investment-loss-analysis — "왜 잃었지?" 복기 + 예측 시스템
완결된 국내주식 거래내역을 분석해 손실 원인(진입오류 / 손절실패) 을 진단하고,
같은 실수를 반복하려는 순간 실시간으로 예측·경고하는 멀티에이전트 시스템.
손실을 2대 도메인으로 분류하고(심리 패턴은 별도 유형이 아니라 두 도메인의 해석에 흡수), 분석으로 만든 라벨을
예측기의 정답으로 삼아 "분석 → 예측"으로 이어진다.
두 단계: 분석단 · 예측단
[분석단] 과거~오늘 전체 거래를 보고, 끝난 손실거래를 진단
[예측단] 오늘 일어나는 이벤트를, 그 순간 정보만으로 예측·경고
분석단은 전체경로 정보(거래가 끝난 뒤라 다 안다)로 분류한다.
예측단은 현시점 정보만(미래는 모른다)으로 예측한다. 정답은 분석단 분류 결과.
분석단 파이프라인 (analysis/orchestrator/pipeline.py)
| 단계 | 코드 | 역할 |
|---|
| 1. 파싱 | common/parser.py | CSV 체결 → 매수·매도 사이클 묶기 |
| 2. 손실 선별 | filter_loss_cycles / loss_screener/ | 손실 사이클만. (α 시장제거 선별은 loss_screener에 있음) |
| 3. 분류 | analysis/classifier + orchestrator/router.py | 전체경로 피처 ML 분류기가 손실거래마다 entry_error / stop_loss_failure 두 점수(합 1) 산출 → router가 분류기 점수만으로 라우팅 |
| 4. 보조 신호 | psych_agent/ + 손절실패 엔진 | 심리 귀속(리벤지·처분효과)·손절선(ATR) 신호 계산 — 라우팅엔 미반영. 도메인 에이전트의 해석/분석에만 쓰임(6단계) |
| 5. 총괄 질문 | orchestrator/interaction.py | 유형별 빈도·손실금 집계 → "자주 반복 vs 손실 큰 것, 뭘 먼저?" 사용자에게 질문 |
| 6. 도메인 분석 | agents/entry-error-agent / agents/stop-loss-agent | 고른 유형의 거래를 심층 분석·설명. 분류와 같은 피처 사용 + 심리 피처(리벤지/처분효과)로 설명 보강, 손절은 ATR·breach·MAE로 분석 |
| 7. 반복/저장 | interaction + user_profile/ | "다른 유형도 볼까?" (최대 2회) → 성향·반복패턴 리포트 DB 저장 |
라우팅 = 분류기 단독 (설계 의도). pipeline이 손실거래마다 classifier_features_for_trade()로
min1에서 진입맥락 + 사후경로 피처를 계산해 분류기에 넣고, 그 두 점수만으로 router가 라우팅한다.
심리귀속·손절엔진 신호는 라우팅에 가산하지 않는다 — 심리는 도메인 에이전트 해석으로,
손절엔진(breach/delay)은 손절 에이전트 분석으로만 들어간다. (라벨축 loss_early_ratio 0.7
고정컷 룰도 제거 — 데이터 미지지 + 자기참조.)
모델은 실 KOSPI min1 랜덤샘플 + 군집라벨로 학습(아키텍처 기준, AUC≈0.85). 설계합성은
검증·참고용일 뿐 배포 기준 아님. 실 사용자 거래로그 확보 시 갱신.
예측단 (analysis/predictor/)
분석단이 만든 라벨을 정답(teacher) 으로, 예측기(student)가 그 순간 정보만으로 따라 예측한다.
| 예측기 | 이벤트(오늘) | 피처 | 계약 |
|---|
| 진입오류 예측기 | 매수하려는 순간 | 진입맥락(RSI·추격·범위위치…) | EntryContext → predict_entry_risk |
| 손절실패 예측기 | 보유종목 폭락해 손절선 접근하는 순간 | 현재 포지션(미실현손실·손절선돌파·낙폭·보유시간) | PositionSnapshot → monitor_live_position |
둘 다 look-ahead 없음(미래 미사용). 설계·검증은 label_validation의 step4·step5 참조.
피처 단일화 (분류 근거 = 분석 근거)
분류기와 진입오류 에이전트는 진입맥락 피처를 단일 캐노니컬 함수로 공유한다:
analysis/label_validation/label_pipeline.entry_features_window().
→ "분류기가 range_position 0.9로 진입오류 판정" ↔ "에이전트가 같은 0.9로 추격매수 설명"이 항상 일치.
손절실패 에이전트는 보유경로 피처(ATR손절선·breach·MAE)를 쓴다(다른 영역).
폴더 구조
| 폴더 | 역할 |
|---|
analysis/common/ | 공통 스키마·파서(사이클)·어댑터 |
analysis/loss_screener/ | 시장제거 손실 선별 (α 기준) |
analysis/psych_agent/ | 심리패턴 귀속 (리벤지/처분효과/과매매) |
analysis/orchestrator/ | 총괄 — 라우팅·총괄질문·결과저장 |
analysis/label_validation/ | 분류기·예측기 설계·검증 (step1~5, 공유 피처 코어) |
analysis/classifier/ | 런타임 분류기 — 서비스가 import해 호출 |
analysis/predictor/ | 런타임 예측기 — 진입/보유 두 이벤트 모드 |
analysis/user_profile/ | 성향·반복패턴 프로파일 저장 |
analysis/collector/ | 키움 REST API 1분봉 수집기 |
agents/entry-error-agent/ | 진입오류 도메인 에이전트 |
agents/stop-loss-agent/ | 손절실패 도메인 에이전트 (ATR 손절선) |
web/ | Next.js 대시보드 |
빠른 시작
# 분석단 파이프라인
python -c "
from analysis.orchestrator import run_pipeline
print(run_pipeline('my_trades.csv', broker='kiwoom').to_dict())
"
# 분류기 학습/호출 (분석단 — 입력은 CLASSIFIER_FEATURES 전체경로 dict)
python -m analysis.classifier.train
python -c "from analysis.classifier import classify_entry; from analysis.label_validation.label_pipeline import CLASSIFIER_FEATURES; print(classify_entry({k: 0.0 for k in CLASSIFIER_FEATURES}))"
# 설계·검증 재현 (step1~5)
python analysis/label_validation/step1_threshold_check.py --sweep
python analysis/label_validation/step4_predictor.py
# 웹 대시보드
cd web && npm install && npm run dev
상세 문서
데이터
KOSPI 798종목, 1분봉 1년치(2025-06-23~2026-06-26). GitHub Release로 배포
(analysis/data/는 gitignore).
데이터를 저장소 밖(공유 드라이브 등)에 두려면 .env의 MIRAE_DATA_ROOT로 상위 폴더를
지정한다(미지정 시 analysis/data). 그 폴더 아래 min1/·.cache/가 있어야 한다.
⚠️ analysis/data/ 전체가 gitignore다 — git pull로 따라오지 않는다. min1 parquet뿐
아니라 분석 산출 DB(orchestrator.sqlite3·user_profiles.sqlite3)와 화면용 차트 캐시
(ui_trade_charts.sqlite3), 종목코드 캐시(.cache/kospi_codes.csv)도 각자 PC에서
준비해야 한다.
전체 셋업 (3단계)
# 1) 분석 산출 DB 3종 (109KB) — 거래별·대시보드·성향 탭
gh release download demo_db -R kjms1019/investment-loss-analysis -D /tmp/dl
unzip -o /tmp/dl/mirae_demo_db.zip -d analysis/data/
# → analysis/data/{orchestrator,user_profiles,ui_trade_charts}.sqlite3
# 2) 1분봉 parquet (857MB) — 실시간 알림·보유 점검·전체 거래 차트
gh release download kospi-min1-1y-20260626 -R kjms1019/investment-loss-analysis -D /tmp/dl
mkdir -p analysis/data/min1
unzip -o /tmp/dl/kospi-min1-1y-20260626.zip -d analysis/data/min1/
# ⚠ zip 내부가 flat 구조라 반드시 min1/ 을 목적지로 지정해야 한다.
# analysis/data/ 에 풀면 parquet 798개가 루트에 흩어진다.
# 3) 종목코드 캐시 — 종목명 → 코드 매핑
python -m analysis.collector.universe # 키움 키가 있을 때
python scripts/build_codes_cache.py # 키움 키 없이 KRX 상장목록으로 생성
3번을 건너뛰면 조용히 망가진다. load_name_to_code()가 빈 dict를 돌려주고,
종목명을 코드로 못 바꾼 거래가 전부 스킵돼 /api/all-trades·/api/alerts가
에러 없이 빈 배열로 나온다. "차트 탭이 비어있다"의 가장 흔한 원인이다.
검증/오프라인 (LLM 토큰 0)
MIRAE_DISABLE_LLM=1이면 키가 있어도 모든 LLM 문장 생성(리포트·총괄 대화·알림·심리)이
룰/템플릿 폴백으로 떨어진다. 유저플로우/데이터 검증 시 토큰을 쓰지 않고 돌릴 수 있다.
(리포트 본문만 막으려면 build_*_summary(..., llm=False).)
