지금까지 레짐 분류기, 전략 라우터, 리스크 오버레이, 백테스트 엔진, 실행 레이어를 각각 다뤘다. run_live_bot.py는 이 컴포넌트들을 60초마다 하나의 사이클로 묶는 메인 루프다. 각 사이클에서 무슨 일이 일어나는지 순서대로 정리한다.

사이클 개요

[매 60초]
 1. 데이터 로드 (Alpaca / Yahoo / FRED)
 2. 데이터 freshness 체크 (stale / outside_rth / missing)
 3. 레짐 피처 빌드 → 레짐 예측
 4. 체인 결정 (defensive / chop / trend / neutral)
 5. Allowlist 필터 (허용 전략만 통과)
 6. 활성 전략 신호 계산
 7. 전략 선택 (weighted / single_best)
 8. 포지션 타겟 계산
 9. Churn Guard 적용
10. Position Policy 결정
11. 주문 생성 → open order 필터 → Alpaca 실행
12. RiskManager 상태 업데이트
13. State JSON 저장 / CSV 로그 기록

1. 데이터 freshness 체크

데이터를 받아온 뒤 즉시 freshness를 확인한다.

freshness = assess_data_freshness(
    now=now,
    last_15m=last_15,
    last_60m=last_60,
    stale_15m_bars=2,
    stale_60m_bars=1,
    trade_regular_only=trade_regular_only,
)

상태는 네 가지다.

상태 의미 처리
active 정상 신호 계산 진행
outside_rth 정규장 외 시간 주문 0건, 관측만
stale 마지막 봉이 너무 오래됨 심볼 스킵
missing 데이터 없음 심볼 스킵

심볼 과반수가 outside_rth이면 해당 사이클의 market_phase="outside_rth"로 기록한다.

2. 레짐 예측 → 체인 결정

feats = build_us_regime_features(bundle.df_15m, vix_daily=vix, adr_15m=bundle.adr_15m)
regime, regime_meta = predict_regime_with_meta(feats, market="US", symbol=symbol, regime_cfg=regime_cfg)
rp = regime.iloc[-1].to_dict()  # {p_trend_up, p_trend_down, p_chop, p_high_vol}

decision = decide_chain(rp, selected, chain_cfg, symbol=symbol, ...)

regime_cfg.mode는 세 가지다.

  • heuristic — 규칙 기반 레짐 (Transformer 없음)
  • ml — Transformer 모델 추론
  • shadow — ml로 추론하되 실행엔 heuristic 결과 사용 (Shadow Mode 검증용)

체인 결정 결과인 decision.active_strategies가 그 사이클에서 실행 가능한 전략 목록이 된다.

3. Allowlist 필터

체인이 활성화한 전략 중 Allowlist에 없는 것을 제거한다.

if allowlist is not None:
    active_for_symbol = [s for s in active_for_symbol if allowlist.is_allowed(symbol, s)]
    if before > 0 and not active_for_symbol:
        disabled_symbols.add(symbol)

Allowlist는 (symbol, strategy) 쌍 단위로 관리한다. 특정 심볼에서 특정 전략만 허용하거나 막을 수 있다. 예를 들어 OOS 검증을 통과하지 못한 조합은 Allowlist에서 enabled=0으로 처리한다.

4. 전략 선택 — weighted vs single_best

활성화된 전략이 여러 개일 때 두 가지 모드로 처리한다.

weighted 모드

모든 전략의 신호를 Softmax 가중치로 합산한다.

w = route_weights(rp, strategy_scores, router_cfg)
tgt = sum(w[s] * strategy_targets[s] for s in w)

single_best 모드

레짐·차트 피트 점수가 가장 높은 전략 하나만 선택한다.

best = max(pool, key=lambda s: adjusted_scores[s])

전략을 바꾸는 것(switch)을 억제하는 세 가지 조건이 있다.

switch_edge_buffer = 0.15      # 현재 전략 대비 0.15 이상 앞서야 전환
cooldown_minutes = 120.0       # 마지막 전환 후 120분 동안 전환 불가
switch_only_when_flat = True   # 포지션이 있으면 전환 불가

이 조건들이 동시에 충족돼야 전략이 교체된다. 잦은 전략 교체는 실행 비용과 슬리피지를 유발하기 때문에 보수적으로 관리한다.

5. Churn Guard

포지션 수준의 과매매를 억제한다. 전략 선택과 별개 레이어다.

churn_cfg = {
    "enabled": True,
    "min_target_abs": 0.03,          # 3% 미만 목표는 0으로 처리
    "rebalance_deadband": 0.02,      # 현재 포지션과 2% 이내 차이면 유지
    "side_change_cooldown_minutes": 60,  # 롱↔숏 전환 쿨다운
    "min_hold_minutes": 60,          # 체결 후 최소 보유 시간
}

세 가지를 막는다.

  1. deadband — 현재 포지션과 목표 차이가 rebalance_deadband 이내면 현재 포지션 유지
  2. side cooldown — 이전에 롱이었다가 숏으로 전환 요청이 오면 60분 기다림
  3. min hold — 실제 체결이 일어난 뒤 60분 이내에 반대 방향 요청이 오면 무시
if abs(tgt - cur) < rebalance_deadband:
    tgt = cur
    deadband_clamped += 1

Churn Guard는 outside_rth 구간에도 상태를 유지한다. 장 종료 직후 빈 churn_targets로 상태가 초기화되는 버그가 있었는데, 현재 사이클 심볼 외에도 이전에 추적된 심볼 상태를 보존하도록 수정했다.

6. Position Policy

Allowlist에서 빠진 심볼, Cutover로 생긴 이전 세대 포지션 등을 어떻게 처리할지 결정한다.

def _resolve_position_policy(*, symbol, current_position, selected_strategy,
                               enabled_symbols, owner_map, generation_map,
                               selection_generation, flat_position_abs):
    if sym not in enabled_symbols:
        return "unwind_only", "disabled_symbol"

    if generation == selection_generation and owner:
        if owner == selected:
            return "normal", ""
        return "legacy_hold", "owner_mismatch"

    return "legacy_hold", "pre_cutover_position"
정책 의미 동작
normal 정상 거래 target_position 그대로 적용
legacy_hold 이전 세대 포지션 목표가 현재보다 크면 현재 유지, 작으면 축소
unwind_only allowlist 제외 심볼 목표를 0으로 강제, 청산만

Cutover 시 새 세대가 시작되면 이전 세대에서 진입한 포지션은 legacy_hold로 잡힌다. 신규 매수는 막고 기존 포지션은 전략 신호에 따라 자연 청산된다.

7. 주문 실행 파이프라인

orders = generate_orders(
    target_positions, current_positions,
    prices, account_equity,
    min_delta=order_min_delta,
)
open_orders = fetch_open_orders(mode)
orders, skipped = filter_orders_against_open(orders, open_orders)
results = execute_orders_alpaca(orders, mode=args.mode)

filter_orders_against_open이 이미 주문이 걸려 있는 심볼을 제거한다. 같은 심볼에 두 건이 중복으로 들어가는 걸 방지한다.

8. 로그 구조

매 사이클마다 두 개의 CSV에 기록한다.

live_log.csv — 사이클 단위 요약

주요 컬럼: time, mode, action, equity, chain_name, active_strategies, regime_source, regime_confidence, allowlist_hit_rate, disabled_symbol_count, churn_blocked_side_cooldown, position_policy_by_symbol, market_phase

live_log_events.csv — 주문 단위 이벤트

주요 컬럼: time, symbol, side, qty, success, status_code, error_type, latency_ms, order_id, chain_name

_json_dumps_safe가 NaN, Inf 같은 JSON 직렬화 불가능 값을 None으로 치환한다. numpy scalar를 Python 기본형으로 변환하는 hasattr(v, "item") 분기도 포함한다.

전체 컴포넌트 의존 관계

run_live_bot
  ├── data.pipeline          (데이터 로드)
  ├── features.engineering   (레짐 피처)
  ├── regime.interface       (레짐 예측)
  ├── router.chain           (체인 결정)
  ├── router.chart_selector  (차트 적합도)
  ├── router.interface       (가중치 배분)
  ├── risk.overlay           (Kill Switch, freshness)
  ├── execution.interface    (Alpaca 주문)
  └── reporting.metrics      (성능 집계)

각 컴포넌트를 독립적으로 테스트하고 교체할 수 있는 구조다. regime_cfg.mode를 바꾸면 레짐 소스만 전환되고, selector_cfg.mode를 바꾸면 전략 선택 방식만 달라진다. 메인 루프는 이 설정들을 런타임 JSON에서 읽어 반영한다.