LSTM v3 멀티피처, KIS OHLCV 배치, 동적 전략 강화

- deep_learning.py: INPUT_SIZE=7 (close/open/high/low/volume/rsi/macd),
  feature_scaler/target_scaler 분리, ModelRegistry LRU 종목별 격리 (v3 체크포인트)
- kis.py: get_daily_ohlcv() OHLCV 전체 반환, KISAsyncClient 비동기 배치 조회 추가,
  order() 지정가/조건부 주문 지원
- strategy/process.py: ATR/ADX 기반 동적 손절익절, 트레일링 스탑, 포지션 사이징 강화
- config.py: OLLAMA_NUM_THREAD=8 (9800X3D 최적화), LSTM_COOLDOWN/FAST_EPOCHS 환경변수화
- macro.py: 거시경제 지표 계산 개선
- ollama.py: VRAM 여유량 기반 선택적 언로드
- monitor.py: CPU 서킷 브레이커 연속 횟수 조건 추가
- ipc.py: IPC_STALENESS 600초로 확대
- news.py: 비동기 뉴스 수집 개선
- telegram.py, runner.py: 안정성 개선

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

modules/config.py

@@ -12,7 +12,12 @@ class Config:
     # 2. NAS 및 AI 서버
     NAS_API_URL = os.getenv("NAS_API_URL", "http://192.168.45.54:18500")
     OLLAMA_API_URL = os.getenv("OLLAMA_API_URL", "http://localhost:11434")
-    OLLAMA_MODEL = os.getenv("OLLAMA_MODEL", "llama3.1:8b-instruct-q8_0")
+    # [최적화] qwen2.5:7b-instruct-q4_K_M: JSON 정확도↑, 속도↑, VRAM 4GB
+    # 14B 원하면: qwen2.5:14b-instruct-q4_K_M (VRAM ~9GB, 품질 더 좋음)
+    OLLAMA_MODEL = os.getenv("OLLAMA_MODEL", "qwen2.5:7b-instruct-q4_K_M")
+    OLLAMA_NUM_CTX = int(os.getenv("OLLAMA_NUM_CTX", "4096"))   # 8192→4096 (2배 속도)
+    OLLAMA_NUM_PREDICT = int(os.getenv("OLLAMA_NUM_PREDICT", "200"))  # 응답 토큰 제한
+    OLLAMA_NUM_THREAD = int(os.getenv("OLLAMA_NUM_THREAD", "8"))  # CPU 스레드 (9800X3D 최적화)
     
     # 3. KIS 한국투자증권
     KIS_ENV_TYPE = os.getenv("KIS_ENV_TYPE", "virtual").lower()
@@ -53,7 +58,7 @@ class Config:
     # 7. IPC 설정
     SHM_NAME = "web_ai_bot_ipc"
     SHM_SIZE = 131072  # 128KB
-    IPC_STALENESS = 120  # 120초 (메인 봇 사이클 60초 + 여유)
+    IPC_STALENESS = 600  # 600초 (LSTM 분석 사이클이 길어도 portfolio 명령어 정상 작동)
 
     # 8. GPU 설정
     VRAM_WARNING_THRESHOLD = 12.0  # GB (14 → 12로 조기 경고)
@@ -65,6 +70,16 @@ class Config:
     # 10. 타임아웃 등
     HTTP_TIMEOUT = 10
 
+    # 11. LSTM 학습 최적화
+    # 동일 종목을 이 시간(초) 내에 재학습하지 않음 → CPU/GPU 절약
+    LSTM_COOLDOWN = int(os.getenv("LSTM_COOLDOWN", "1200"))  # 20분
+    # 체크포인트가 있을 때 빠른 재학습 에포크 수 (기존 50 → 30)
+    LSTM_FAST_EPOCHS = int(os.getenv("LSTM_FAST_EPOCHS", "30"))
+
+    # 12. CPU 서킷 브레이커
+    CPU_CIRCUIT_BREAKER_THRESHOLD = 92   # CPU% 이상 시 분석 스킵
+    CPU_CIRCUIT_BREAKER_CONSECUTIVE = 2  # 연속 N회 초과 시 발동
+
     @staticmethod
     def validate():
         """필수 설정 검증"""