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/services/ollama.py

@@ -113,20 +113,24 @@ class OllamaManager:
             "model": self.model_name,
             "prompt": prompt,
             "stream": False,
-            "format": "json", # JSON 강제
+            "format": "json",
             "options": {
-                "num_ctx": 8192,    # [5070Ti 최적화] 컨텍스트 크기 2배 증가 (4096 -> 8192)
-                "temperature": 0.2,  # 분석 일관성 유지
-                "num_gpu": 1,        # GPU 사용 명시
-                "num_thread": 8      # CPU 스레드 수 (9800X3D 활용)
+                "num_ctx": Config.OLLAMA_NUM_CTX,      # 4096 (속도 2배)
+                "num_predict": Config.OLLAMA_NUM_PREDICT,  # 응답 토큰 제한
+                "temperature": 0.1,  # 더 결정론적 (JSON 파싱 안정성)
+                "num_gpu": 1,
+                "num_thread": Config.OLLAMA_NUM_THREAD  # Config 설정값 (기본 8)
             },
-            "keep_alive": "10m"      # [5070Ti 최적화] 10분간 유지 (메모리 여유 있음)
+            "keep_alive": "5m"  # 5분 유지 (불필요한 VRAM 점유 줄임)
         }
-        
+
         try:
-            response = requests.post(self.generate_url, json=payload, timeout=180)  # 타임아웃 증가
+            response = requests.post(self.generate_url, json=payload, timeout=90)  # 180→90초
             response.raise_for_status()
             return response.json().get('response')
+        except requests.exceptions.Timeout:
+            print(f"❌ Inference Timeout (90s): {self.model_name}")
+            return None
         except Exception as e:
             print(f"❌ Inference Error: {e}")
             return None