Files

21in7 7e4e9315c2 feat: implement ML filter with LightGBM for trading signal validation

- Added MLFilter class to load and evaluate LightGBM model for trading signals.
- Introduced retraining mechanism to update the model daily based on new data.
- Created feature engineering and label building utilities for model training.
- Updated bot logic to incorporate ML filter for signal validation.
- Added scripts for data fetching and model training.

Made-with: Cursor

2026-03-01 17:07:18 +09:00

3.1 KiB

Raw Blame History

ML 필터 설계 문서

날짜: 2026-03-01

목적

기존 규칙 기반 신호(LONG/SHORT/HOLD)가 발생했을 때, LightGBM 모델이 해당 진입이 수익으로 끝날 확률을 계산하여 낮은 확률의 진입을 차단하는 보조 필터를 구현한다.

아키텍처 개요

캔들 수신 → 기술 지표 계산 → 규칙 기반 신호(LONG/SHORT/HOLD)
                                          ↓
                              신호 != HOLD 일 때만
                                          ↓
                         [ML 필터] LightGBM.predict_proba()
                                          ↓
                         확률 >= 0.60 이면 진입 허용
                         확률 < 0.60 이면 진입 차단

레이블 정의

1 (성공): 진입 후 take_profit 가격에 먼저 도달
0 (실패): 진입 후 stop_loss 가격에 먼저 도달
TP/SL 계산은 기존 Indicators.get_atr_stop() 재사용 (ATR 기반)

피처 목록

피처	설명
`rsi`	RSI(14)
`macd_hist`	MACD 히스토그램
`bb_pct`	볼린저밴드 내 가격 위치 (0~1)
`ema_align`	EMA 정배열 여부 (1=정배열, -1=역배열, 0=혼재)
`stoch_k`	Stochastic RSI K
`stoch_d`	Stochastic RSI D
`atr_pct`	ATR / 현재가 (변동성 비율)
`vol_ratio`	거래량 / vol_ma20
`ret_1`	1캔들 전 대비 수익률
`ret_3`	3캔들 전 대비 수익률
`ret_5`	5캔들 전 대비 수익률
`signal_strength`	규칙 기반 신호 강도 (long/short_signals 수)
`side`	신호 방향 (1=LONG, 0=SHORT)

신규 컴포넌트

컴포넌트	파일	역할
피처 엔지니어링	`src/ml_features.py`	기술 지표 → ML 피처 변환
ML 필터	`src/ml_filter.py`	모델 로드 + 예측 + 폴백
재학습 스케줄러	`src/retrainer.py`	매일 새벽 재학습 트리거
데이터 수집 스크립트	`scripts/fetch_history.py`	바이낸스 과거 캔들 수집
학습 스크립트	`scripts/train_model.py`	LightGBM 학습 + 저장

재학습 스케줄

초기: scripts/fetch_history.py + scripts/train_model.py 수동 실행
이후: 매일 새벽 3시 (KST) retrainer.py가 자동 실행
- 새 모델 AUC > 기존 모델 AUC → 교체
- 그렇지 않으면 기존 모델 유지 (롤백)
- Discord 알림으로 결과 전송

모델 저장 구조

models/
├── lgbm_filter.pkl       ← 현재 사용 중인 모델
├── lgbm_filter_prev.pkl  ← 롤백용 이전 모델
└── training_log.json     ← 재학습 이력 (날짜, AUC, 샘플 수)

폴백 정책

models/lgbm_filter.pkl 파일이 없으면 ML 필터를 건너뛰고 기존 규칙 기반 신호 그대로 사용. 봇이 모델 없이도 정상 작동.

bot.py 변경 범위

process_candle() 메서드에 3줄 추가:

if signal != "HOLD" and self.ml_filter.is_model_loaded():
    features = build_features(df_with_indicators, signal)
    if not self.ml_filter.should_enter(features):
        signal = "HOLD"

3.1 KiB Raw Blame History