feat: add --symbol/--all CLI to all training scripts for per-symbol pipeline

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

scripts/deploy_model.sh

@@ -1,25 +1,57 @@
 #!/usr/bin/env bash
 # 맥미니에서 학습한 모델을 LXC 컨테이너 볼륨 경로로 전송한다.
-# 사용법: bash scripts/deploy_model.sh [lgbm|mlx]
+# 사용법: bash scripts/deploy_model.sh [lgbm|mlx] [--symbol TRXUSDT]
 #
 # 예시:
-#   bash scripts/deploy_model.sh        # LightGBM (기본값)
+#   bash scripts/deploy_model.sh                    # LightGBM (기본값), models/ 루트
-#   bash scripts/deploy_model.sh mlx    # MLX 신경망
+#   bash scripts/deploy_model.sh mlx                # MLX 신경망, models/ 루트
+#   bash scripts/deploy_model.sh --symbol TRXUSDT   # LightGBM, models/trxusdt/
+#   bash scripts/deploy_model.sh mlx --symbol XRPUSDT  # MLX, models/xrpusdt/
 
 set -euo pipefail
 
-BACKEND="${1:-lgbm}"
+# ── 인자 파싱 ────────────────────────────────────────────────────────────────
+BACKEND="lgbm"
+SYMBOL_ARG=""
+
+while [[ $# -gt 0 ]]; do
+    case "$1" in
+        --symbol)
+            SYMBOL_ARG="$2"
+            shift 2
+            ;;
+        mlx|lgbm)
+            BACKEND="$1"
+            shift
+            ;;
+        *)
+            shift
+            ;;
+    esac
+done
+
 LXC_HOST="root@10.1.10.24"
 LXC_MODELS_PATH="/root/cointrader/models"
-LOCAL_LOG="models/training_log.json"
+
+# ── 심볼별 경로 결정 ─────────────────────────────────────────────────────────
+if [ -n "$SYMBOL_ARG" ]; then
+    SYM_LOWER=$(echo "$SYMBOL_ARG" | tr '[:upper:]' '[:lower:]')
+    LOCAL_MODEL_DIR="models/$SYM_LOWER"
+    REMOTE_MODEL_DIR="$LXC_MODELS_PATH/$SYM_LOWER"
+    LOCAL_LOG="models/$SYM_LOWER/training_log.json"
+else
+    LOCAL_MODEL_DIR="models"
+    REMOTE_MODEL_DIR="$LXC_MODELS_PATH"
+    LOCAL_LOG="models/training_log.json"
+fi
 
 # ── 백엔드별 파일 목록 설정 ──────────────────────────────────────────────────
 # mlx: ONNX 파일만 전송 (Linux 서버는 onnxruntime으로 추론)
 # lgbm: pkl 파일 전송
 if [ "$BACKEND" = "mlx" ]; then
-  LOCAL_FILES=("models/mlx_filter.weights.onnx")
+  LOCAL_FILES=("$LOCAL_MODEL_DIR/mlx_filter.weights.onnx")
 else
-  LOCAL_FILES=("models/lgbm_filter.pkl")
+  LOCAL_FILES=("$LOCAL_MODEL_DIR/lgbm_filter.pkl")
 fi
 
 # ── 파일 존재 확인 ────────────────────────────────────────────────────────────
@@ -30,26 +62,26 @@ for f in "${LOCAL_FILES[@]}"; do
   fi
 done
 
-echo "=== 모델 전송 시작 (백엔드: ${BACKEND}) ==="
+echo "=== 모델 전송 시작 (백엔드: ${BACKEND}${SYMBOL_ARG:+, 심볼: $SYMBOL_ARG}) ==="
-echo "  대상: ${LXC_HOST}:${LXC_MODELS_PATH}"
+echo "  대상: ${LXC_HOST}:${REMOTE_MODEL_DIR}"
 
 # ── 원격 디렉터리 생성 + 백업 + 상대 백엔드 파일 제거 ───────────────────────
 # lgbm 배포 시: 기존 lgbm 백업 후 ONNX 파일 삭제 (ONNX 우선순위 때문에 lgbm이 무시되는 것 방지)
 # mlx 배포 시: lgbm 파일 삭제 (명시적으로 mlx만 사용)
 ssh "${LXC_HOST}" "
-  mkdir -p '${LXC_MODELS_PATH}'
+  mkdir -p '${REMOTE_MODEL_DIR}'
   if [ '$BACKEND' = 'lgbm' ]; then
-    if [ -f '${LXC_MODELS_PATH}/lgbm_filter.pkl' ]; then
+    if [ -f '${REMOTE_MODEL_DIR}/lgbm_filter.pkl' ]; then
-      cp '${LXC_MODELS_PATH}/lgbm_filter.pkl' '${LXC_MODELS_PATH}/lgbm_filter_prev.pkl'
+      cp '${REMOTE_MODEL_DIR}/lgbm_filter.pkl' '${REMOTE_MODEL_DIR}/lgbm_filter_prev.pkl'
       echo '  기존 lgbm 모델 백업 완료'
     fi
-    if [ -f '${LXC_MODELS_PATH}/mlx_filter.weights.onnx' ]; then
+    if [ -f '${REMOTE_MODEL_DIR}/mlx_filter.weights.onnx' ]; then
-      rm '${LXC_MODELS_PATH}/mlx_filter.weights.onnx'
+      rm '${REMOTE_MODEL_DIR}/mlx_filter.weights.onnx'
       echo '  ONNX 파일 제거 완료 (lgbm 우선 적용)'
     fi
   else
-    if [ -f '${LXC_MODELS_PATH}/lgbm_filter.pkl' ]; then
+    if [ -f '${REMOTE_MODEL_DIR}/lgbm_filter.pkl' ]; then
-      rm '${LXC_MODELS_PATH}/lgbm_filter.pkl'
+      rm '${REMOTE_MODEL_DIR}/lgbm_filter.pkl'
       echo '  lgbm 파일 제거 완료 (mlx 우선 적용)'
     fi
   fi
@@ -68,12 +100,12 @@ _send() {
 
 # ── 모델 파일 전송 ────────────────────────────────────────────────────────────
 for f in "${LOCAL_FILES[@]}"; do
-  _send "$f" "${LXC_MODELS_PATH}/$(basename "$f")"
+  _send "$f" "${REMOTE_MODEL_DIR}/$(basename "$f")"
 done
 
 # ── 학습 로그 전송 ────────────────────────────────────────────────────────────
 if [[ -f "$LOCAL_LOG" ]]; then
-  _send "$LOCAL_LOG" "${LXC_MODELS_PATH}/training_log.json"
+  _send "$LOCAL_LOG" "${REMOTE_MODEL_DIR}/training_log.json"
   echo "  학습 로그 전송 완료"
 fi
 

scripts/fetch_history.py

@@ -333,9 +333,22 @@ def main():
     )
     args = parser.parse_args()
 
-    # 하위 호환: --symbol 단독 사용 시 symbols로 통합
+    # --symbol 모드: 단일 거래 심볼 + 상관관계 심볼 자동 추가, 출력 경로 자동 결정
-    if args.symbol and args.symbols == ["XRPUSDT"]:
+    if args.symbol:
-        args.symbols = [args.symbol]
+        from src.config import Config
+        try:
+            cfg = Config()
+            corr_symbols = cfg.correlation_symbols
+        except Exception:
+            corr_symbols = ["BTCUSDT", "ETHUSDT"]
+        args.symbols = [args.symbol] + corr_symbols
+        if args.output == "data/combined_15m.parquet":
+            sym_lower = args.symbol.lower()
+            os.makedirs(f"data/{sym_lower}", exist_ok=True)
+            args.output = f"data/{sym_lower}/combined_15m.parquet"
+    # 하위 호환: 단일 심볼만 지정된 경우
+    elif args.symbols == ["XRPUSDT"] and not args.symbol:
+        pass  # 기본값 유지
 
     if len(args.symbols) == 1:
         df = asyncio.run(fetch_klines(args.symbols[0], args.interval, args.days))

scripts/train_and_deploy.sh

@@ -1,13 +1,14 @@
 #!/usr/bin/env bash
 # 맥미니에서 전체 학습 파이프라인을 실행하고 LXC로 배포한다.
-# 사용법: bash scripts/train_and_deploy.sh [mlx|lgbm] [wf-splits]
+# 사용법: bash scripts/train_and_deploy.sh [mlx|lgbm] [--symbol TRXUSDT] [--all] [wf-splits]
 #
 # 예시:
-#   bash scripts/train_and_deploy.sh             # LightGBM + Walk-Forward 5폴드 (기본값)
+#   bash scripts/train_and_deploy.sh                        # 전체 심볼 (SYMBOLS 환경변수) + LightGBM
-#   bash scripts/train_and_deploy.sh mlx         # MLX GPU 학습 + Walk-Forward 5폴드
+#   bash scripts/train_and_deploy.sh --symbol TRXUSDT       # TRXUSDT만 학습+배포
-#   bash scripts/train_and_deploy.sh lgbm 3      # LightGBM + Walk-Forward 3폴드
+#   bash scripts/train_and_deploy.sh mlx --symbol TRXUSDT   # MLX + TRXUSDT만
-#   bash scripts/train_and_deploy.sh mlx 0       # MLX 학습만 (Walk-Forward 건너뜀)
+#   bash scripts/train_and_deploy.sh --all                  # 전체 심볼 순차 처리
-#   bash scripts/train_and_deploy.sh lgbm 0      # LightGBM 학습만 (Walk-Forward 건너뜀)
+#   bash scripts/train_and_deploy.sh lgbm 3                 # 전체 심볼 + Walk-Forward 3폴드
+#   bash scripts/train_and_deploy.sh mlx 0                  # 전체 심볼 + MLX 학습만 (WF 건너뜀)
 
 set -euo pipefail
 
@@ -26,77 +27,132 @@ else
     echo "경고: 가상환경을 찾을 수 없습니다 ($VENV_PATH). 시스템 Python을 사용합니다." >&2
 fi
 
-BACKEND="${1:-lgbm}"
-WF_SPLITS="${2:-5}"   # 두 번째 인자: Walk-Forward 폴드 수 (0이면 건너뜀)
-
 cd "$PROJECT_ROOT"
 
-mkdir -p data
+# ── 인자 파싱 ───────────────────────────────────────────────────────────────
+BACKEND="lgbm"
+WF_SPLITS="5"
+SYMBOL_ARG=""
+ALL_FLAG=false
 
-PARQUET_FILE="data/combined_15m.parquet"
+while [[ $# -gt 0 ]]; do
+    case "$1" in
+        --symbol)
+            SYMBOL_ARG="$2"
+            shift 2
+            ;;
+        --all)
+            ALL_FLAG=true
+            shift
+            ;;
+        mlx|lgbm)
+            BACKEND="$1"
+            shift
+            ;;
+        *)
+            # 숫자면 WF_SPLITS로 처리
+            if [[ "$1" =~ ^[0-9]+$ ]]; then
+                WF_SPLITS="$1"
+            fi
+            shift
+            ;;
+    esac
+done
 
-echo ""
+# ── 대상 심볼 결정 ──────────────────────────────────────────────────────────
-echo "========================================"
+if [ -n "$SYMBOL_ARG" ]; then
-echo "  학습 파이프라인 시작: $(date '+%Y-%m-%d %H:%M:%S %Z')"
+    TARGETS=("$SYMBOL_ARG")
-echo "========================================"
-echo ""
-
-echo "=== [1/3] 데이터 수집 (XRP + BTC + ETH 3심볼 + OI/펀딩비) ==="
-if [ ! -f "$PARQUET_FILE" ]; then
-    echo "  [최초 실행] 기존 데이터 없음 → 1년치(365일) 전체 수집 (--no-upsert)"
-    FETCH_DAYS=365
-    UPSERT_FLAG="--no-upsert"
 else
-    echo "  [일반 실행] 기존 데이터 존재 → 35일치 Upsert (OI/펀딩비 0.0 구간 보충)"
+    # .env에서 SYMBOLS 로드 (없으면 XRPUSDT 기본값)
-    FETCH_DAYS=35
+    TARGETS=($(python -c "from dotenv import load_dotenv; load_dotenv(); from src.config import Config; c=Config(); print(' '.join(c.symbols))"))
-    UPSERT_FLAG=""
 fi
 
-python scripts/fetch_history.py \
-    --symbols XRPUSDT BTCUSDT ETHUSDT \
-    --interval 15m \
-    --days "$FETCH_DAYS" \
-    $UPSERT_FLAG \
-    --output "$PARQUET_FILE"
-
 DECAY="${TIME_WEIGHT_DECAY:-2.0}"
 
 echo ""
-echo "=== [1.5/3] OI 파생 피처 A/B 비교 ==="
+echo "========================================"
-python scripts/train_model.py --compare --data "$PARQUET_FILE" --decay "$DECAY" || true
+echo "  학습 파이프라인 시작: $(date '+%Y-%m-%d %H:%M:%S %Z')"
-
+echo "  대상 심볼: ${TARGETS[*]}"
+echo "  백엔드: ${BACKEND}, WF 폴드: ${WF_SPLITS}"
+echo "========================================"
 echo ""
-echo "=== [2/3] 모델 학습 (26개 피처: XRP 13 + BTC/ETH 8 + OI/펀딩비 2 + OI파생 2 + ADX) ==="
-if [ "$BACKEND" = "mlx" ]; then
-    echo "  백엔드: MLX (Apple Silicon GPU), decay=${DECAY}"
-    python scripts/train_mlx_model.py --data data/combined_15m.parquet --decay "$DECAY"
-else
-    echo "  백엔드: LightGBM (CPU), decay=${DECAY}"
-    python scripts/train_model.py --data data/combined_15m.parquet --decay "$DECAY"
-fi
 
-# Walk-Forward 검증 (WF_SPLITS > 0 인 경우)
+# ── 심볼별 파이프라인 ───────────────────────────────────────────────────────
-if [ "$WF_SPLITS" -gt 0 ] 2>/dev/null; then
+for SYM in "${TARGETS[@]}"; do
+    SYM_LOWER=$(echo "$SYM" | tr '[:upper:]' '[:lower:]')
+    mkdir -p "data/$SYM_LOWER" "models/$SYM_LOWER"
+
+    PARQUET_FILE="data/$SYM_LOWER/combined_15m.parquet"
+
     echo ""
-    echo "=== [2.5/3] Walk-Forward 검증 (${WF_SPLITS}폴드) ==="
+    echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
+    echo "  [$SYM] 파이프라인 시작"
+    echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
+
+    # === [1/3] 데이터 수집 ===
+    echo ""
+    echo "=== [$SYM] [1/3] 데이터 수집 (+ BTC/ETH 상관관계 + OI/펀딩비) ==="
+    if [ ! -f "$PARQUET_FILE" ]; then
+        echo "  [최초 실행] 기존 데이터 없음 → 1년치(365일) 전체 수집 (--no-upsert)"
+        FETCH_DAYS=365
+        UPSERT_FLAG="--no-upsert"
+    else
+        echo "  [일반 실행] 기존 데이터 존재 → 35일치 Upsert (OI/펀딩비 0.0 구간 보충)"
+        FETCH_DAYS=35
+        UPSERT_FLAG=""
+    fi
+
+    python scripts/fetch_history.py \
+        --symbol "$SYM" \
+        --interval 15m \
+        --days "$FETCH_DAYS" \
+        $UPSERT_FLAG
+
+    # === [1.5/3] OI 파생 피처 A/B 비교 ===
+    echo ""
+    echo "=== [$SYM] [1.5/3] OI 파생 피처 A/B 비교 ==="
+    python scripts/train_model.py --compare --symbol "$SYM" --decay "$DECAY" || true
+
+    # === [2/3] 모델 학습 ===
+    echo ""
+    echo "=== [$SYM] [2/3] 모델 학습 ==="
+    if [ "$BACKEND" = "mlx" ]; then
+        echo "  백엔드: MLX (Apple Silicon GPU), decay=${DECAY}"
+        python scripts/train_mlx_model.py --data "$PARQUET_FILE" --decay "$DECAY"
+    else
+        echo "  백엔드: LightGBM (CPU), decay=${DECAY}"
+        python scripts/train_model.py --symbol "$SYM" --decay "$DECAY"
+    fi
+
+    # Walk-Forward 검증 (WF_SPLITS > 0 인 경우)
+    if [ "$WF_SPLITS" -gt 0 ] 2>/dev/null; then
+        echo ""
+        echo "=== [$SYM] [2.5/3] Walk-Forward 검증 (${WF_SPLITS}폴드) ==="
         if [ "$BACKEND" = "mlx" ]; then
             python scripts/train_mlx_model.py \
-            --data data/combined_15m.parquet \
+                --data "$PARQUET_FILE" \
                 --decay "$DECAY" \
                 --wf \
                 --wf-splits "$WF_SPLITS"
         else
             python scripts/train_model.py \
-            --data data/combined_15m.parquet \
+                --symbol "$SYM" \
                 --decay "$DECAY" \
                 --wf \
                 --wf-splits "$WF_SPLITS"
         fi
-fi
+    fi
 
-echo ""
+    # === [3/3] 배포 ===
-echo "=== [3/3] LXC 배포 ==="
+    echo ""
-bash scripts/deploy_model.sh "$BACKEND"
+    echo "=== [$SYM] [3/3] LXC 배포 ==="
+    bash scripts/deploy_model.sh "$BACKEND" --symbol "$SYM"
+
+    echo ""
+    echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
+    echo "  [$SYM] 파이프라인 완료"
+    echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"
+done
 
 echo ""
 echo "=== 전체 파이프라인 완료: $(date '+%Y-%m-%d %H:%M:%S %Z') ==="

scripts/train_model.py

@@ -531,7 +531,9 @@ def compare(data_path: str, time_weight_decay: float = 2.0, tuned_params_path: s
 
 def main():
     parser = argparse.ArgumentParser()
-    parser.add_argument("--data", default="data/combined_15m.parquet")
+    parser.add_argument("--data", default=None)
+    parser.add_argument("--symbol", type=str, default=None,
+                        help="학습 대상 심볼 (예: TRXUSDT). data/{symbol}/ 에서 데이터 로드, models/{symbol}/ 에 저장")
     parser.add_argument(
         "--decay", type=float, default=2.0,
         help="시간 가중치 감쇠 강도 (0=균등, 2.0=최신이 ~7.4배 높음)",
@@ -546,6 +548,20 @@ def main():
                         help="OI 파생 피처 추가 전후 A/B 성능 비교")
     args = parser.parse_args()
 
+    # --symbol 모드: 심볼별 디렉토리 경로 자동 결정
+    if args.symbol:
+        sym_lower = args.symbol.lower()
+        if args.data is None:
+            args.data = f"data/{sym_lower}/combined_15m.parquet"
+        global MODEL_PATH, PREV_MODEL_PATH, LOG_PATH, ACTIVE_PARAMS_PATH
+        MODEL_PATH = Path(f"models/{sym_lower}/lgbm_filter.pkl")
+        PREV_MODEL_PATH = Path(f"models/{sym_lower}/lgbm_filter_prev.pkl")
+        LOG_PATH = Path(f"models/{sym_lower}/training_log.json")
+        ACTIVE_PARAMS_PATH = Path(f"models/{sym_lower}/active_lgbm_params.json")
+        MODEL_PATH.parent.mkdir(parents=True, exist_ok=True)
+    elif args.data is None:
+        args.data = "data/combined_15m.parquet"
+
     if args.compare:
         compare(args.data, time_weight_decay=args.decay, tuned_params_path=args.tuned_params)
     elif args.wf:

scripts/tune_hyperparams.py

@@ -308,9 +308,10 @@ def measure_baseline(
     n_splits: int,
     train_ratio: float,
     min_recall: float = 0.35,
+    active_params_path: "Path | None" = None,
 ) -> tuple[float, dict]:
     """현재 실전 파라미터(active 파일 또는 하드코딩 기본값)로 베이스라인을 측정한다."""
-    active_path = Path("models/active_lgbm_params.json")
+    active_path = active_params_path or Path("models/active_lgbm_params.json")
 
     if active_path.exists():
         with open(active_path, "r", encoding="utf-8") as f:
@@ -518,7 +519,9 @@ def save_results(
 
 def main():
     parser = argparse.ArgumentParser(description="Optuna LightGBM 하이퍼파라미터 튜닝")
-    parser.add_argument("--data",        default="data/combined_15m.parquet", help="학습 데이터 경로")
+    parser.add_argument("--data",        default=None, help="학습 데이터 경로")
+    parser.add_argument("--symbol",      type=str, default=None,
+                        help="튜닝 대상 심볼 (예: TRXUSDT). data/{symbol}/ 에서 데이터 로드, models/{symbol}/ 에 저장")
     parser.add_argument("--trials",      type=int,   default=50,  help="Optuna trial 수 (기본: 50)")
     parser.add_argument("--folds",       type=int,   default=5,   help="Walk-Forward 폴드 수 (기본: 5)")
     parser.add_argument("--train-ratio", type=float, default=0.6, help="학습 구간 비율 (기본: 0.6)")
@@ -526,16 +529,31 @@ def main():
     parser.add_argument("--no-baseline", action="store_true",     help="베이스라인 측정 건너뜀")
     args = parser.parse_args()
 
+    # --symbol 모드: 심볼별 디렉토리 경로 자동 결정
+    if args.symbol:
+        sym_lower = args.symbol.lower()
+        if args.data is None:
+            args.data = f"data/{sym_lower}/combined_15m.parquet"
+    elif args.data is None:
+        args.data = "data/combined_15m.parquet"
+
     # 1. 데이터셋 로드 (1회)
     X, y, w, source = load_dataset(args.data)
 
     # 2. 베이스라인 측정
+    if args.symbol:
+        sym_lower = args.symbol.lower()
+        _active_params_path = Path(f"models/{sym_lower}/active_lgbm_params.json")
+    else:
+        _active_params_path = None
+
     if args.no_baseline:
         baseline_score, baseline_details = 0.0, {}
         print("베이스라인 측정 건너뜀 (--no-baseline)\n")
     else:
         baseline_score, baseline_details = measure_baseline(
             X, y, w, source, args.folds, args.train_ratio, args.min_recall,
+            active_params_path=_active_params_path,
         )
         bl_prec = baseline_details.get("mean_precision", 0.0)
         bl_auc = baseline_details.get("mean_auc", 0.0)
@@ -593,15 +611,27 @@ def main():
     elapsed = time.time() - start_time
 
     # 4. 결과 저장 및 출력
+    import shutil
     output_path = save_results(
         study, baseline_score, baseline_details, elapsed, args.data, args.min_recall,
     )
+    # --symbol 모드: 결과 파일을 심볼별 디렉토리로 이동
+    if args.symbol:
+        sym_lower = args.symbol.lower()
+        sym_model_dir = Path(f"models/{sym_lower}")
+        sym_model_dir.mkdir(parents=True, exist_ok=True)
+        dest = sym_model_dir / output_path.name
+        shutil.move(str(output_path), str(dest))
+        output_path = dest
     print_report(
         study, baseline_score, baseline_details, elapsed, output_path, args.min_recall,
     )
 
     # 5. 성능 개선 시 active 파일 자동 갱신
-    import shutil
+    if args.symbol:
+        sym_lower = args.symbol.lower()
+        active_path = Path(f"models/{sym_lower}/active_lgbm_params.json")
+    else:
         active_path = Path("models/active_lgbm_params.json")
     if not args.no_baseline and study.best_value > baseline_score:
         shutil.copy(output_path, active_path)