refactor: GT·시뮬·운영 3축 정리 및 hybrid 실거래 정합

Phase C/dry-run·미사용 모듈·재생성 HTML을 제거하고, 운영 체결을
sim_causal_hybrid와 동일한 hybrid 로직으로 통합한다.

Co-authored-by: Cursor <cursoragent@cursor.com>

deepcoin/common/candle_features.py

@@ -1,5 +1,5 @@
 """
-모든 봉(1~1440분)에 BB·일목 위치·캔들 형태 특징을 계산하고
+모든 봉(3~1440분 등)에 BB·일목 위치·캔들 형태 특징을 계산하고
 기준 타임라인(3분)에 맞춰 정렬합니다.
 """
 

deepcoin/common/indicators.py

@@ -281,6 +281,36 @@ def latest_indicator_snapshot(df: pd.DataFrame) -> dict[str, float | str | None]
     }
 
 
+def _trend_from_ma20(df: pd.DataFrame) -> Trend:
+    """
+    단일 TF에서 종가·MA20·MA40 관계로 추세를 판정합니다.
+
+    Args:
+        df: OHLCV+지표 DataFrame.
+
+    Returns:
+        up | down | range.
+    """
+    if len(df) < 20:
+        return "range"
+    close = float(df["Close"].iloc[-1])
+    ma20_col = "MA20" if "MA20" in df.columns else "MA"
+    if ma20_col not in df.columns:
+        return "range"
+    ma20 = float(df[ma20_col].iloc[-1])
+    ma40 = float(df["MA40"].iloc[-1]) if "MA40" in df.columns and len(df) >= 40 else ma20
+    if ma40 == 0:
+        return "range"
+    gap = abs(ma20 - ma40) / ma40 * 100
+    if gap < TREND_RANGE_MA_GAP_PCT:
+        return "range"
+    if close > ma20 and ma20 > ma40:
+        return "up"
+    if close < ma20 and ma20 < ma40:
+        return "down"
+    return "range"
+
+
 def get_trend(df_1d: pd.DataFrame, df_1h: pd.DataFrame) -> Trend:
     """
     일봉·1시간봉 기준 추세(up/down/range)를 반환합니다.
@@ -313,3 +343,28 @@ def get_trend(df_1d: pd.DataFrame, df_1h: pd.DataFrame) -> Trend:
     if d_close < d_ma20 and h_ma20 < h_ma40 and h_close < h_ma20:
         return "down"
     return "range"
+
+
+def get_mtf_trend_summary(
+    frames: dict[int, pd.DataFrame],
+    interval_keys: tuple[int, ...],
+) -> dict[str, str]:
+    """
+    여러 TF의 종가·이동평균 기준 추세 요약(주·월봉 포함).
+
+    Args:
+        frames: interval → OHLCV+지표.
+        interval_keys: 요약할 간격(분) 목록.
+
+    Returns:
+        interval_label → up/down/range.
+    """
+    from deepcoin.data.mtf_bb import interval_label
+
+    out: dict[str, str] = {}
+    for iv in interval_keys:
+        df = frames.get(iv)
+        if df is None or df.empty:
+            continue
+        out[interval_label(iv)] = _trend_from_ma20(df)
+    return out