전 봉 BB·일목 조합 분석 및 simulation 단일 실행으로 통합

9개 간격(1~1440분) BB·일목 위치 특징을 3분 타임라인에 맞춰 분석하고,
discover로 매수·매도 규칙을 찾은 뒤 HTML 차트에 해당 체결만 표시한다.
simulation_1h.py를 simulation.py로 변경했으며, 파라미터 없이 실행하면
analyze→discover→차트가 한 번에 수행된다.

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

rule_discovery.py

@@ -1,7 +1,7 @@
 """
 모든 봉·캔들 특징 행렬에서 매수/매도 규칙을 탐색합니다 (인과적 백테스트).
 
-  python simulation_1h.py discover
+  python simulation.py discover
 """
 
 from __future__ import annotations
@@ -46,6 +46,9 @@ NEG_BLOCK_FEATURES: tuple[str, ...] = (
     "above_upper",
     "cross_down_lower",
     "shooting_star",
+    "ichi_above_cloud",
+    "bb_zone_top",
+    "bb_pos_high",
 )
 
 # 탐색 규칙 적용 시 항상 매수 차단 (상단 돌파·과열)
@@ -238,7 +241,7 @@ def backtest_rules(
     """
     HTML 시뮬과 동일한 run_backtest 로직으로 수익률 계산.
     """
-    from simulation_1h import run_backtest
+    from simulation import run_backtest
     import strategy as st
 
     df = entry_ohlc.loc[matrix.index].copy()
@@ -261,12 +264,39 @@ def backtest_rules(
 
 
 def _baseline_rules() -> DiscoveredRules:
+    """다봉 BB 하단 돌파 + 상단 돌파 기준선."""
     p3 = interval_prefix(ENTRY_INTERVAL)
     return DiscoveredRules(
-        name="baseline_bb",
-        buy_all=[f"{p3}:cross_up_lower"],
-        sell_all=[f"{p3}:cross_up_upper"],
-        sell_stop=[],
+        name="baseline_bb_mtf",
+        buy_all=[
+            f"{p3}:cross_up_lower",
+            f"{interval_prefix(60)}:ichi_tk_bull",
+            f"{interval_prefix(1440)}:!ichi_below_cloud",
+        ],
+        sell_all=[
+            f"{p3}:cross_up_upper",
+            f"{interval_prefix(60)}:cross_up_upper",
+        ],
+        sell_stop=[f"{p3}:cross_down_lower"],
+    )
+
+
+def _seed_from_combination_report() -> DiscoveredRules | None:
+    """combination_report.json 제안 규칙."""
+    path = Path(__file__).parent / "combination_report.json"
+    if not path.exists():
+        return None
+    data = json.loads(path.read_text(encoding="utf-8"))
+    sug = data.get("suggested_rules") or {}
+    buy_all = list(sug.get("buy_all") or [])
+    if not buy_all:
+        return None
+    return DiscoveredRules(
+        name="combination_seed",
+        buy_all=buy_all,
+        buy_any=[list(g) for g in (sug.get("buy_any") or []) if g],
+        sell_all=list(sug.get("sell_all") or [f"{interval_prefix(ENTRY_INTERVAL)}:cross_up_upper"]),
+        sell_stop=list(sug.get("sell_stop") or []),
     )
 
 
@@ -278,8 +308,8 @@ def greedy_search(
     df_1d: pd.DataFrame,
     df_1h: pd.DataFrame,
     entry_ohlc: pd.DataFrame,
-    max_buy: int = 5,
-    max_sell: int = 4,
+    max_buy: int = 8,
+    max_sell: int = 6,
     max_stop: int = 2,
 ) -> DiscoveredRules:
     """학습 구간 수익률을 올리도록 매수/매도 조건을 탐욕적으로 확장."""
@@ -375,7 +405,14 @@ def try_buy_any_branches(
 ) -> DiscoveredRules:
     """매수 OR 분기: 다른 봉의 cross_up_lower / hammer 등."""
     train = matrix.iloc[:train_end]
-    triggers = [p for p in pool if p.endswith(":cross_up_lower") or p.endswith(":hammer")]
+    triggers = [
+        p
+        for p in pool
+        if p.endswith(":cross_up_lower")
+        or p.endswith(":hammer")
+        or p.endswith(":bb_zone_bottom")
+        or p.endswith(":ichi_tk_cross_up")
+    ]
     best = DiscoveredRules(
         name=base.name,
         buy_all=list(base.buy_all),
@@ -476,8 +513,9 @@ def discover_rules(frames: dict[int, pd.DataFrame]) -> DiscoveredRules:
     pool = generate_predicate_pool(intervals)
     print(f"  샘플 {n}봉 | 학습 {train_end} | predicate 후보 {len(pool)}개")
 
-    baseline = _baseline_rules()
+    baseline = _seed_from_combination_report() or _baseline_rules()
     br, bt = backtest_rules(matrix.iloc[:train_end], baseline, df_1d, df_1h, entry_ohlc)
+    print(f"  시드 규칙: {baseline.name}")
     bf, _ = backtest_rules(matrix, baseline, df_1d, df_1h, entry_ohlc)
     print(f"  기준선(3분 BB만): 학습 {br:+.2f}% | 전체 {bf:+.2f}%")