인과적 GT 신호·복리 배분 시뮬을 도입하고 운영 정합성을 맞춘다.

미래 데이터를 쓰지 않는 causal 신호/tier와 전기간 복리 포트폴리오 비교로 GT 대비 sim_sized 검증 경로를 정리하고, 일한도·매수 상한·live_buy 스케일을 제거한다.

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

deepcoin/ground_truth/gt_signal_causal.py

@@ -0,0 +1,181 @@
+"""
+인과적(미래 미사용) GT 스타일 신호 — t봉 시점에 t 이하 데이터만 사용.
+
+ZigZag/국소극값: pivot bar i-order 는 bar i 에서 확정 (i-order..i 구간만 관측).
+"""
+
+from __future__ import annotations
+
+import numpy as np
+import pandas as pd
+
+from config import (
+    GT_BUY_BB_MAX,
+    GT_BUY_MIN_SWING_PCT,
+    GT_MIN_SWING_PCT,
+    GT_PIVOT_ORDER,
+)
+
+
+def _confirmed_trough_mask(
+    low: np.ndarray,
+    order: int,
+) -> np.ndarray:
+    """
+    bar i 에서 i-order 봉이 저점임을 확정 (low[i-order:i+1] 만 사용).
+
+    Args:
+        low: Low 가격 배열.
+        order: pivot 반경(봉).
+
+    Returns:
+        길이 n, i 에 1이면 i 시점 매수 확인 신호.
+    """
+    n = len(low)
+    out = np.zeros(n, dtype=np.int8)
+    for i in range(2 * order, n):
+        p = i - order
+        seg = low[p - order : i + 1]
+        if len(seg) == 0:
+            continue
+        if low[p] <= seg.min() + 1e-12:
+            out[i] = 1
+    return out
+
+
+def _confirmed_peak_mask(
+    high: np.ndarray,
+    order: int,
+) -> np.ndarray:
+    """
+    bar i 에서 i-order 봉이 고점임을 확정.
+
+    Args:
+        high: High 가격 배열.
+        order: pivot 반경.
+
+    Returns:
+        i 시점 매도 확인 신호.
+    """
+    n = len(high)
+    out = np.zeros(n, dtype=np.int8)
+    for i in range(2 * order, n):
+        p = i - order
+        seg = high[p - order : i + 1]
+        if len(seg) == 0:
+            continue
+        if high[p] >= seg.max() - 1e-12:
+            out[i] = 1
+    return out
+
+
+def _zigzag_filter_causal(
+    confirm: np.ndarray,
+    prices: np.ndarray,
+    min_swing_pct: float,
+    kind: str,
+) -> np.ndarray:
+    """
+    확정 피벗에 ZigZag 최소 스윙% 필터 (인과적, 순차 갱신).
+
+    Args:
+        confirm: bar i 에 확정 플래그.
+        prices: pivot 가격 (i-order 위치의 low/high).
+        pivot_indices: confirm==1 인 bar index.
+        min_swing_pct: 최소 스윙 %.
+        kind: trough | peak.
+
+    Returns:
+        zigzag 통과 시점에 1.
+    """
+    n = len(confirm)
+    out = np.zeros(n, dtype=np.int8)
+    order = GT_PIVOT_ORDER
+    last_kind: str | None = None
+    last_price = 0.0
+    min_ratio = min_swing_pct / 100.0
+
+    for i in range(n):
+        if confirm[i] != 1:
+            continue
+        p = i - order
+        if p < 0:
+            continue
+        price = float(prices[p])
+        if last_kind is None:
+            out[i] = 1
+            last_kind = kind
+            last_price = price
+            continue
+        if kind == last_kind:
+            if kind == "trough" and price < last_price:
+                out[i - 1] = 0
+                out[i] = 1
+                last_price = price
+            elif kind == "peak" and price > last_price:
+                out[i - 1] = 0
+                out[i] = 1
+                last_price = price
+            continue
+        move = abs(price - last_price) / max(last_price, 1e-9)
+        if move >= min_ratio:
+            out[i] = 1
+            last_kind = kind
+            last_price = price
+    return out
+
+
+def enrich_scan_frame_gt_signals_causal(
+    frame: pd.DataFrame,
+    *,
+    pivot_order: int = GT_PIVOT_ORDER,
+    buy_swing_pct: float = GT_BUY_MIN_SWING_PCT,
+    sell_swing_pct: float = GT_MIN_SWING_PCT,
+    bb_max: float = GT_BUY_BB_MAX,
+) -> pd.DataFrame:
+    """
+    인과적 GT 신호 컬럼 (gt_*). t 시점 신호는 데이터 index<=t 만 사용.
+
+    Args:
+        frame: m3 스캔 프레임.
+        pivot_order: 확정 지연(봉).
+        buy_swing_pct: 매수 ZigZag 스윙%.
+        sell_swing_pct: 매도 ZigZag 스윙%.
+        bb_max: BB 하단 필터.
+
+    Returns:
+        gt_* 컬럼 추가 DataFrame.
+    """
+    out = frame.copy()
+    if "Low" not in out.columns or "High" not in out.columns:
+        return out
+
+    low = out["Low"].astype(float).values
+    high = out["High"].astype(float).values
+    n = len(low)
+
+    trough_conf = _confirmed_trough_mask(low, pivot_order)
+    peak_conf = _confirmed_peak_mask(high, pivot_order)
+
+    trough_z = _zigzag_filter_causal(
+        trough_conf, low, buy_swing_pct, "trough"
+    )
+    peak_z = _zigzag_filter_causal(
+        peak_conf, high, sell_swing_pct, "peak"
+    )
+
+    out["gt_trough_local"] = trough_conf
+    out["gt_peak_local"] = peak_conf
+    out["gt_trough_zigzag"] = trough_z
+    out["gt_peak_zigzag"] = peak_z
+
+    bb_ok = pd.Series(True, index=out.index)
+    if "bb_pos" in out.columns:
+        bb = pd.to_numeric(out["bb_pos"], errors="coerce")
+        bb_ok = bb <= bb_max
+
+    out["gt_buy_signal"] = (pd.Series(trough_z, index=out.index) == 1) & bb_ok
+    out["gt_buy_signal"] = out["gt_buy_signal"].astype(int)
+    out["gt_sell_signal"] = pd.Series(peak_z, index=out.index).astype(int)
+    out["gt_signal_causal"] = 1
+    return out