3 files had insufficient .parent count, resolving to signal_v1/.env instead of web-ai/.env (which is where the actual env file lives). Added one .parent each: - config.py: parent.parent → parent.parent.parent - analysis/macro.py: parent.parent.parent → parent.parent.parent.parent - services/telegram_bot/runner.py: parent.parent.parent.parent → +1 watchlist_manager.py was already correct. Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
125 lines
5.8 KiB
Python
125 lines
5.8 KiB
Python
import os
|
|
import sys
|
|
from pathlib import Path
|
|
from dotenv import load_dotenv
|
|
|
|
# .env 파일 로드
|
|
load_dotenv(Path(__file__).parent.parent.parent / ".env")
|
|
|
|
class Config:
|
|
# 1. 기본 설정
|
|
BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
|
|
|
|
# 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")
|
|
# [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)
|
|
|
|
# 2-1. Gemini API (Primary LLM — Ollama 폴백)
|
|
# API 키: https://aistudio.google.com/apikey 에서 무료 발급
|
|
# 무료 티어: 15 RPM / 1,500 RPD (봇 필요량 ~240/일 → 여유 충분)
|
|
GEMINI_API_KEY = os.getenv("GEMINI_API_KEY", "")
|
|
GEMINI_MODEL = os.getenv("GEMINI_MODEL", "gemini-2.5-flash")
|
|
|
|
# 3. KIS 한국투자증권
|
|
KIS_ENV_TYPE = os.getenv("KIS_ENV_TYPE", "virtual").lower()
|
|
|
|
if KIS_ENV_TYPE == "real":
|
|
KIS_APP_KEY = os.getenv("KIS_REAL_APP_KEY")
|
|
KIS_APP_SECRET = os.getenv("KIS_REAL_APP_SECRET")
|
|
KIS_ACCOUNT = os.getenv("KIS_REAL_ACCOUNT")
|
|
KIS_IS_VIRTUAL = False
|
|
KIS_BASE_URL = "https://openapi.koreainvestment.com:9443"
|
|
else:
|
|
KIS_APP_KEY = os.getenv("KIS_VIRTUAL_APP_KEY")
|
|
KIS_APP_SECRET = os.getenv("KIS_VIRTUAL_APP_SECRET")
|
|
KIS_ACCOUNT = os.getenv("KIS_VIRTUAL_ACCOUNT")
|
|
KIS_IS_VIRTUAL = True
|
|
KIS_BASE_URL = "https://openapivts.koreainvestment.com:29443"
|
|
|
|
# 4. 텔레그램
|
|
TELEGRAM_BOT_TOKEN = os.getenv("TELEGRAM_BOT_TOKEN")
|
|
TELEGRAM_CHAT_ID = os.getenv("TELEGRAM_CHAT_ID")
|
|
|
|
# 5. 매매 설정 (상수)
|
|
MAX_INVESTMENT_PER_STOCK = 3000000 # 종목당 최대 300만원
|
|
MAX_BUY_PER_CYCLE = int(os.getenv("MAX_BUY_PER_CYCLE", "2")) # 사이클당 최대 매수 종목 수
|
|
EOD_SHUTDOWN_BUFFER_MIN = int(os.getenv("EOD_SHUTDOWN_BUFFER_MIN", "5")) # 장 마감 후 EOD 처리까지 대기 분
|
|
MAX_DAILY_BUY_RATIO = float(os.getenv("MAX_DAILY_BUY_RATIO", "0.80")) # 예수금 대비 일일 최대 매수 비율
|
|
|
|
# 포트폴리오 리스크 게이트 (v3.2)
|
|
MAX_TICKERS_PER_THEME = int(os.getenv("MAX_TICKERS_PER_THEME", "2")) # 테마당 최대 종목 수
|
|
MAX_THEME_EXPOSURE_RATIO = float(os.getenv("MAX_THEME_EXPOSURE_RATIO", "0.40")) # 테마당 최대 노출 비율 (총자산 대비)
|
|
MAX_TOTAL_HOLDINGS = int(os.getenv("MAX_TOTAL_HOLDINGS", "7")) # 총 보유 종목 수 상한
|
|
|
|
# 6. 데이터 경로
|
|
DATA_DIR = os.path.join(BASE_DIR, "data")
|
|
if not os.path.exists(DATA_DIR):
|
|
os.makedirs(DATA_DIR, exist_ok=True)
|
|
|
|
HISTORY_FILE = os.path.join(DATA_DIR, "daily_trade_history.json")
|
|
WATCHLIST_FILE = os.path.join(DATA_DIR, "watchlist.json")
|
|
|
|
# 모델 체크포인트 디렉토리
|
|
MODEL_DIR = os.path.join(DATA_DIR, "models")
|
|
if not os.path.exists(MODEL_DIR):
|
|
os.makedirs(MODEL_DIR, exist_ok=True)
|
|
|
|
# 7. IPC 설정
|
|
SHM_NAME = "web_ai_bot_ipc"
|
|
SHM_SIZE = 131072 # 128KB
|
|
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)
|
|
|
|
# 9. 프로세스 관리
|
|
WATCHDOG_INTERVAL = 30 # 헬스체크 간격(초)
|
|
MAX_RESTART_COUNT = 3 # 최대 자동 재시작 횟수
|
|
|
|
# 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
|
|
|
|
# 13. AI 전문가 회의 (AICouncil) 설정
|
|
# True: 매 분석 사이클에 회의 통합 (느림), False: 수동 호출만 허용
|
|
AI_COUNCIL_ENABLED = os.getenv("AI_COUNCIL_ENABLED", "false").lower() == "true"
|
|
# True: 의장 AI 단독 판단 (1회 LLM 호출), False: 전문가 4명 + 의장 (5회)
|
|
AI_COUNCIL_FAST_MODE = os.getenv("AI_COUNCIL_FAST_MODE", "true").lower() == "true"
|
|
# 종목당 최소 회의 간격(초) - 동일 종목 과다 호출 방지
|
|
AI_COUNCIL_MIN_INTERVAL = int(os.getenv("AI_COUNCIL_MIN_INTERVAL", "3600")) # 1시간
|
|
|
|
# 14. 시장 레짐 / 코스피 목표 수준 설정
|
|
# 코스피 레짐 감지 활성화 (process.py 임계값/포지션 자동 조정)
|
|
MARKET_REGIME_ENABLED = os.getenv("MARKET_REGIME_ENABLED", "true").lower() == "true"
|
|
# 모델 검증 활성화 (일일 1회 레짐 보고서 생성)
|
|
MODEL_VALIDATION_ENABLED = os.getenv("MODEL_VALIDATION_ENABLED", "true").lower() == "true"
|
|
# 코스피 목표/기준 수준 (레짐 전환 알림 기준)
|
|
KOSPI_REFERENCE_LEVEL = float(os.getenv("KOSPI_REFERENCE_LEVEL", "2600"))
|
|
|
|
@staticmethod
|
|
def validate():
|
|
"""필수 설정 검증"""
|
|
missing = []
|
|
if not Config.KIS_APP_KEY: missing.append("KIS_APP_KEY")
|
|
if not Config.KIS_APP_SECRET: missing.append("KIS_APP_SECRET")
|
|
|
|
if missing:
|
|
print(f"⚠️ [Config] Missing Env Params: {', '.join(missing)}")
|
|
return False
|
|
return True
|