feat: switch vol-lead strategy from 1h to 40min candles

Simulation sweep showed 40min candles outperform 1h:
- 40min: 91 trades, 48.4% WR, +119% PnL, -11% DD
- 60min: 65 trades, 50.8% WR, +88% PnL, -12% DD

Changes:
- strategy.py: fetch minute10, resample to 40min for vol spike detection
  - LOCAL_VOL_CANDLES=7 (was LOCAL_VOL_HOURS=5, 5h/40min = 7 candles)
- monitor.py: ATR calculated from 40min candles
  - ATR_CANDLES=7 (was 5, now 5h in 40min units)
  - ATR_CACHE_TTL=2400s (was 600s, aligned to 40min candle)
- interval_sweep.py: new interval comparison tool (10/20/30/40/50/60min)

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

core/monitor.py

@@ -19,20 +19,29 @@ TIME_STOP_HOURS       = float(os.getenv("TIME_STOP_HOURS",        "24"))
 TIME_STOP_MIN_GAIN_PCT = float(os.getenv("TIME_STOP_MIN_GAIN_PCT", "3"))
 
 # ATR 기반 적응형 트레일링 스탑 파라미터
-ATR_CANDLES  = 5      # 최근 N개 1h봉으로 자연 진폭 계산
+ATR_CANDLES  = 7      # 최근 N개 40분봉으로 자연 진폭 계산 (≈5h, int(5*60/40)=7)
 ATR_MULT     = 1.5    # 평균 진폭 × 배수 = 스탑 임계값
 ATR_MIN_STOP = 0.010  # 최소 스탑 1.0% (너무 좁아지는 거 방지)
 ATR_MAX_STOP = 0.020  # 최대 스탑 2.0% (너무 넓어지는 거 방지)
 
-# ATR 캐시: 종목별 (스탑비율, 계산시각) — 10분마다 갱신
+# ATR 캐시: 종목별 (스탑비율, 계산시각) — 40분마다 갱신
 _atr_cache: dict[str, tuple[float, float]] = {}
-_ATR_CACHE_TTL = 600  # 10분
+_ATR_CACHE_TTL = 2400  # 40분
+
+
+def _resample_40m(df):
+    """minute10 DataFrame → 40분봉으로 리샘플링."""
+    return (
+        df.resample("40min")
+        .agg({"open": "first", "high": "max", "low": "min", "close": "last", "volume": "sum"})
+        .dropna(subset=["close"])
+    )
 
 
 def _get_adaptive_stop(ticker: str) -> float:
-    """최근 ATR_CANDLES개 1h봉 평균 진폭 × ATR_MULT 로 적응형 스탑 비율 반환.
+    """최근 ATR_CANDLES개 40분봉 평균 진폭 × ATR_MULT 로 적응형 스탑 비율 반환.
 
-    캐시(10분)를 활용해 API 호출 최소화.
+    캐시(40분)를 활용해 API 호출 최소화.
     계산 실패 시 ATR_MIN_STOP 반환.
     """
     now = time.time()
@@ -41,8 +50,12 @@ def _get_adaptive_stop(ticker: str) -> float:
         return cached[0]
 
     try:
-        df = pyupbit.get_ohlcv(ticker, interval="minute60", count=ATR_CANDLES + 2)
-        if df is None or len(df) < ATR_CANDLES:
+        fetch_n = (ATR_CANDLES + 2) * 4  # 40분봉 N개 = 10분봉 N*4개
+        df10 = pyupbit.get_ohlcv(ticker, interval="minute10", count=fetch_n)
+        if df10 is None or df10.empty:
+            return ATR_MIN_STOP
+        df = _resample_40m(df10)
+        if len(df) < ATR_CANDLES:
             return ATR_MIN_STOP
         ranges = (df["high"] - df["low"]) / df["low"]
         avg_range = ranges.iloc[-ATR_CANDLES:].mean()