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/strategy.py

@@ -1,11 +1,13 @@
 """Volume Lead 전략: 거래량 축적(급증+횡보) 감지 후 +TREND_AFTER_VOL% 상승 시 선진입.
 
 흐름:
-  1. 직전 1h 거래량 > 로컬 5h 평균 × VOL_MULT  AND
+  1. 직전 40분봉 거래량 > 로컬 5h(7봉) 평균 × VOL_MULT  AND
      2h 가격 변동 < PRICE_QUIET_PCT%  (횡보 중 축적)
      → 신호가(signal_price) 기록
   2. signal_price 대비 +TREND_AFTER_VOL% 이상 상승 시 진입
   3. SIGNAL_TIMEOUT_H 내 임계값 미달 또는 신호가 이하 하락 시 신호 초기화
+
+캔들: minute10 데이터를 40분봉으로 리샘플링하여 사용
 """
 
 from __future__ import annotations
@@ -29,25 +31,41 @@ TREND_AFTER_VOL  = float(os.getenv("TREND_AFTER_VOL",  "5.0"))  # 진입 임계
 SIGNAL_TIMEOUT_H = float(os.getenv("SIGNAL_TIMEOUT_H", "8.0"))  # 신호 유효 시간 (h)
 
 # 거래량 파라미터
-LOCAL_VOL_HOURS   = 5   # 로컬 기준 시간 (h)
+LOCAL_VOL_CANDLES = 7   # 5h를 40분봉으로 환산 (int(5 * 60/40) = 7)
 VOLUME_MULTIPLIER = float(os.getenv("VOLUME_MULTIPLIER", "2.0"))
 
+# 40분봉 리샘플링 파라미터
+_CANDLE_MIN = 40
+_FETCH_10M  = (LOCAL_VOL_CANDLES + 3) * (_CANDLE_MIN // 10)  # 40 개의 10분봉
+
+
+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"])
+    )
+
 # 축적 신호 상태: ticker → {"price": float, "time": float(unix)}
 _accum_signals: dict[str, dict] = {}
 
 
 def _check_vol_spike(ticker: str, vol_mult: float) -> bool:
-    """직전 완성 1h 거래량이 로컬 5h 평균의 vol_mult 배 이상인지 확인."""
-    fetch_count = LOCAL_VOL_HOURS + 3
+    """직전 완성 40분봉 거래량이 로컬 5h(7봉) 평균의 vol_mult 배 이상인지 확인."""
     try:
-        df = pyupbit.get_ohlcv(ticker, interval="minute60", count=fetch_count)
+        df10 = pyupbit.get_ohlcv(ticker, interval="minute10", count=_FETCH_10M)
     except Exception:
         return False
-    if df is None or len(df) < LOCAL_VOL_HOURS + 1:
+    if df10 is None or len(df10) < _CANDLE_MIN // 10 * 2:
         return False
 
-    recent_vol = df["volume"].iloc[-2]                               # 직전 완성된 1h 봉
-    local_avg  = df["volume"].iloc[-(LOCAL_VOL_HOURS + 1):-2].mean()  # 이전 5h 평균
+    df = _resample_40m(df10)
+    if len(df) < LOCAL_VOL_CANDLES + 1:
+        return False
+
+    recent_vol = df["volume"].iloc[-2]                                  # 직전 완성된 40분봉
+    local_avg  = df["volume"].iloc[-(LOCAL_VOL_CANDLES + 1):-2].mean()  # 이전 7봉(≈5h) 평균
     if local_avg <= 0:
         return False
 
@@ -55,7 +73,7 @@ def _check_vol_spike(ticker: str, vol_mult: float) -> bool:
     result = ratio >= vol_mult
     if result:
         logger.debug(
-            f"[거래량↑] {ticker} 1h={recent_vol:.0f} / 5h평균={local_avg:.0f} ({ratio:.2f}x ≥ {vol_mult}x)"
+            f"[거래량↑] {ticker} 40m={recent_vol:.0f} / 5h평균={local_avg:.0f} ({ratio:.2f}x ≥ {vol_mult}x)"
         )
     else:
         logger.debug(
@@ -115,11 +133,11 @@ def should_buy(ticker: str) -> bool:
         )
         # 거래량 비율 계산 후 알림 전송
         try:
-            fetch_count = LOCAL_VOL_HOURS + 3
-            df_h = pyupbit.get_ohlcv(ticker, interval="minute60", count=fetch_count)
-            if df_h is not None and len(df_h) >= LOCAL_VOL_HOURS + 1:
+            df10 = pyupbit.get_ohlcv(ticker, interval="minute10", count=_FETCH_10M)
+            df_h = _resample_40m(df10) if df10 is not None else None
+            if df_h is not None and len(df_h) >= LOCAL_VOL_CANDLES + 1:
                 recent_vol = df_h["volume"].iloc[-2]
-                local_avg  = df_h["volume"].iloc[-(LOCAL_VOL_HOURS + 1):-2].mean()
+                local_avg  = df_h["volume"].iloc[-(LOCAL_VOL_CANDLES + 1):-2].mean()
                 ratio = recent_vol / local_avg if local_avg > 0 else 0
                 notify_signal(ticker, current, ratio)
         except Exception: