meta: title: "데이터 갭 로드맵 — 단계별 보완 계획" version: "2026-06-21-platform-transition-v1" language: "ko-KR" purpose: > 의사결정 파이프라인(spec/09_decision_flow.yaml)에서 식별된 데이터 공백을 우선순위별로 정리하고, 단계별 구현 계획을 명시한다. GAS 수집 → spec 공식 → LLM 판단 순서로 각 갭의 의존성을 추적한다. # ───────────────────────────────────────────────────────────────────────────── # 1단계 완료 (2026-05-17 구현됨) # ───────────────────────────────────────────────────────────────────────────── phase_1_completed: G1_KOSPI_MA60: status: DONE implementation: "fetchYahooOhlcMetrics → macro 탭 MA60 컬럼" enables: "RISK_ON 판정 조건 KOSPI_MA20 >= KOSPI_MA60" G2_KOSPI_KOSDAQ_Ret10D: status: DONE implementation: "fetchYahooOhlcMetrics → macro 탭 Ret10D" enables: "daily_leader_scan C2: Ret10D_종목 - Ret10D_KOSPI" G3_ETF_Ret10D: status: DONE implementation: "fetchYahooPrice → sector_flow ETF_Ret10D" enables: "RW2 상대약세: Ret10D_종목 - Ret10D_주도섹터ETF" G4_USD_JPY_Ret2D: status: DONE implementation: "calcDerivedPriceMetrics.ret2D → macro 탭 Ret2D (USD_JPY행)" enables: "MRS usd_jpy_score: Ret2D <= -1 → +1점" G5_credit_stress_proxy: status: DONE implementation: "HYG ETF Ret5D → REGIME_PRELIM 행 credit_stress 필드" enables: "MRS credit_score 자동 계산" limitation: "HYG는 미국 HY proxy. 한국 신용스프레드 직접 수집은 3단계 과제." G6_Rotation_Rank: status: DONE implementation: "runSectorFlow 정렬 후 Rotation_Rank 컬럼" enables: "C5 Rotation_Score 순위 <= 3 판단, RW1 섹터 순위 변화 추적" S4_MRS_auto_compute: status: DONE implementation: "runMacro 내 MARKET_RISK_SCORE_V1 계산 → macro 탭 MRS_COMPUTED 행" enables: "LLM이 macro 탭 한 번 읽어 MRS 즉시 확인 가능" # ───────────────────────────────────────────────────────────────────────────── # 2단계 — 구조적 갭 (시트 신설 필요, 중간 우선순위) # ───────────────────────────────────────────────────────────────────────────── phase_2_structural: S1_trades_performance_sheet: priority: HIGH status: DONE purpose: > Bayesian multiplier (high/medium/low/no_bet) 및 net_expectancy 산출 기반. 미구현 시 bayesian_confidence는 항상 medium_confidence(0.5×) 고정. required_columns: - "trade_id" - "ticker" - "sector" - "entry_date" - "entry_price" - "entry_stage" # stage_1/2/3 - "quantity" - "stop_price_at_entry" - "target_price_at_entry" - "exit_date" - "exit_price" - "exit_reason" # stop_loss/take_profit/time_stop/rw_exit/manual - "pnl_pct" - "holding_days" - "entry_c1_score" # daily_leader_scan 입장 시 C1~C5 - "entry_c2_score" - "entry_c3_score" - "entry_c4_score" - "entry_c5_score" - "entry_mrs_score" - "fc_bucket" # Y/N: explore_loss_budget 귀속 여부 derived_outputs: - "win_rate (최근 30건)" - "avg_win_pct" - "avg_loss_pct" - "net_expectancy = (win_rate × avg_win_pct) - (loss_rate × avg_loss_pct)" - "bayesian_confidence_multiplier 자동 결정" implementation_plan: step_1: "Google Sheets에 'performance' 탭 수동 생성" step_2: "spec/17_performance_contract.yaml 계약서 작성" step_3: "GAS에 performance 탭 읽기 함수 추가 → Bayesian multiplier 자동 계산" step_4: "runDataFeed 내 bayesian_multiplier 필드 → data_feed 탭 추가" implementation_note: > 2026-05-17 구현 완료. spec/17_performance_contract.yaml 신규 작성. readPerformanceSheet_() GAS 함수 추가. EE_Est 계산에 Bayesian multiplier 반영. macro 탭 BAYESIAN_COMPUTED 행으로 상태 출력. S2_stop_price_tracking: priority: HIGH status: DONE purpose: > TOTAL_HEAT_V1 계산 필수 입력값. 미구현 시 HF005(Total_Heat 10% 차단) 미작동. stop_price 없으면 포트폴리오 총 위험노출 계산 불가. required_fields_per_position: - "ticker" - "account" - "average_cost" - "stop_price" # ATR 기준 계산값 또는 HTS 실제 설정값 - "holding_quantity" - "last_updated" implementation_plan: step_1: "account_snapshot에 stop_price/highest_price_since_entry/last_updated 선택 컬럼 추가" step_2: "spec/15_account_snapshot_contract.yaml에 account_snapshot_position_state 추가" step_3: "GAS: account_snapshot 기반 TOTAL_HEAT 및 trailing stop 갱신" interim_workaround: > stop_price 미기록 시 STOP_PRICE_CORE_V1 공식으로 ATR 기준 추정: stop_price_est = average_cost - ATR20 × 1.5 Total_Heat_est = sum((average_cost - stop_price_est) × holding_quantity) / total_asset × 100 implementation_note: > 2026-05-18 account_snapshot 통합 완료. positions_tab은 deprecated. readAccountSnapshotHeat_() GAS 함수 추가 (ATR 추정 폴백 포함). macro 탭 TOTAL_HEAT 행으로 HF005 상태 출력. S3_sector_flow_weekly_history: priority: MEDIUM status: DONE implementation: > option_B legacy interim 구현 완료 (2026-05-17). sector_flow 탭에 Prev_Rotation_Rank(W1), Prev_Rotation_Rank_W2 컬럼 추가. W1 = sector_flow 시트에서 직전 실행 결과 읽기. W2 = PropertiesService['sf_w2_ranks_json'] 캐시 (직전 실행 시 저장). RW1·RW3 컬럼이 sector_flow 탭에 자동 계산됨 → data_feed RW1·RW3 컬럼으로 전파. enables: > RW1 '2주 연속 섹터 순위 3순위 이상 하락' 자동 판단. RW3 '외국인+기관 5D 순매도 2주 연속' 자동 판단. note: > 2회 이상 실행 후 W1/W2 데이터가 축적되어야 RW1·RW3가 작동한다. 단, 이는 전회 실행 기준 legacy interim이며 주간 스냅샷 기반 sector_flow_history는 후속 Phase 4 과제다. S4_sector_flow: priority: HIGH status: DONE implementation: > 2026-05-17 Phase 1-2 구현. sector_universe 원장 또는 DEFAULT_SECTOR_UNIVERSE_V2를 canonical source로 사용하고, 구성종목 수급을 수량 단순합산이 아닌 원화금액×가중치로 sector_flow에 집계한다. Coverage_Weight, SmartMoney_5D_KRW, SmartMoney_5D_Norm, Flow_Breadth_5D, Data_Quality, Decision_Use를 추가했다. sector_universe 시트가 없으면 기본 템플릿을 생성하며, Is_ETF=Y 구성행은 ETF 자체 수급 혼입을 막기 위해 섹터 smart money 집계에서 제외한다. limitation: > KRX/KIND 기반 NAV/괴리율/추적오차/AUM 수집은 아직 미구현이며 etf_raw에서 ETF_NAV_Risk=NAV_DATA_MISSING으로 명시한다. next_review_date: "2026-09-30" # WBS-7.8(2026-06-21) — KRX/KIND API 키 발급 가능성 분기별 재조사 next_review_action: > KRX 정보데이터시스템/KIND 공식 API 또는 공개 데이터셋의 발급/이용약관 변경 여부를 재확인한다. 변경이 없으면 next_review_date를 다음 분기로 갱신하고 PLANNED 유지, 변경이 있으면 P1_kis_core_api_collector와 동일한 패턴으로 착수 여부를 결정한다. automation_attempt_2026_06_22: > pykrx(이미 tools/build_prediction_accuracy_harness_v2.py에서 EOD 가격 조회로 사용 중)의 get_etf_price_deviation()/get_etf_tracking_error()/get_shorting_balance()를 실제로 호출해 자동화 가능성을 재시도했다. 결과: 기본 시세조회(OHLCV)는 정상 작동(공개 엔드포인트, 로그인 불필요)하지만, 공매도 잔고/ETF 괴리율/추적오차 엔드포인트는 세션 쿠키를 정상 부트스트랩한 뒤에도 "HTTP 400 LOGOUT"을 반환했다(raw HTTP로 재현 확인). 이는 pykrx 임포트 시 출력되는 "KRX_ID/KRX_PW 환경변수 미설정" 경고와 정확히 일치 — 이 카테고리는 KRX 회원 로그인이 있어야 접근 가능한 서버측 인증 게이트이며, 헤더/세션 보정으로 해결되는 문제가 아님을 확인했다. 자동화하려면 KRX 계정(KRX_ID/KRX_PW)을 자격증명으로 코드에 등록해야 하는데, 이는 governance/rules/06·07과 유사한 새로운 자격증명 정책 결정이 필요한 사안이라 사용자 승인 없이 추가하지 않는다. 기술적 장벽 자체는 명확히 확정됐으므로 next_review_date 재조사 시 "API 키 발급 가능성"이 아니라 "KRX 계정 발급·자격증명 관리 정책 승인 여부"로 재구성해 검토할 것. S5_etf_raw_execution_quality: priority: HIGH status: DATA_GATED implementation: > 2026-05-17 Phase 3 interim 구현. etf_raw 시트를 신설하고 ETF proxy/ETF 구성행에 대해 Close, Bid, Ask, Spread_Pct, AvgTradeValue_5D_KRW, AvgTradeValue_20D_KRW, ETF_Frg_5D_KRW, ETF_Inst_5D_KRW, ETF_Liquidity_Score, ETF_Liquidity_Status를 산출한다. NAV_DATA_MISSING 상태에서는 ETF_Execution_Use=WATCH_ONLY로 표시해 ETF 매매 실행 근거와 섹터 수급 근거를 분리한다. etf_nav_manual 시트가 있으면 NAV, iNAV, 괴리율, 추적오차, AUM을 etf_raw에 반영한다. tools/import_etf_nav_manual.py로 KRX/KIND/운용사 CSV/XLSX export를 etf_nav_manual로 변환할 수 있다. limitation: "NAV, iNAV, 괴리율, 추적오차, AUM 자동 수집은 KRX/KIND 수집 경로 확정 전까지 미구현." next_review_date: "2026-09-30" # WBS-7.8(2026-06-21) — S4와 동일 주기로 재검토 next_review_action: "S4_sector_flow.next_review_action과 동일 — KRX/KIND 경로 확정 시 etf_nav_manual 수동 경로를 자동 수집으로 대체." automation_attempt_2026_06_22: "S4_sector_flow.automation_attempt_2026_06_22와 동일 사유로 자동화 불가 확정(pykrx get_etf_price_deviation/get_etf_tracking_error 모두 HTTP 400 LOGOUT — KRX 회원 로그인 필요)." S6_sector_flow_history: priority: HIGH status: DONE implementation: > 2026-05-17 Phase 4 interim 구현. sector_flow_history 시트에 Snapshot_Date+Sector 기준으로 sector_flow 누적 스냅샷을 upsert한다. sector_flow의 RW1/RW3 계산은 sector_flow_history를 우선 사용하고, 이력이 부족할 때만 기존 sector_flow/PropertiesService 값을 fallback으로 사용한다. Snapshot_Date는 Apps Script Date 객체와 문자열 날짜를 모두 yyyy-MM-dd로 정규화한다. S7_snapshot_admin_web_editor: priority: HIGH status: DONE implementation: > SQLite canonical store용 웹 편집기 구현. settings/account_snapshot을 contenteditable 그리드로 직접 수정하고, TSV import/export, 행 삽입/복제, 승인/잠금/undo를 API로 제어한다. KIS SQLite collector 상태 패널을 함께 노출해서 최신 수집 run/오류를 같은 화면에서 확인한다. web UI는 Snapshot Admin 서버가 담당하며 JSON export는 CI/파생 도구용이다. enables: > settings/account_snapshot을 xlsx 대신 SQLite에서 직접 관리하면서도 스프레드시트처럼 편집 가능한 운영 surface와 수집 현황 대시보드 제공. success_criteria: settings_sheet_web_editor: true account_snapshot_sheet_web_editor: true contenteditable_grid: true api_save_round_trip: PASS kis_collection_dashboard: true single_workspace_sqlite: true collection_filter_controls: true collection_dashboard_page: true change_timeline_view: true evidence: code: - "src/quant_engine/snapshot_admin_server_v1.py" - "src/quant_engine/snapshot_admin_store_v1.py" - "tools/validate_snapshot_admin_web_v1.py" tests: - "tests/unit/test_snapshot_admin_store_v1.py" - "tests/unit/test_snapshot_admin_web_v1.py" workflow: - ".gitea/workflows/snapshot_admin.yml" verification: "python tools/validate_snapshot_admin_web_v1.py" # ───────────────────────────────────────────────────────────────────────────── # 3단계 — 분석 품질 고도화 (낮은 우선순위) # ───────────────────────────────────────────────────────────────────────────── phase_3_enhancement: A1_daily_leader_scan_auto: priority: MEDIUM status: DONE implementation: > P1(2026-05-17) 구현 완료. runDataFeed 루프 내 C1~C5 자동 계산. data_feed 탭: C1_Price, C2_RelStr, C3_VolSurge, C4_Flow, C5_Sector, Leader_Scan_Total, Leader_Gate. output_columns: ["C1_Price","C2_RelStr","C3_VolSurge","C4_Flow","C5_Sector","Leader_Scan_Total","Leader_Gate"] A2_eps_growth_3y_cagr: priority: MEDIUM status: DONE implementation: > 2026-05-17 구현 완료. fetchYahooConsensusEps() 확장. Yahoo earningsTrend +1y의 earningsEstimate.growth.raw 직접 추출. 없으면 (+1y avg - 0y avg) / abs(0y avg) × 100 으로 계산. data_feed 탭 EPS_Growth_1Y_Pct 컬럼 추가 → LLM이 PEG = Forward_PE / EPS_Growth_1Y_Pct 계산 가능. accuracy_note: "1년 성장률 추정치 (3Y CAGR 완전 대체 불가). KOSDAQ PEG 게이트에서 fallback보다 정확." A3_pct_from_52w_low: priority: LOW status: DONE purpose: "Low52W 대비 현재가 반등률 — 저점 대비 위치 파악 (눌림 구간 분석)" expression: "(Close / Low52W - 1) × 100" implementation: "data_feed 탭 Pct_From_52W_Low 컬럼 (2026-05-17)" A4_ex_dividend_date: priority: LOW status: DONE implementation: > 2026-05-17 구현 완료. fetchYahooTargetPrice() 확장 (추가 API 호출 없음). calendarEvents.exDividendDate → data_feed Ex_Dividend_Date, Days_To_Ex_Div 컬럼. defaultKeyStatistics.lastDividendValue → data_feed DPS 컬럼. A6_pos_size_qty: priority: HIGH status: DONE implementation: > 2026-05-17 구현 완료. data_feed Pos_Size_Qty 컬럼: POSITION_SIZE_V1 간략 버전 자동 계산. atr_qty = floor(total_asset × 0.007 × bayesian_multiplier / (ATR20 × 1.5)) weight_qty = floor(total_asset × 0.05 / Close) Pos_Size_Qty = min(atr_qty, weight_qty). requires: settings 탭 total_asset_krw 입력. limitation: "cash/sector/liquidity 한도는 account_snapshot 필요. 현재는 ATR+weight 한도만 적용." A7_stop_price_actual: priority: HIGH status: DONE implementation: > 2026-05-17 구현 완료. data_feed Stop_Price_Est: account_snapshot 실제 stop_price 우선 → ATR 추정 폴백. Stop_Price_Source 컬럼: "account_snapshot" / "ATR추정" 표시. EE_Est가 실제 stop_price 기반으로 계산됨 (포지션 있는 종목). A8_settings_tab: priority: HIGH status: DONE implementation: > 2026-05-17 구현 완료. readSettingsTab_() GAS 함수 추가. settings 탭: key-value 구조 (key, value, note 컬럼). total_asset_krw: Pos_Size_Qty, TOTAL_HEAT_V1, FC_BUDGET 계산에 사용. spec/18_settings_contract.yaml 계약서 작성. A9_fc_budget_tracking: priority: MEDIUM status: DONE implementation: > 2026-05-17 구현 완료. calcFcBudget_() GAS 함수 추가. performance 탭 fc_bucket=Y 거래 중 당월 청산 손실 집계. macro 탭 FC_BUDGET 행 추가: used_pct / 2.5% 예산 상태 출력. exhausted 시 LLM이 신규 stage_1 탐색 자동 억제 가능. A5_kosdaq_vs_ma20: priority: LOW status: DONE purpose: "kosdaq_regime_supplement 규칙: KOSDAQ_Close < KOSDAQ_MA20 → MRS +1" implementation: "runMacro MRS 계산에 kosdaqSupp 로직 추가. macro 탭 KOSDAQ (^KQ11) 이미 수집 중 (2026-05-17)" # ───────────────────────────────────────────────────────────────────────────── # 분석 보완 제안 (GAS 미관여, LLM 분석 품질 향상) # ───────────────────────────────────────────────────────────────────────────── analysis_enhancements: B1_rw_signal_checklist: purpose: "RW1~RW5 자동 계산 및 출력" current_status: RW1: "✅ sector_flow RW1 컬럼 자동 계산 (2026-05-17). Prev_Rotation_Rank(W1)+W2 PropertiesService 캐시 기반. 2회 이상 실행 후 정확." RW2: "✅ data_feed RW2 컬럼 자동 계산 (2026-05-17). Ret10D - ETF_Ret10D <= -5%p" RW3: "✅ sector_flow RW3 컬럼 자동 계산 (2026-05-17). 외국인+기관 5D 순매도 2주 연속 (현재+W1 비교)." RW4: "✅ data_feed RW4 컬럼 자동 계산 (2026-05-17). AvgTradeValue_5D/20D <= 0.60" RW5: "✅ data_feed RW5 컬럼 자동 계산 (2026-05-17). Close < MA20 AND < MA60" RW_Partial: "✅ data_feed RW_Partial = RW1+RW2+RW3+RW4+RW5 합계 (0~5)" fully_automated: ["RW1 (2회 이상 실행 후)", "RW2", "RW3 (현재+W1 기준)", "RW4", "RW5"] note: "RW1·RW3의 '2주 연속' 조건은 2회 이상 실행 후 W1/W2 데이터 축적 시 완전히 정확해짐." B2_total_heat_estimation: purpose: "stop_price 미기록 시 ATR 기준 Total_Heat 추정" formula: > For each holding in account_snapshot: stop_price_est = entry_price - ATR20 × 1.5 heat_contribution = (entry_price - stop_price_est) × quantity / total_asset × 100 Total_Heat_est = sum(heat_contribution) requirement: "ATR20(data_feed), entry_price(account_snapshot), quantity(account_snapshot), total_asset(account_snapshot) 필요" note: "actual stop_price가 있으면 실제값 우선. 없으면 이 추정으로 HF005 체크 가능." B3_expected_edge_checklist: purpose: "EXPECTED_EDGE_V1 계산 전 필수 입력 확인" required_fields: - "target_price: data_feed Target_Price (Naver 또는 Yahoo) ✓" - "entry_price: limit_price (entry_core.yaml limit_price_formula) ✓" - "stop_price: stop_price_est (B2 또는 실제값) △" - "bayesian_confidence_multiplier: performance 시트 기반 (S1) — 미구현 시 0.5× 기본" - "execution_cost_rate: 0.003 고정 ✓" B4_c2_now_computable: purpose: "daily_leader_scan C2 바로 계산 가능" formula: "Ret10D_종목(data_feed) - Ret10D_KOSPI(macro) >= 3%p" status: "G2 완료로 계산 가능. LLM이 두 탭 조회 후 즉시 판단." B5_mrs_now_readable: purpose: "MRS 자동 계산 결과 macro 탭에서 직접 읽기" location: "macro 탭 Symbol='MRS_COMPUTED' 행 → Close=점수, Status='score=X/10 cash=Y%'" usage: "LLM이 macro 탭을 읽으면 MRS 재계산 없이 즉시 확인 가능" B6_flow_credit_v1_auto: purpose: "FLOW_CREDIT_V1 자동 계산 — data_feed Flow_Credit 컬럼" status: DONE implementation: > 2026-05-17 구현 완료. runDataFeed 루프 내 자동 계산. fc_c1: close >= open OR close > prevClose → 0.30 fc_c2: volume >= avgVolume5D × 1.20 → 0.30 fc_c3: flow_ok AND (frg5 + inst5) > 0 → 0.40 Hard override: C1=0 AND C2=0 → 0 (C3 단독 충족은 물량받기로 간주) output_column: "data_feed Flow_Credit (0.00~1.00)" B7_trailing_stop_price_auto: purpose: "TRAILING_STOP_PRICE_V1 자동 계산 — account_snapshot 최고가 기반" status: DONE implementation: > 2026-05-18 account_snapshot highest_price_since_entry 읽기/쓰기 통합 완료. trailingStopPrice = highest_price_since_entry - ATR20 × 1.5 account_snapshot에 highest_price_since_entry 미입력 시 공백. output_column: "data_feed Trailing_Stop_Price (KRW 정수)" B8_ss001_score_auto: purpose: "SS001 종목 점수 자동 계산 — 6개 축 + 총점 + 등급" status: DONE implementation: > 2026-05-17 구현 완료. runDataFeed 루프 내 자동 계산. SS001_P: core_satellite RS_Pct_20D → percentile=100-RS_Pct_20D → ≤30=25pt/30~60=15pt/>60=0pt SS001_V: avgTradingValue5D/20D 비율 → ≥120%=15pt/80~120%=8pt/<80%=0pt SS001_F: Flow_Credit → ≥0.70=25pt/0.40~0.70=12pt/<0.40=0pt SS001_E: EPS_Revision_Status → UP=20pt/FLAT=10pt/DOWN=0pt SS001_M: REGIME_PRELIM(전회 macro 결과) → RISK_ON/LEADER_CONCENTRATION=10pt/NEUTRAL=5pt/기타=0pt SS001_VAL: KOSPI→PER/PBR vs 섹터중앙값(max 5pt), KOSDAQ→PEG 기반(max 12pt) SS001_Total: 6개 합산 (KOSPI max 100, KOSDAQ max 107) SS001_Grade: 100점 환산 ≥80=A / ≥65=B / ≥50=C / <50=D output_columns: ["SS001_P","SS001_V","SS001_F","SS001_E","SS001_M","SS001_VAL","SS001_Total","SS001_Grade"] data_dependency: SS001_P: "core_satellite 탭 RS_Pct_20D 컬럼 (runCoreSatelliteFinalize 필요)" SS001_M: "전회 runMacro 실행 결과 (초회 실행 시 0점)" SS001_VAL: "sector_flow Sector_Median_PE/PBR (runSectorFlow 필요)" limitation: "SS001_P는 core_satellite 탭이 비어있으면 0점 처리. 처음 사용 시 runCoreSatellite 먼저 실행." B9_peg_gate_auto: purpose: "PEG 게이트 자동 계산 (KOSDAQ 종목 전용)" status: DONE implementation: > 2026-05-17 구현 완료. KOSDAQ_TICKERS Set 상수 추가 (현재 비어있음 — 보유 종목 모두 KOSPI). KOSDAQ 종목에서 EPS_Growth_1Y_Pct > 0 이면: PEG = Forward_PE / EPS_Growth_1Y_Pct PEG_Gate: PASS(≤1.5) / CAUTION(1.5~2.5) / REJECT(>2.5) EPS 성장률 미수집 시: Fallback → sector_median_PE 대비 Forward_PE 배수로 대체 output_columns: ["PEG","PEG_Gate"] B10_full_market_regime: purpose: "MARKET_REGIME_V1 완전 판정 — macro+sector_flow 통합" status: DONE implementation: > 2026-05-17 구현 완료. runMacro() 내에서 sector_flow 탭 읽기 추가. (runSectorFlow()가 sector_flow 기록 완료 후 runMacro()가 호출되므로 최신값 읽기 가능) 판정 우선순위: RISK_OFF > SECULAR_LEADER_RISK_ON > LEADER_CONCENTRATION > RISK_ON > NEUTRAL > RISK_OFF_CANDIDATE RISK_OFF: MRS>=7 OR (VIX>=25 AND KOSPIMA20 LEADER_CONCENTRATION: top2_sum>=100 AND top1_score>=55 AND top1_alertScore>=2 AND Tier1섹터 AND Ret20D>0 AND VIX<25 RISK_ON: VIX<18 AND KOSPI>MA20 AND (MA20>=MA60 OR Ret20D>0) AND (sfFrg20>0 OR sfInst20>0 OR top2sum>=100) NEUTRAL: MRS<=5 그 외 RISK_OFF_CANDIDATE: MRS 5~6 output: "REGIME_PRELIM 행 Close 컬럼 (Symbol=REGIME_PRELIM 유지 — 하위 호환)" note: > 이전 값이 'RISK_ON_CANDIDATE', 'RISK_OFF_CANDIDATE'이던 것이 'RISK_ON', 'RISK_OFF'로 변경됨. SS001_M 점수 계산이 이제 정상 작동 (이전엔 항상 0점이었음). B11_net_return_feedback: purpose: "net_return_feedback 상태 자동 계산 — RISK_BUDGET_CASCADE_V1 입력" status: DONE implementation: > 2026-05-17 구현 완료. runMacro() 내 bayesianInfo(performance 탭) 재사용. 규칙 (spec/05_position_sizing.yaml:net_return_feedback): trades < 20건: NORMAL (규칙 미적용) ne <= -2%: REDUCED — base_risk 0.007→0.003 삭감 권고 ne <= 0%: CAUTION — high_confidence 금지, multiplier 0.5× 강제 연속손실 ≥5건 (bayesian no_bet와 별개로): NORMAL→CAUTION 승격 그 외: NORMAL output: "macro 탭 NET_RETURN_FEEDBACK 행 (Symbol=NET_RETURN_FEEDBACK, Close=상태값)" C1_orbit_gap_tracking: purpose: "orbit_gap 자동 계산 — 월별 목표궤도 vs 실제 자산 추이 추적" status: DONE implementation: > 2026-05-17 구현 완료. spec/01_objective_profile.yaml:orbit_monthly_tracker 구현. calcOrbitGap_(settings) 함수: 기하평균 보간으로 목표누적수익률 계산. orbit_gap(%) = ((target/start)^(elapsed/total) - 1) - (current/start - 1) orbit_state: significantly_behind(>3%p) / mild_behind(1~3%p) / on_track / ahead_of_target(<-2%p) offensive_slot_adj: significantly_behind=+2, mild_behind=+1, on_track=0, ahead=0 cash_floor_adj: significantly_behind=-2%p, mild_behind=-1%p, on_track=0, ahead=+1%p runOrbitGap(): orbit_gap 탭에 현재 월 행 추가/갱신 (월 1회 독립 트리거) runMacro(): ORBIT_GAP + ORBIT_STATE 2개 행 macro 탭에 자동 기록 required_settings: - "orbit_start_asset_krw — 시작 자산 (1월 기준)" - "orbit_target_asset_krw — 목표 자산 (예: 5억)" - "orbit_start_yyyymm — 추적 시작 연월 (예: 2026-01)" - "orbit_end_yyyymm — 목표 달성 기한 (예: 2028-12)" - "total_asset_krw — 현재 자산 (기존 settings 항목 재사용)" output: macro_tab: "ORBIT_GAP 행(Close=gap %p), ORBIT_STATE 행(Close=상태, Status=slot/cash 조정값)" orbit_gap_tab: "Month/Start_Asset/Target_Asset/Actual_Asset/Target_Return_Pct/Actual_Return_Pct/Orbit_Gap_Pct/Orbit_State/Slot_Adj/Cash_Floor_Adj/Updated" api_exposure: getMacroJson: "orbit_gap_pct, orbit_state, orbit_slot_adj, orbit_cash_adj" getSummaryJson: "macro_snapshot.orbit_gap_pct, orbit_state, orbit_slot_adj" limitation: "settings 탭에 4개 orbit_* 파라미터 미입력 시 ORBIT_GAP=N/A 기록 (runOrbitGap 스킵)" C2_take_profit_ladder: purpose: "TAKE_PROFIT_LADDER_V1 자동 계산 — core/satellite 분리 익절 사다리" status: DONE implementation: > 2026-05-18 account_snapshot average_cost + holding_quantity + position_type 기반으로 변경. core: TP1=+15%(25% 물량), TP2=+25%(잔여 40% 물량). satellite: TP1=+10%(50% 물량), TP2=+20%(잔여 50% 물량). Time_Stop: stage_1=60일, stage_2=30일 (entry_date 기준 만료일 + 잔여일수). output_columns: data_feed: ["TP1_Price","TP1_Qty","TP2_Price","TP2_Qty","Time_Stop_Date","Days_To_Time_Stop"] required_account_snapshot_fields: ["average_cost","holding_quantity","position_type","entry_date","entry_stage"] C3_position_monitoring: purpose: "포지션 모니터링 컬럼 자동 계산 — 비중/수익률/PnL/스테이지/밴드" status: DONE implementation: > 2026-05-18 account_snapshot + 당일 종가 기반으로 변경. Weight_Pct: close × quantity / total_asset_krw × 100. Profit_Pct: (close - entry_price) / entry_price × 100. Unrealized_PnL: (close - entry_price) × quantity (KRW 정수). Stage2_Gate: stage_1 포지션에서 가격 +1.5% 이상 시 PASS, 아니면 PENDING. Band_Status: satellite 단일종목 7% 상한. OVERWEIGHT/IN_BAND/UNDERWEIGHT. core는 CORE_HIGH(>10%)/CORE_MID(3~10%)/CORE_LOW(<3%). output_columns: data_feed: ["Weight_Pct","Profit_Pct","Unrealized_PnL","Stage2_Gate","Band_Status"] D1_bucket_allocation_status: purpose: "포트폴리오 버킷 할당 상태 자동 계산 — core/satellite/cash 합계 vs 목표 범위" status: DONE implementation: > 2026-05-17 구현 완료. runDataFeed 루프에서 버킷별 Weight_Pct 누산. calcBucketStatus_() 함수: _bucketSnapshot_ 기반 bucket-level 집계. 목표 범위 (spec/risk): core 60-72%, satellite 10-25%, cash 10-22%. cash_pct = max(0, 100 - core_pct - satellite_pct) (추정값 — account_snapshot 미연동). overall: BALANCED / core_UNDERWEIGHT | sat_OVERWEIGHT 등 파이프 구분. output: macro_tab: "BUCKET_STATUS 행(Close=overall, Status=core/sat/cash 상세)" api_exposure: getMacroJson: "bucket_status, bucket_detail" getSummaryJson: "macro_snapshot.bucket_status, bucket_detail" limitation: > cash_pct는 account_snapshot 마켓밸류를 total_asset에서 뺀 추정값. 실제 현금은 account_snapshot 없이 확인 불가. runDataFeed 실행 없이 runMacro만 실행하면 N/A. phase_4_backdata_collection: B1_gas_backdata_feature_bank: priority: HIGH status: DONE purpose: > 매수/매도 뒷북과 설거지 패턴을 줄이기 위한 진입-청산 백데이터 원장. 사람 입력보다 GAS 자동 수집을 1순위로 두고, 사람이 입력한 performance 기록은 보조 검증용 fallback으로만 사용한다. collection_priority: 1: "GAS가 생성한 backdata_feature_bank 시트/JSON" 2: "performance 시트의 청산 완료 거래" 3: "수동 보정값" required_signals: - "entry_stage" - "entry_leader_scan_total" - "entry_c1_score" - "entry_c2_score" - "entry_c3_score" - "entry_c4_score" - "entry_c5_score" - "entry_mrs_score" - "entry_close_vs_ma20_pct" - "entry_volume_ratio_5d" - "entry_flow_credit" - "entry_breakout_score" - "entry_late_chase_risk_score" - "entry_follow_through_score" - "pnl_pct" - "holding_days" - "max_adverse_excursion_pct" - "max_favorable_excursion_pct" implementation_plan: step_1: action: "GAS에서 daily setup snapshot을 backdata_feature_bank 시트로 자동 upsert" status: DONE note: "syncBackdataFeatureBank_() — gdc_01_fetch_fundamentals.gs:1128, gdf_02_harness_assembly.gs:146" step_2: action: "performance 시트 청산 결과와 join해 outcome label을 자동 부여" status: DONE note: "buildBackdataFeatureBankRowsV1_() — mapLatestPerformanceByTicker_ 기반 join" step_3: action: "convert_xlsx_to_json.py에서 backdata_feature_bank_json 우선 수집" status: DONE note: "src/quant_engine/convert_xlsx_to_json.py:synthesize_backdata_feature_bank() 구현" step_4: action: "backdata_feature_bank_table을 report/validation에 반영" status: DONE note: "render_operational_report.py:_backdata_feature_bank_table(), validate_harness_context.py 검증" fallback_policy: manual_input: "performance 시트 또는 수동 보정은 fallback일 뿐 primary source가 아니다." missing_action: "GAS 생성본이 없으면 fallback 기록과 함께 source_origin=FALLBACK_SYNTH로 남긴다." implementation_note: > 2026-06-14 구현 완료 확인. GAS(syncBackdataFeatureBank_) + Python(synthesize_backdata_feature_bank) 모두 구현됨. T+20 데이터 누적 후 ML 패턴 학습 품질 향상 예정. # ───────────────────────────────────────────────────────────────────────────── # 5단계 — CI 기반 데이터 플랫폼 전환 # ───────────────────────────────────────────────────────────────────────────── phase_5_platform_transition: P1_kis_core_api_collector: priority: HIGH status: PLANNED purpose: > KIS Open API를 read-only 코어 수집원으로 두고, 가격/호가/공매도/수급의 1차 수집을 Python canonical collector에서 직접 수행한다. inputs: - "KIS_APP_Key / KIS_APP_Secret" - "KIS_APP_Key_TEST / KIS_APP_Secret_TEST" - "GatherTradingData.json" outputs: - "Temp/kis_data_collection_v1.json" - "outputs/kis_data_collection/kis_data_collection.db" fallback_order: - "KIS Open API" - "Naver Finance" - "Yahoo Finance" - "OpenDART" - "Investing.com(best-effort, 차단 시 DATA_MISSING)" note: > 주문 API는 사용하지 않는다. 조회형 quotations/ranking 계열만 허용한다. success_criteria: expected_success_value: collector_gate: "PASS" output_json_gate: "PASS" sqlite_run_count_min: 1 sqlite_snapshot_count_min: 1 provenance_source_count_min: 1 evidence_artifacts: - "Temp/test_kis_data_collection.json" - "Temp/test_kis_data_collection.db" verification_commands: - "python tools/run_kis_data_collection_v1.py --input-json GatherTradingData.json --sqlite-db Temp/test_kis_data_collection.db --output-json Temp/test_kis_data_collection.json --kis-account real --no-live-kis --no-naver" - "python - <<'PY' ... sqlite count check ... PY" P2_sqlite_canonical_store: priority: HIGH status: PLANNED purpose: > xlsx 중심 저장을 중단하고, 수집 결과를 SQLite에 누적 저장한다. 향후 PostgreSQL 승격 시 동일 저장 인터페이스를 유지한다. required_tables: - "collection_runs" - "collection_snapshots" - "collection_source_errors" stored_payloads: - "raw source payload" - "normalized factor row" - "provenance JSON" - "batch/run metadata" migration_note: "PostgreSQL 전환 시 dialect만 교체하고 row shape은 유지한다." success_criteria: expected_success_value: sqlite_schema_tables_min: 3 round_trip_snapshot_lookup: "PASS" backend_contract_sqlite: "PASS" backend_contract_postgresql: "READY" evidence_artifacts: - "src/quant_engine/data_collection_store_v1.py" - "src/quant_engine/data_collection_backend_v1.py" - "tests/unit/test_data_collection_store_v1.py" verification_commands: - "python -m pytest tests/unit/test_data_collection_store_v1.py -q" - "python -m py_compile src/quant_engine/data_collection_store_v1.py src/quant_engine/data_collection_backend_v1.py" P3_ci_scheduler_cutover: priority: HIGH status: PLANNED purpose: > Gitea schedule에서 Python collector를 직접 실행하고, CI가 SQLite 산출을 검증한다. 기존 GAS 워크플로우는 thin adapter/legacy fallback으로만 유지한다. validation_gate: - "read-only KIS gate" - "source fallback gate" - "sqlite round-trip gate" - "provenance completeness gate" - "no-direct-trading gate" output_policy: - "CI는 xlsx 생성에 의존하지 않는다." - "결과는 JSON + SQLite + 로그 증빙으로 남긴다." success_criteria: expected_success_value: xlsx_dependency_removed: true json_seed_input: true sqlite_output: true mock_api_validation: "PASS" no_direct_trading_gate: "PASS" provenance_completeness_gate: "PASS" evidence_artifacts: - ".gitea/workflows/kis_data_collection.yml" - "Temp/kis_api_credentials_validation_v1.json" - "Temp/test_kis_data_collection.json" verification_commands: - "python tools/validate_no_direct_api_trading_v1.py" - "python tools/validate_kis_api_credentials_v1.py --account mock --ticker 005930" - "python tools/run_kis_data_collection_v1.py --help" P4_gas_thin_adapter_minimize: priority: MEDIUM status: PLANNED purpose: > .gs는 기존 스프레드시트 호환과 과도기 검증용 얇은 어댑터만 남기고, 판단·수집·저장 로직은 Python으로 이동시킨다. allowed_responsibilities: - "collect" - "normalize" - "export" - "display" forbidden_responsibilities: - "decision" - "sizing" - "stop_loss" - "take_profit" - "risk_score" success_criteria: expected_success_value: allowed_responsibilities_only: true forbidden_responsibilities_present: false thin_adapter_gate: "PASS" evidence_artifacts: - "tools/validate_gas_thin_adapter_v1.py" - "Temp/gas_thin_adapter_validation_v1.json" - "src/gas/core/gas_lib.gs" verification_commands: - "python tools/validate_gas_thin_adapter_v1.py" P5_postgresql_upgrade_path: priority: MEDIUM status: PLANNED purpose: > SQLite에서 검증된 스키마/업서트/프로venance 모델을 PostgreSQL로 승격한다. 운영 데이터 증가와 멀티잡 동시성 증가를 대비한다. upgrade_steps: - "sqlite schema parity 검증" - "db_url 기반 backend 추상화" - "migration script 추가" - "CI에서 sqlite/postgres 동일 테스트" compatibility_rule: "SQLite와 PostgreSQL 모두 동일한 row contract를 유지한다." success_criteria: expected_success_value: sqlite_schema_parity: "PASS" backend_contract_present: true postgres_execution: "DATA_GATED" caller_compatibility_preserved: true evidence_artifacts: - "src/quant_engine/data_collection_backend_v1.py" - "src/quant_engine/kis_data_collection_v1.py" - "tests/unit/test_data_collection_store_v1.py" - "tools/generate_postgresql_upgrade_stub_v1.py" verification_commands: - "python -m pytest tests/unit/test_data_collection_store_v1.py -q" - "python -m py_compile src/quant_engine/kis_data_collection_v1.py tools/run_kis_data_collection_v1.py" - "python tools/generate_postgresql_upgrade_stub_v1.py" Q1_qualitative_sell_pipeline: priority: MEDIUM status: PLANNED purpose: > 비기계적 매도전략 파이프라인을 Gitea workflow + SQLite 시계열 + mock KIS 유효성 검증 + 사후 적중률 평가까지 일관된 계약으로 묶는다. success_criteria: expected_success_value: mock_api_validation: "PASS" pipeline_contract: "PASS" workflow_present: true schedule_present: true package_scripts_present: true evidence_artifacts: - ".gitea/workflows/qualitative_sell_strategy.yml" - "tools/validate_qualitative_sell_strategy_pipeline_v1.py" - "Temp/qualitative_sell_strategy_pipeline_v1.json" verification_commands: - "python tools/validate_qualitative_sell_strategy_pipeline_v1.py" Q2_gitea_secrets_contract: priority: HIGH status: PLANNED purpose: > Gitea workflow에서 KIS mock/real 자격증명과 GITHUB_TOKEN 시크릿 이름을 정확히 고정해, 수동 등록 실수로 인한 파이프라인 붕괴를 방지한다. success_criteria: expected_success_value: secrets_contract: "PASS" workflow_secret_mapping: "PASS" docs_present: true ci_validation_present: true evidence_artifacts: - "docs/GITEA_SECRETS_SETUP.md" - "tools/validate_gitea_secrets_contract_v1.py" - "Temp/gitea_secrets_contract_v1.json" verification_commands: - "python tools/validate_gitea_secrets_contract_v1.py" # 2026-05-30 구현 현황 # - S5_etf_raw: PARTIAL_DONE 유지 (수동 NAV 병행) # - Stage2_Gate PENDING: T+20 표본 누적 후 자동 평가 # - 주요 지표: outcome_quality=85.23(PASS) guidance_proof=99.26(PASS) # - 미수집 펀더멘털(ROE/OPM/FCF/Revenue): CHECK_58/59 해결 시 자동 개선