
+# ── 메인 ─────────────────────────────────────────────────
+def main():
+    print("캐시 로드 중...")
+    cache  = pickle.load(open(CACHE_FILE, "rb"))
+    top30  = pickle.load(open(TOP30_FILE, "rb"))
+    tickers = [t for t in top30[:TOP_N] if t in cache["10m"]]
+    print(f"유효 종목: {len(tickers)}개\n")
+
+    # 리샘플링 + 전략 실행
+    all_trades = []
+    wf_total_blocked = 0
+    for t in tickers:
+        df40 = resample_40m(cache["10m"][t])
+        if len(df40) < 50:
+            continue
+        raw = run_vol_lead(df40, t)
+        filtered, blocked = apply_wf(raw)
+        wf_total_blocked += blocked
+        all_trades.extend(filtered)
+
+    all_trades.sort(key=lambda x: x[2])
+    accepted, skipped = apply_max_positions(all_trades)
+    result = simulate(accepted)
+
+    # 최대 낙폭
+    peak   = BUDGET
+    max_dd = 0.0
+    for t in result["trade_log"]:
+        peak   = max(peak, t["portfolio"])
+        dd     = (peak - t["portfolio"]) / peak * 100
+        max_dd = max(max_dd, dd)
+
+    # 기간 추출
+    if result["trade_log"]:
+        start_dt = result["trade_log"][0]["buy_dt"].strftime("%Y-%m-%d")
+        end_dt   = result["trade_log"][-1]["sell_dt"].strftime("%Y-%m-%d")
+    else:
+        start_dt = end_dt = "N/A"
+
+    print(f"{'='*60}")
+    print(f"45일 복리 시뮬 | 40분봉 vol-lead +{THRESH}% | {len(tickers)}종목")
+    print(f"기간: {start_dt} ~ {end_dt}")
+    print(f"{'='*60}")
+    print(f"  신호 발생:  {len(all_trades) + wf_total_blocked:>4}건  (WF 차단: {wf_total_blocked}건)")
+    print(f"  실제 진입:  {result['total']:>4}건  ({len(skipped)}건 MAX_POS 스킵)")
+    print(f"  승/패:      {result['wins']}승 {result['total']-result['wins']}패"
+          f"  (승률 {result['wr']:.1f}%)")
+    print(f"  {'─'*50}")
+    print(f"  초기 예산:  {BUDGET:>14,}원")
+    print(f"  최종 자산:  {result['portfolio']:>14,.0f}원")
+    print(f"  순수익:     {result['total_krw']:>+14,.0f}원")
+    print(f"  수익률:     {result['roi_pct']:>+13.2f}%")
+    print(f"  최대 낙폭:  {-max_dd:>+13.2f}%"
+          f"  ({-max_dd / 100 * BUDGET:>+,.0f}원)")
+
+    monthly_krw = [m["pnl_krw"] for m in result["monthly"].values()]
+    avg_monthly  = sum(monthly_krw) / len(monthly_krw) if monthly_krw else 0
+    print(f"  월평균 수익: {avg_monthly:>+13,.0f}원")
+
+    print(f"\n── 월별 수익 {'─'*40}")
+    print(f"  {'월':^8} │ {'거래':>4} {'승률':>5} │ {'월수익(KRW)':>14} {'누적수익(KRW)':>15}")
+    cum = 0.0
+    for ym, m in sorted(result["monthly"].items()):
+        wr  = m["wins"] / m["trades"] * 100 if m["trades"] else 0
+        cum += m["pnl_krw"]
+        print(f"  {ym:^8} │ {m['trades']:>4}건 {wr:>4.0f}% │ "
+              f"{m['pnl_krw']:>+14,.0f}원  {cum:>+14,.0f}원")
+
+    print(f"{'='*60}")
+
+
+if __name__ == "__main__":
+    main()