ETH Trading Dashboard

Binance 15분 캔들 기반 이더리움 트레이딩 대시보드. 기술지표 + ML 분류/회귀 앙상블로 LONG/SHORT 신호와 수익률 예측 구간(CI), ATR 기반 TP/SL을 제공합니다. 실제 주문 집행 없이 트레이딩 의사결정 지원용입니다.

---

전체 흐름

Binance 15m OHLCV
        ↓
  raw.eth_ohlcv (PostgreSQL)
        ↓ resample
  processed.eth_ohlcv_1h
        ↓ 기술지표 계산 (incremental HWM)
  features.eth_features
  (RSI, MACD, BB, ATR, OBV, VWAP, Stoch, vol_regime, signal_1h/4h,
   target_direction, target_return_1h/3h/6h)
        ↓
  ┌─────────────────────┐   ┌──────────────────────────────┐
  │  기술지표 합성 스코어  │   │  ML 예측 모델                 │
  │  RSI/MACD/BB/Stoch  │   │  ① 분류: 방향 확률 (XGB/LGB)  │
  │  EMA 정렬            │   │  ② 회귀: 수익률 + CI (XGB/LGB)│
  │  35% 가중치          │   │     1h/3h/6h 분위수 회귀      │
  └──────────┬──────────┘   └──────────────┬───────────────┘
             │                             │
             └──────── 앙상블 스코어 ───────┘
                   + MTF 1h 13% / 4h 7%
                         ↓
          최종 신호: LONG / SHORT / NO-TRADE
          + ATR 기반 TP/SL (2×ATR / 1×ATR)
          + Half-Kelly 포지션 사이징
          + CI 폭 기반 신뢰도 조정
                         ↓
          FastAPI → React 대시보드

---

주요 기능

신호 생성 (signal_service.py)

구성요소	내용	가중치
기술지표 합성 스코어	RSI(14), MACD 히스토그램, Bollinger Band %B, Stochastic %K, EMA 정렬	35%
ML 회귀 스코어	XGBoost/LightGBM 1h 예상 수익률 기반, CI 폭으로 dampening	45%
MTF 1h 신호	1h 봉 EMA20 vs EMA50 크로스오버 방향	13%
MTF 4h 신호	4h 봉 EMA20 vs EMA50 크로스오버 방향	7%

• 변동성 레짐 필터: ATR% 30일 퍼센타일로 low/medium/high 분류. high 레짐 시 임계값 자동 강화
• ATR 기반 TP/SL: TP = 진입가 ± 2×ATR14, SL = ± 1×ATR14, RR = 2.0
• Half-Kelly 포지션 사이징: 승률 기반 Kelly formula × 0.5, 최대 25% cap

ML 회귀 예측 (train_ml_regressor.py + ml_regressor_service.py)

• 대상 변수: 1h, 3h, 6h 후 수익률 (float)
  • target_return_1h = (close[t+4] - close[t]) / close[t]
  • target_return_3h = (close[t+12] - close[t]) / close[t]
  • target_return_6h = (close[t+24] - close[t]) / close[t]
• 분위수 회귀: XGBoost reg:quantileerror, LightGBM quantile (q = 0.1, 0.5, 0.9)
  • 중앙값(q=0.5) = 예측 수익률, [q=0.1, q=0.9] = 신뢰구간(CI)
  • CI 폭이 좁을수록 예측 신뢰도 높음 → 앙상블 스코어 강화
• Walk-forward CV: TimeSeriesSplit 5-fold, MAE 기준 최적 알고리즘 선택
• 품질 게이트: cv_dir_acc > 0.50 (랜덤 대비 방향 정확도) 만족 시에만 active 승격
• 피처셋: RSI, MACD, BB, ATR%, Stochastic, lag returns(1~8봉), hour/dow cyclic encoding

ML 분류 예측 (train_ml_classifier.py / train_ml_predictor.py)

• XGBoost / LightGBM 방향 분류 (up / down / neutral)
• 결과: ml_prob_up, ml_prob_down → 앙상블 보조 스코어

기술지표 파이프라인 (technical_indicators.py)

지표	구현 방식
RSI(14)	Wilder's smoothing EWM
MACD(12,26,9)	EMA 차이 + signal line
Bollinger Bands(20, 2σ)	rolling mean ± 2σ, %B, width
ATR(14)	True Range EWM
OBV	거래량 방향 누적
VWAP	96봉(24h) rolling TP×volume
Stochastic %K/%D(14, 3)	rolling min/max
Vol Regime	ATR% 30일 퍼센타일 → low/medium/high
MTF 1h/4h	pandas resample + EMA20 vs EMA50

• Incremental HWM 모드 (--incremental): pipeline.water_marks 테이블의 last_ts를 읽어 신규 행만 처리. WARMUP_BARS=2880(30일) 버퍼로 rolling 지표 정확도 보장

백테스트 (BacktestPanel.jsx + /backtest/strategy)

• Lookback 7/14/30/60일, Horizon 1/3/6/12/24h 설정
• 결과 지표: Sharpe, Sortino, Calmar, Profit Factor, Win Rate, Payoff Ratio, 누적 PnL, Max Drawdown, MDD 기간, 거래 횟수
• 누적 PnL 스파크라인 차트

예측 정확도 추적 (AccuracyPanel)

• 예측값 + 실제 결과 DB 저장 (features.ml_predictions)
• 기간 / 예측 범위(1h, 4h, 8h) 설정 가능
• LONG / SHORT 방향별 정확도 분리 표시

---

Airflow DAG 구성

DAG	스케줄	설명
ingestion_dag	5분	Binance 15m OHLCV 수집 (갭 채움 포함)
feature_pipeline_dag	매시간	resample → 기술지표(incremental) → [ARIMA, ML분류, ML회귀] → 앙상블 신호
ml_retrain_dag	4시간	ML 분류 + 회귀 모델 재학습 → 품질 게이트 → active 승격
data_quality_dag	30분	데이터 신선도·갭·피처 지연 자동 체크
prediction_actualize_dag	매시간	과거 예측의 actual_return 자동 채움 (백테스트 데이터 누적)

feature_pipeline_dag 태스크 체인

ingest_ohlcv
    → resample_1h
    → generate_features (--incremental)
    → [train_ml_classifier, train_ml_regressor, train_arima_model]
    → compute_ensemble_signals

ml_retrain_dag 태스크 체인

[train_ml_classifier, train_ml_regressor]
    → validate_model_quality  (cv_dir_acc > 0.50 체크)
    → promote_if_quality_ok   (통과 모델만 is_active=TRUE)

data_quality_dag 체크 항목

• freshness: raw.eth_ohlcv 최신 ts가 30분 이상 오래됐으면 경고
• feature_lag: features.eth_features vs raw 시간 차이 2h 이상 시 경고
• gap_count: 최근 24h 내 누락된 15m 슬롯 3개 초과 시 경고

---

기술 스택

영역	기술
데이터 수집	Python, CCXT (Binance)
파이프라인 스케줄	Apache Airflow
DB	PostgreSQL 15
백엔드 API	FastAPI
ML	XGBoost, LightGBM, scikit-learn, joblib
프론트엔드	React 18, lightweight-charts
인프라	Docker Compose

---

실행

환경변수 설정

cp .env.example .env
# .env 수정: DB_HOST, DB_USER, DB_PASSWORD, DB_NAME, EXCHANGE, SYMBOL, VITE_API_URL

실행

docker compose up --build

서비스	주소
대시보드	http://localhost:3000
API Docs	http://localhost:8000/docs
Airflow	http://localhost:8080

---

API 주요 엔드포인트

메서드	경로	설명
GET	/signals/current	현재 신호 (LONG/SHORT/NO-TRADE + ML 회귀 수익률)
GET	/signals/history	과거 신호 목록
POST	/ml/train	ML 모델 학습 트리거
GET	/ml/status	ML 모델 상태
GET	/ml/accuracy	예측 정확도 (기간 설정)
GET	/ml/predictions	ML 예측 이력
GET	/prices/history	캔들스틱 히스토리
GET	/prices/latest	최신 캔들
GET	/features/latest	현재 기술지표 값
GET	/data/status	데이터 수집 상태
GET	/backtest/strategy	백테스트 실행

---

DB 스키마

테이블	설명
raw.eth_ohlcv	Binance 15m 원본 OHLCV 캔들
processed.eth_ohlcv_1h	1h 리샘플 데이터
features.eth_features	15m 단위 기술지표 (RSI, MACD, ATR 등 30+ 컬럼)
features.signals	생성된 매매 신호 이력 (signal, score, tp/sl, ml 수익률 포함)
features.ml_predictions	ML 예측값 + 실제값 (정확도 추적)
features.ml_model_registry	XGBoost/LightGBM 모델 버전 관리 (is_active, metrics)
features.ensemble_signals	앙상블 신호 저장 + actual_return 자동 채움
pipeline.water_marks	각 파이프라인 단계의 High Water Mark (증분 처리용)

---

프로젝트 구조

crypto_predict/
├── airflow/
│   └── dags/
│       ├── ingestion_dag.py          # 5분 주기 데이터 수집
│       ├── feature_pipeline_dag.py   # 매시간 피처 + ML 학습
│       ├── ml_retrain_dag.py         # 4시간 ML 재학습 + 품질 게이트
│       ├── data_quality_dag.py       # 30분 데이터 품질 모니터링
│       └── prediction_actualize_dag.py # 매시간 예측 결과 자동 채움
├── db/
│   ├── schema.sql                    # 전체 DB 스키마
│   └── migrations/
│       ├── 001_extended_features.sql # 확장 피처 컬럼
│       └── 002_pipeline_watermarks.sql # HWM 테이블 + actual_return
├── ml/
│   ├── train_ml_classifier.py        # ML 분류 모델 학습
│   ├── train_ml_predictor.py         # ML 예측 모델 학습
│   ├── train_ml_regressor.py         # ML 회귀 모델 학습 (분위수, 1h/3h/6h)
│   ├── ml_predictor_service.py       # 분류 모델 서비스
│   ├── ml_regressor_service.py       # 회귀 모델 서비스 (CI 포함)
│   └── compute_ensemble_signals.py   # 앙상블 신호 사전 계산
├── pipelines/
│   ├── ingestion/binance_ohlcv.py    # Binance OHLCV 수집
│   ├── processing/resample.py        # 1h 리샘플
│   └── features/technical_indicators.py # 기술지표 계산 (incremental 지원)
├── services/
│   ├── api/                          # FastAPI 백엔드
│   └── web/                          # React 프론트엔드
└── docker-compose.yml