fix: MTF bot code review — conditional slicing, caching, tests
- Add _remove_incomplete_candle() for timestamp-based conditional slicing on both 15m and 1h data (replaces hardcoded [:-1]) - Add MetaFilter indicator caching to eliminate 3x duplicate calc - Fix notifier encapsulation (_send → notify_info public API) - Remove DataFetcher.poll_update() dead code - Fix evaluate_oos.py symbol typo (xrpusdtusdt → xrpusdt) - Add 20 pytest unit tests for MetaFilter, TriggerStrategy, ExecutionManager, and _remove_incomplete_candle Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
This commit is contained in:
21in7
@@ -6,7 +6,7 @@ MTF Pullback Bot — OOS Dry-run 평가 스크립트
|
||||
|
||||
Usage:
|
||||
python scripts/evaluate_oos.py
|
||||
python scripts/evaluate_oos.py --symbol XRPUSDTUSDT
|
||||
python scripts/evaluate_oos.py --symbol xrpusdt
|
||||
python scripts/evaluate_oos.py --local # 로컬 파일만 사용 (서버 fetch 스킵)
|
||||
"""
|
||||
|
||||
@@ -153,7 +153,7 @@ def print_report(df: pd.DataFrame):
|
||||
|
||||
def main():
|
||||
parser = argparse.ArgumentParser(description="MTF OOS Dry-run 평가")
|
||||
parser.add_argument("--symbol", default="xrpusdtusdt", help="심볼 (파일명 소문자, 기본: xrpusdtusdt)")
|
||||
parser.add_argument("--symbol", default="xrpusdt", help="심볼 (파일명 소문자, 기본: xrpusdt)")
|
||||
parser.add_argument("--local", action="store_true", help="로컬 파일만 사용 (서버 fetch 스킵)")
|
||||
args = parser.parse_args()
|
||||
|
||||
|
||||
@@ -86,6 +86,19 @@ class DataFetcher:
|
||||
self._last_15m_ts: int = 0 # 마지막으로 저장된 15m 캔들 timestamp
|
||||
self._last_1h_ts: int = 0
|
||||
|
||||
@staticmethod
|
||||
def _remove_incomplete_candle(df: pd.DataFrame, interval_sec: int) -> pd.DataFrame:
|
||||
"""미완성(진행 중) 캔들을 조건부로 제거. ccxt timestamp는 ms 단위."""
|
||||
if df.empty:
|
||||
return df
|
||||
now_ms = int(_time.time() * 1000)
|
||||
current_candle_start_ms = (now_ms // (interval_sec * 1000)) * (interval_sec * 1000)
|
||||
# DataFrame index가 datetime인 경우 원본 timestamp 컬럼이 없으므로 index에서 추출
|
||||
last_open_ms = int(df.index[-1].timestamp() * 1000)
|
||||
if last_open_ms >= current_candle_start_ms:
|
||||
return df.iloc[:-1].copy()
|
||||
return df
|
||||
|
||||
async def fetch_ohlcv(self, symbol: str, timeframe: str, limit: int = 250) -> List[List]:
|
||||
"""
|
||||
ccxt를 통해 OHLCV 데이터 fetch.
|
||||
@@ -115,69 +128,31 @@ class DataFetcher:
|
||||
f"[DataFetcher] 초기화 완료: 15m={len(self.klines_15m)}개, 1h={len(self.klines_1h)}개"
|
||||
)
|
||||
|
||||
async def poll_update(self, interval: int = 30):
|
||||
"""
|
||||
30초 주기로 REST API 폴링. 새 캔들이 나오면 deque에 append.
|
||||
무한 루프 — 백그라운드 태스크로 실행.
|
||||
"""
|
||||
logger.info(f"[DataFetcher] 폴링 시작 (interval={interval}s)")
|
||||
while True:
|
||||
try:
|
||||
await asyncio.sleep(interval)
|
||||
|
||||
# 15m 업데이트: 최근 3개 fetch (중복 방지)
|
||||
raw_15m = await self.fetch_ohlcv(self.symbol, "15m", limit=3)
|
||||
new_15m = 0
|
||||
for candle in raw_15m:
|
||||
if candle[0] > self._last_15m_ts:
|
||||
self.klines_15m.append(candle)
|
||||
self._last_15m_ts = candle[0]
|
||||
new_15m += 1
|
||||
|
||||
# 1h 업데이트: 최근 3개 fetch
|
||||
raw_1h = await self.fetch_ohlcv(self.symbol, "1h", limit=3)
|
||||
new_1h = 0
|
||||
for candle in raw_1h:
|
||||
if candle[0] > self._last_1h_ts:
|
||||
self.klines_1h.append(candle)
|
||||
self._last_1h_ts = candle[0]
|
||||
new_1h += 1
|
||||
|
||||
if new_15m > 0 or new_1h > 0:
|
||||
logger.info(
|
||||
f"[DataFetcher] 캔들 업데이트: 15m +{new_15m} (총 {len(self.klines_15m)}), "
|
||||
f"1h +{new_1h} (총 {len(self.klines_1h)})"
|
||||
)
|
||||
|
||||
except Exception as e:
|
||||
logger.error(f"[DataFetcher] 폴링 에러: {e}")
|
||||
await asyncio.sleep(5) # 에러 시 짧은 대기 후 재시도
|
||||
|
||||
def get_15m_dataframe(self) -> Optional[pd.DataFrame]:
|
||||
"""모든 15m 캔들을 DataFrame으로 반환."""
|
||||
"""완성된 15m 캔들을 DataFrame으로 반환 (미완성 캔들 조건부 제거)."""
|
||||
if not self.klines_15m:
|
||||
return None
|
||||
data = list(self.klines_15m)
|
||||
df = pd.DataFrame(data, columns=["timestamp", "open", "high", "low", "close", "volume"])
|
||||
df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms", utc=True)
|
||||
df = df.set_index("timestamp")
|
||||
return df
|
||||
return self._remove_incomplete_candle(df, interval_sec=900)
|
||||
|
||||
def get_1h_dataframe_completed(self) -> Optional[pd.DataFrame]:
|
||||
"""
|
||||
'완성된' 1h 캔들만 반환.
|
||||
|
||||
핵심: [:-1] 슬라이싱으로 진행 중인 최신 1h 캔들 제외.
|
||||
조건부 슬라이싱: _remove_incomplete_candle()로 진행 중인 최신 1h 캔들 제외.
|
||||
이유: Look-ahead bias 원천 차단 — 아직 완성되지 않은 캔들의
|
||||
high/low/close는 미래 데이터이므로 지표 계산에 사용하면 안 됨.
|
||||
"""
|
||||
if len(self.klines_1h) < 2:
|
||||
return None
|
||||
completed = list(self.klines_1h)[:-1] # ← 핵심: 미완성 봉 제외
|
||||
df = pd.DataFrame(completed, columns=["timestamp", "open", "high", "low", "close", "volume"])
|
||||
data = list(self.klines_1h)
|
||||
df = pd.DataFrame(data, columns=["timestamp", "open", "high", "low", "close", "volume"])
|
||||
df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms", utc=True)
|
||||
df = df.set_index("timestamp")
|
||||
return df
|
||||
return self._remove_incomplete_candle(df, interval_sec=3600)
|
||||
|
||||
async def close(self):
|
||||
"""ccxt exchange 연결 정리."""
|
||||
@@ -197,15 +172,27 @@ class MetaFilter:
|
||||
|
||||
def __init__(self, data_fetcher: DataFetcher):
|
||||
self.data_fetcher = data_fetcher
|
||||
self._cached_indicators: Optional[pd.DataFrame] = None
|
||||
self._cache_timestamp: Optional[pd.Timestamp] = None
|
||||
|
||||
def _calc_indicators(self, df: pd.DataFrame) -> pd.DataFrame:
|
||||
"""1h DataFrame에 EMA50, EMA200, ADX, ATR 계산."""
|
||||
"""1h DataFrame에 EMA50, EMA200, ADX, ATR 계산 (캔들 단위 캐싱)."""
|
||||
if df is None or df.empty:
|
||||
return df
|
||||
|
||||
last_ts = df.index[-1]
|
||||
if self._cached_indicators is not None and self._cache_timestamp == last_ts:
|
||||
return self._cached_indicators
|
||||
|
||||
df = df.copy()
|
||||
df["ema50"] = ta.ema(df["close"], length=self.EMA_FAST)
|
||||
df["ema200"] = ta.ema(df["close"], length=self.EMA_SLOW)
|
||||
adx_df = ta.adx(df["high"], df["low"], df["close"], length=14)
|
||||
df["adx"] = adx_df["ADX_14"]
|
||||
df["atr"] = ta.atr(df["high"], df["low"], df["close"], length=14)
|
||||
|
||||
self._cached_indicators = df
|
||||
self._cache_timestamp = last_ts
|
||||
return df
|
||||
|
||||
def get_market_state(self) -> str:
|
||||
@@ -574,6 +561,9 @@ class ExecutionManager:
|
||||
class MTFPullbackBot:
|
||||
"""MTF Pullback Bot 메인 루프 — Dry-run OOS 검증용."""
|
||||
|
||||
# TODO(LIVE): Kill switch 로직 구현 필요 (Fast Kill 8연패 + Slow Kill PF<0.75) — 2026-04-15 LIVE 전환 시
|
||||
# TODO(LIVE): 글로벌 RiskManager 통합 필요 — 2026-04-15 LIVE 전환 시
|
||||
|
||||
LOOP_INTERVAL = 1 # 초 (TimeframeSync 4초 윈도우를 놓치지 않기 위해)
|
||||
POLL_INTERVAL = 30 # 데이터 폴링 주기 (초)
|
||||
|
||||
@@ -691,8 +681,8 @@ class MTFPullbackBot:
|
||||
side = result["action"]
|
||||
sl_dist = abs(result["entry_price"] - result["sl_price"])
|
||||
tp_dist = abs(result["tp_price"] - result["entry_price"])
|
||||
self.notifier._send(
|
||||
f"📌 **[MTF Dry-run] 가상 {side} 진입**\n"
|
||||
self.notifier.notify_info(
|
||||
f"**[MTF Dry-run] 가상 {side} 진입**\n"
|
||||
f"진입가: `{result['entry_price']:.4f}` | ATR: `{result['atr']:.6f}`\n"
|
||||
f"SL: `{result['sl_price']:.4f}` ({sl_dist:.4f}) | "
|
||||
f"TP: `{result['tp_price']:.4f}` ({tp_dist:.4f})\n"
|
||||
@@ -731,8 +721,8 @@ class MTFPullbackBot:
|
||||
pnl_bps = pnl * 10000
|
||||
logger.info(f"[MTFBot] SL+TP 동시 히트 → SL 우선 청산 | PnL: {pnl_bps:+.1f}bps")
|
||||
self.executor.close_position(f"SL 히트 ({exit_price:.4f})", exit_price, pnl_bps)
|
||||
self.notifier._send(
|
||||
f"❌ **[MTF Dry-run] {pos} SL 청산**\n"
|
||||
self.notifier.notify_info(
|
||||
f"**[MTF Dry-run] {pos} SL 청산**\n"
|
||||
f"진입: `{entry:.4f}` → 청산: `{exit_price:.4f}`\n"
|
||||
f"PnL: `{pnl_bps:+.1f}bps`"
|
||||
)
|
||||
@@ -742,8 +732,8 @@ class MTFPullbackBot:
|
||||
pnl_bps = pnl * 10000
|
||||
logger.info(f"[MTFBot] SL 히트 | 청산가: {exit_price:.4f} | PnL: {pnl_bps:+.1f}bps")
|
||||
self.executor.close_position(f"SL 히트 ({exit_price:.4f})", exit_price, pnl_bps)
|
||||
self.notifier._send(
|
||||
f"❌ **[MTF Dry-run] {pos} SL 청산**\n"
|
||||
self.notifier.notify_info(
|
||||
f"**[MTF Dry-run] {pos} SL 청산**\n"
|
||||
f"진입: `{entry:.4f}` → 청산: `{exit_price:.4f}`\n"
|
||||
f"PnL: `{pnl_bps:+.1f}bps`"
|
||||
)
|
||||
@@ -753,8 +743,8 @@ class MTFPullbackBot:
|
||||
pnl_bps = pnl * 10000
|
||||
logger.info(f"[MTFBot] TP 히트 | 청산가: {exit_price:.4f} | PnL: {pnl_bps:+.1f}bps")
|
||||
self.executor.close_position(f"TP 히트 ({exit_price:.4f})", exit_price, pnl_bps)
|
||||
self.notifier._send(
|
||||
f"✅ **[MTF Dry-run] {pos} TP 청산**\n"
|
||||
self.notifier.notify_info(
|
||||
f"**[MTF Dry-run] {pos} TP 청산**\n"
|
||||
f"진입: `{entry:.4f}` → 청산: `{exit_price:.4f}`\n"
|
||||
f"PnL: `{pnl_bps:+.1f}bps`"
|
||||
)
|
||||
|
||||
423
tests/test_mtf_bot.py
Normal file
423
tests/test_mtf_bot.py
Normal file
@@ -0,0 +1,423 @@
|
||||
"""
|
||||
MTF Pullback Bot 유닛 테스트
|
||||
─────────────────────────────
|
||||
합성 데이터 기반, 외부 API 호출 없음.
|
||||
"""
|
||||
|
||||
import time
|
||||
from unittest.mock import patch
|
||||
|
||||
import numpy as np
|
||||
import pandas as pd
|
||||
import pytest
|
||||
|
||||
from src.mtf_bot import (
|
||||
DataFetcher,
|
||||
ExecutionManager,
|
||||
MetaFilter,
|
||||
TriggerStrategy,
|
||||
)
|
||||
|
||||
|
||||
# ── Fixtures ──────────────────────────────────────────────────────
|
||||
|
||||
|
||||
@pytest.fixture
|
||||
def sample_1h_df():
|
||||
"""EMA50/200, ADX, ATR 계산에 충분한 250개 1h 합성 캔들."""
|
||||
np.random.seed(42)
|
||||
n = 250
|
||||
# 완만한 상승 추세 (EMA50 > EMA200이 되도록)
|
||||
close = np.cumsum(np.random.randn(n) * 0.001 + 0.0005) + 2.0
|
||||
high = close + np.abs(np.random.randn(n)) * 0.005
|
||||
low = close - np.abs(np.random.randn(n)) * 0.005
|
||||
open_ = close + np.random.randn(n) * 0.001
|
||||
|
||||
# 완성된 캔들 timestamp (1h 간격, 과거 시점)
|
||||
base_ts = pd.Timestamp("2026-01-01", tz="UTC")
|
||||
timestamps = pd.date_range(start=base_ts, periods=n, freq="1h")
|
||||
|
||||
df = pd.DataFrame({
|
||||
"open": open_,
|
||||
"high": high,
|
||||
"low": low,
|
||||
"close": close,
|
||||
"volume": np.random.randint(100000, 1000000, n).astype(float),
|
||||
}, index=timestamps)
|
||||
df.index.name = "timestamp"
|
||||
return df
|
||||
|
||||
|
||||
@pytest.fixture
|
||||
def sample_15m_df():
|
||||
"""TriggerStrategy용 50개 15m 합성 캔들."""
|
||||
np.random.seed(99)
|
||||
n = 50
|
||||
close = np.cumsum(np.random.randn(n) * 0.001) + 0.5
|
||||
high = close + np.abs(np.random.randn(n)) * 0.003
|
||||
low = close - np.abs(np.random.randn(n)) * 0.003
|
||||
open_ = close + np.random.randn(n) * 0.001
|
||||
|
||||
base_ts = pd.Timestamp("2026-01-01", tz="UTC")
|
||||
timestamps = pd.date_range(start=base_ts, periods=n, freq="15min")
|
||||
|
||||
df = pd.DataFrame({
|
||||
"open": open_,
|
||||
"high": high,
|
||||
"low": low,
|
||||
"close": close,
|
||||
"volume": np.random.randint(100000, 1000000, n).astype(float),
|
||||
}, index=timestamps)
|
||||
df.index.name = "timestamp"
|
||||
return df
|
||||
|
||||
|
||||
# ═══════════════════════════════════════════════════════════════════
|
||||
# Test 1: _remove_incomplete_candle
|
||||
# ═══════════════════════════════════════════════════════════════════
|
||||
|
||||
|
||||
class TestRemoveIncompleteCandle:
|
||||
"""DataFetcher._remove_incomplete_candle 정적 메서드 테스트."""
|
||||
|
||||
def test_removes_incomplete_15m_candle(self):
|
||||
"""현재 15m 슬롯에 해당하는 미완성 캔들은 제거되어야 한다."""
|
||||
now_ms = int(time.time() * 1000)
|
||||
current_slot_ms = (now_ms // (900 * 1000)) * (900 * 1000)
|
||||
|
||||
# 완성 캔들 2개 + 미완성 캔들 1개
|
||||
timestamps = [
|
||||
pd.Timestamp(current_slot_ms - 1800_000, unit="ms", tz="UTC"), # 2슬롯 전
|
||||
pd.Timestamp(current_slot_ms - 900_000, unit="ms", tz="UTC"), # 1슬롯 전
|
||||
pd.Timestamp(current_slot_ms, unit="ms", tz="UTC"), # 현재 슬롯 (미완성)
|
||||
]
|
||||
df = pd.DataFrame({
|
||||
"open": [1.0, 1.1, 1.2],
|
||||
"high": [1.05, 1.15, 1.25],
|
||||
"low": [0.95, 1.05, 1.15],
|
||||
"close": [1.02, 1.12, 1.22],
|
||||
"volume": [100.0, 200.0, 300.0],
|
||||
}, index=timestamps)
|
||||
|
||||
result = DataFetcher._remove_incomplete_candle(df, interval_sec=900)
|
||||
assert len(result) == 2, f"미완성 캔들 제거 실패: {len(result)}개 (2개 예상)"
|
||||
|
||||
def test_keeps_all_completed_candles(self):
|
||||
"""모든 캔들이 완성된 경우 제거하지 않아야 한다."""
|
||||
now_ms = int(time.time() * 1000)
|
||||
current_slot_ms = (now_ms // (900 * 1000)) * (900 * 1000)
|
||||
|
||||
# 모두 과거 슬롯의 완성 캔들
|
||||
timestamps = [
|
||||
pd.Timestamp(current_slot_ms - 2700_000, unit="ms", tz="UTC"),
|
||||
pd.Timestamp(current_slot_ms - 1800_000, unit="ms", tz="UTC"),
|
||||
pd.Timestamp(current_slot_ms - 900_000, unit="ms", tz="UTC"),
|
||||
]
|
||||
df = pd.DataFrame({
|
||||
"open": [1.0, 1.1, 1.2],
|
||||
"high": [1.05, 1.15, 1.25],
|
||||
"low": [0.95, 1.05, 1.15],
|
||||
"close": [1.02, 1.12, 1.22],
|
||||
"volume": [100.0, 200.0, 300.0],
|
||||
}, index=timestamps)
|
||||
|
||||
result = DataFetcher._remove_incomplete_candle(df, interval_sec=900)
|
||||
assert len(result) == 3, f"완성 캔들 유지 실패: {len(result)}개 (3개 예상)"
|
||||
|
||||
def test_empty_dataframe(self):
|
||||
"""빈 DataFrame 입력 시 빈 DataFrame 반환."""
|
||||
df = pd.DataFrame(columns=["open", "high", "low", "close", "volume"])
|
||||
result = DataFetcher._remove_incomplete_candle(df, interval_sec=900)
|
||||
assert result.empty
|
||||
|
||||
def test_1h_interval(self):
|
||||
"""1h 간격에서도 정상 동작."""
|
||||
now_ms = int(time.time() * 1000)
|
||||
current_slot_ms = (now_ms // (3600 * 1000)) * (3600 * 1000)
|
||||
|
||||
timestamps = [
|
||||
pd.Timestamp(current_slot_ms - 7200_000, unit="ms", tz="UTC"),
|
||||
pd.Timestamp(current_slot_ms - 3600_000, unit="ms", tz="UTC"),
|
||||
pd.Timestamp(current_slot_ms, unit="ms", tz="UTC"), # 현재 슬롯 (미완성)
|
||||
]
|
||||
df = pd.DataFrame({
|
||||
"open": [1.0, 1.1, 1.2],
|
||||
"high": [1.05, 1.15, 1.25],
|
||||
"low": [0.95, 1.05, 1.15],
|
||||
"close": [1.02, 1.12, 1.22],
|
||||
"volume": [100.0, 200.0, 300.0],
|
||||
}, index=timestamps)
|
||||
|
||||
result = DataFetcher._remove_incomplete_candle(df, interval_sec=3600)
|
||||
assert len(result) == 2
|
||||
|
||||
|
||||
# ═══════════════════════════════════════════════════════════════════
|
||||
# Test 2: MetaFilter
|
||||
# ═══════════════════════════════════════════════════════════════════
|
||||
|
||||
|
||||
class TestMetaFilter:
|
||||
"""MetaFilter 상태 판별 로직 테스트."""
|
||||
|
||||
def _make_fetcher_with_df(self, df_1h):
|
||||
"""Mock DataFetcher를 생성하여 특정 1h DataFrame을 반환하도록 설정."""
|
||||
fetcher = DataFetcher.__new__(DataFetcher)
|
||||
fetcher.klines_15m = []
|
||||
fetcher.klines_1h = []
|
||||
fetcher.data_fetcher = None
|
||||
# get_1h_dataframe_completed 을 직접 패치
|
||||
fetcher.get_1h_dataframe_completed = lambda: df_1h
|
||||
return fetcher
|
||||
|
||||
def test_wait_when_adx_below_threshold(self, sample_1h_df):
|
||||
"""ADX < 20이면 WAIT 상태."""
|
||||
import pandas_ta as ta
|
||||
|
||||
df = sample_1h_df.copy()
|
||||
# 변동성이 없는 flat 데이터 → ADX가 낮을 가능성 높음
|
||||
df["close"] = 2.0 # 완전 flat
|
||||
df["high"] = 2.001
|
||||
df["low"] = 1.999
|
||||
df["open"] = 2.0
|
||||
|
||||
fetcher = self._make_fetcher_with_df(df)
|
||||
meta = MetaFilter(fetcher)
|
||||
state = meta.get_market_state()
|
||||
assert state == "WAIT", f"Flat 데이터에서 WAIT 아닌 상태: {state}"
|
||||
|
||||
def test_long_allowed_when_uptrend(self):
|
||||
"""EMA50 > EMA200 + ADX > 20이면 LONG_ALLOWED."""
|
||||
np.random.seed(10)
|
||||
n = 250
|
||||
# 강한 상승 추세
|
||||
close = np.linspace(1.0, 3.0, n) + np.random.randn(n) * 0.01
|
||||
high = close + 0.02
|
||||
low = close - 0.02
|
||||
open_ = close - 0.005
|
||||
|
||||
base_ts = pd.Timestamp("2025-01-01", tz="UTC")
|
||||
timestamps = pd.date_range(start=base_ts, periods=n, freq="1h")
|
||||
|
||||
df = pd.DataFrame({
|
||||
"open": open_, "high": high, "low": low,
|
||||
"close": close, "volume": np.ones(n) * 500000,
|
||||
}, index=timestamps)
|
||||
|
||||
fetcher = self._make_fetcher_with_df(df)
|
||||
meta = MetaFilter(fetcher)
|
||||
state = meta.get_market_state()
|
||||
assert state == "LONG_ALLOWED", f"강한 상승 추세에서 LONG_ALLOWED 아닌 상태: {state}"
|
||||
|
||||
def test_short_allowed_when_downtrend(self):
|
||||
"""EMA50 < EMA200 + ADX > 20이면 SHORT_ALLOWED."""
|
||||
np.random.seed(20)
|
||||
n = 250
|
||||
# 강한 하락 추세
|
||||
close = np.linspace(3.0, 1.0, n) + np.random.randn(n) * 0.01
|
||||
high = close + 0.02
|
||||
low = close - 0.02
|
||||
open_ = close + 0.005
|
||||
|
||||
base_ts = pd.Timestamp("2025-01-01", tz="UTC")
|
||||
timestamps = pd.date_range(start=base_ts, periods=n, freq="1h")
|
||||
|
||||
df = pd.DataFrame({
|
||||
"open": open_, "high": high, "low": low,
|
||||
"close": close, "volume": np.ones(n) * 500000,
|
||||
}, index=timestamps)
|
||||
|
||||
fetcher = self._make_fetcher_with_df(df)
|
||||
meta = MetaFilter(fetcher)
|
||||
state = meta.get_market_state()
|
||||
assert state == "SHORT_ALLOWED", f"강한 하락 추세에서 SHORT_ALLOWED 아닌 상태: {state}"
|
||||
|
||||
def test_indicator_caching(self, sample_1h_df):
|
||||
"""동일 캔들에 대해 _calc_indicators가 캐시를 재사용하는지 확인."""
|
||||
fetcher = self._make_fetcher_with_df(sample_1h_df)
|
||||
meta = MetaFilter(fetcher)
|
||||
|
||||
# 첫 호출: 캐시 없음
|
||||
df1 = meta._calc_indicators(sample_1h_df)
|
||||
ts1 = meta._cache_timestamp
|
||||
|
||||
# 두 번째 호출: 동일 DataFrame → 캐시 히트
|
||||
df2 = meta._calc_indicators(sample_1h_df)
|
||||
assert df1 is df2, "동일 데이터에 대해 캐시가 재사용되지 않음"
|
||||
assert meta._cache_timestamp == ts1
|
||||
|
||||
|
||||
# ═══════════════════════════════════════════════════════════════════
|
||||
# Test 3: TriggerStrategy
|
||||
# ═══════════════════════════════════════════════════════════════════
|
||||
|
||||
|
||||
class TestTriggerStrategy:
|
||||
"""15m 3-candle pullback 시퀀스 감지 테스트."""
|
||||
|
||||
def test_hold_when_meta_wait(self, sample_15m_df):
|
||||
"""meta_state=WAIT이면 항상 HOLD."""
|
||||
trigger = TriggerStrategy()
|
||||
signal = trigger.generate_signal(sample_15m_df, "WAIT")
|
||||
assert signal == "HOLD"
|
||||
|
||||
def test_hold_when_insufficient_data(self):
|
||||
"""데이터가 25개 미만이면 HOLD."""
|
||||
trigger = TriggerStrategy()
|
||||
small_df = pd.DataFrame({
|
||||
"open": [1.0] * 10,
|
||||
"high": [1.1] * 10,
|
||||
"low": [0.9] * 10,
|
||||
"close": [1.0] * 10,
|
||||
"volume": [100.0] * 10,
|
||||
})
|
||||
signal = trigger.generate_signal(small_df, "LONG_ALLOWED")
|
||||
assert signal == "HOLD"
|
||||
|
||||
def test_long_pullback_signal(self):
|
||||
"""LONG 풀백 시퀀스: t-1 EMA 아래 이탈 + 거래량 고갈 + t EMA 복귀."""
|
||||
np.random.seed(42)
|
||||
n = 30
|
||||
# 기본 상승 추세
|
||||
close = np.linspace(1.0, 1.1, n)
|
||||
high = close + 0.005
|
||||
low = close - 0.005
|
||||
open_ = close - 0.001
|
||||
volume = np.ones(n) * 100000
|
||||
|
||||
# t-1 (인덱스 -2): EMA 아래로 이탈 + 거래량 고갈
|
||||
close[-2] = close[-3] - 0.02 # EMA 아래로 이탈
|
||||
volume[-2] = 5000 # 매우 낮은 거래량
|
||||
|
||||
# t (인덱스 -1): EMA 위로 복귀
|
||||
close[-1] = close[-3] + 0.01
|
||||
|
||||
base_ts = pd.Timestamp("2026-01-01", tz="UTC")
|
||||
timestamps = pd.date_range(start=base_ts, periods=n, freq="15min")
|
||||
|
||||
df = pd.DataFrame({
|
||||
"open": open_, "high": high, "low": low,
|
||||
"close": close, "volume": volume,
|
||||
}, index=timestamps)
|
||||
|
||||
trigger = TriggerStrategy()
|
||||
signal = trigger.generate_signal(df, "LONG_ALLOWED")
|
||||
# 풀백 조건 충족 여부는 EMA 계산 결과에 따라 다를 수 있으므로
|
||||
# 최소한 valid signal을 반환하는지 확인
|
||||
assert signal in ("EXECUTE_LONG", "HOLD")
|
||||
|
||||
def test_short_pullback_signal(self):
|
||||
"""SHORT 풀백 시퀀스: t-1 EMA 위로 이탈 + 거래량 고갈 + t EMA 아래 복귀."""
|
||||
np.random.seed(42)
|
||||
n = 30
|
||||
# 하락 추세
|
||||
close = np.linspace(1.1, 1.0, n)
|
||||
high = close + 0.005
|
||||
low = close - 0.005
|
||||
open_ = close + 0.001
|
||||
volume = np.ones(n) * 100000
|
||||
|
||||
# t-1: EMA 위로 이탈 + 거래량 고갈
|
||||
close[-2] = close[-3] + 0.02
|
||||
volume[-2] = 5000
|
||||
|
||||
# t: EMA 아래로 복귀
|
||||
close[-1] = close[-3] - 0.01
|
||||
|
||||
base_ts = pd.Timestamp("2026-01-01", tz="UTC")
|
||||
timestamps = pd.date_range(start=base_ts, periods=n, freq="15min")
|
||||
|
||||
df = pd.DataFrame({
|
||||
"open": open_, "high": high, "low": low,
|
||||
"close": close, "volume": volume,
|
||||
}, index=timestamps)
|
||||
|
||||
trigger = TriggerStrategy()
|
||||
signal = trigger.generate_signal(df, "SHORT_ALLOWED")
|
||||
assert signal in ("EXECUTE_SHORT", "HOLD")
|
||||
|
||||
def test_trigger_info_populated(self, sample_15m_df):
|
||||
"""generate_signal 후 get_trigger_info가 비어있지 않아야 한다."""
|
||||
trigger = TriggerStrategy()
|
||||
trigger.generate_signal(sample_15m_df, "LONG_ALLOWED")
|
||||
info = trigger.get_trigger_info()
|
||||
assert "signal" in info or "reason" in info
|
||||
|
||||
|
||||
# ═══════════════════════════════════════════════════════════════════
|
||||
# Test 4: ExecutionManager (SL/TP 계산)
|
||||
# ═══════════════════════════════════════════════════════════════════
|
||||
|
||||
|
||||
class TestExecutionManager:
|
||||
"""ExecutionManager SL/TP 계산 및 포지션 관리 테스트."""
|
||||
|
||||
def test_long_sl_tp_calculation(self):
|
||||
"""LONG 진입 시 SL = entry - ATR*1.5, TP = entry + ATR*2.3."""
|
||||
em = ExecutionManager(symbol="XRPUSDT")
|
||||
entry = 2.0
|
||||
atr = 0.01
|
||||
|
||||
result = em.execute("EXECUTE_LONG", entry, atr)
|
||||
assert result is not None
|
||||
assert result["action"] == "LONG"
|
||||
|
||||
expected_sl = entry - (atr * 1.5)
|
||||
expected_tp = entry + (atr * 2.3)
|
||||
assert abs(result["sl_price"] - expected_sl) < 1e-8, f"SL: {result['sl_price']} != {expected_sl}"
|
||||
assert abs(result["tp_price"] - expected_tp) < 1e-8, f"TP: {result['tp_price']} != {expected_tp}"
|
||||
|
||||
def test_short_sl_tp_calculation(self):
|
||||
"""SHORT 진입 시 SL = entry + ATR*1.5, TP = entry - ATR*2.3."""
|
||||
em = ExecutionManager(symbol="XRPUSDT")
|
||||
entry = 2.0
|
||||
atr = 0.01
|
||||
|
||||
result = em.execute("EXECUTE_SHORT", entry, atr)
|
||||
assert result is not None
|
||||
assert result["action"] == "SHORT"
|
||||
|
||||
expected_sl = entry + (atr * 1.5)
|
||||
expected_tp = entry - (atr * 2.3)
|
||||
assert abs(result["sl_price"] - expected_sl) < 1e-8
|
||||
assert abs(result["tp_price"] - expected_tp) < 1e-8
|
||||
|
||||
def test_hold_returns_none(self):
|
||||
"""HOLD 신호는 None 반환."""
|
||||
em = ExecutionManager(symbol="XRPUSDT")
|
||||
result = em.execute("HOLD", 2.0, 0.01)
|
||||
assert result is None
|
||||
|
||||
def test_duplicate_position_blocked(self):
|
||||
"""이미 포지션이 있으면 중복 진입 차단."""
|
||||
em = ExecutionManager(symbol="XRPUSDT")
|
||||
em.execute("EXECUTE_LONG", 2.0, 0.01)
|
||||
|
||||
result = em.execute("EXECUTE_SHORT", 2.1, 0.01)
|
||||
assert result is None, "포지션 중복 차단 실패"
|
||||
|
||||
def test_reentry_after_close(self):
|
||||
"""청산 후 재진입 가능."""
|
||||
em = ExecutionManager(symbol="XRPUSDT")
|
||||
em.execute("EXECUTE_LONG", 2.0, 0.01)
|
||||
em.close_position("test", exit_price=2.01, pnl_bps=50)
|
||||
|
||||
result = em.execute("EXECUTE_SHORT", 2.05, 0.01)
|
||||
assert result is not None, "청산 후 재진입 실패"
|
||||
assert result["action"] == "SHORT"
|
||||
|
||||
def test_invalid_atr_blocked(self):
|
||||
"""ATR이 None/0/NaN이면 주문 차단."""
|
||||
em = ExecutionManager(symbol="XRPUSDT")
|
||||
|
||||
assert em.execute("EXECUTE_LONG", 2.0, None) is None
|
||||
assert em.execute("EXECUTE_LONG", 2.0, 0) is None
|
||||
assert em.execute("EXECUTE_LONG", 2.0, float("nan")) is None
|
||||
|
||||
def test_risk_reward_ratio(self):
|
||||
"""R:R 비율이 올바르게 계산되는지 확인."""
|
||||
em = ExecutionManager(symbol="XRPUSDT")
|
||||
result = em.execute("EXECUTE_LONG", 2.0, 0.01)
|
||||
# TP/SL = 2.3/1.5 = 1.533...
|
||||
expected_rr = round(2.3 / 1.5, 2)
|
||||
assert result["risk_reward"] == expected_rr
|
||||
Reference in New Issue
Block a user