UpbitExp

업비트 실시간 체결/호가 데이터를 기반으로 30초 단위 피처를 만들고, CNN-LSTM으로 sell / hold / buy 액션을 예측하는 프로젝트입니다.

주요 구성

• ml_dataset_creator.py: 실시간 데이터 수집 + 시퀀스 데이터셋(dataset/sequence_dataset.csv) 생성
• train/train_cnn_lstm.py: 모델 학습 및 아티팩트 저장(models/)
• realtime_action_infer.py: 실시간 액션 추론
• realtime_action_check.py: 실시간 추론 + 간이 성능 모니터링(Acc/F1)
• upbit_data_collector.py: 마켓/티커 조회 및 보조 수집 유틸

요구 사항

• Python 3.10+
• macOS/Linux (MPS 지원 시 Apple Silicon 가속 사용)

설치

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

실행 순서

1. 데이터셋 생성/갱신

python ml_dataset_creator.py

2. 모델 학습

python train/train_cnn_lstm.py

• 결과물:
  • models/cnn_lstm_model.pth
  • models/feature_scaler.pkl
  • fig/*.png

3. 실시간 추론

python realtime_action_infer.py

4. 실시간 성능 체크(선택)

python realtime_action_check.py

모델/라벨 개요

• 입력: 최근 5분(30초 * 10스텝) 시퀀스
• 피처 수: 스텝당 8개 (slope, accel, last_return, cusum_pos, cusum_neg, volume_ratio, bid_ask_imbalance, spread_ratio)
• 라벨: 다음 30초 수익률 기준
  • buy: >= +0.8%
  • sell: <= -0.8%
  • 그 외 hold

주의 사항

• 현재 저장소는 신호 생성/검증 중심이며, 실제 주문 API 호출 코드는 포함되어 있지 않습니다.
• dataset/, models/는 생성 산출물로 .gitignore 대상입니다.