[AI] SISC-195 계산 프로세스 피쳐 코드 수정 리펙토링 #201
Conversation
WalkthroughIndexDataCollector 제거 및 데이터 수집 모듈 리팩토링, 특성 엔지니어링 구조 개편, 신호/모델 파이프라인 업데이트, 새로운 위험 관리자 추가. 여러 파일에서 기술 지표 함수 import 경로를 legacy 모듈로 통합 변경. Changes
Estimated code review effort🎯 4 (Complex) | ⏱️ ~45 minutes Possibly related PRs
Suggested reviewers
Poem
🚥 Pre-merge checks | ✅ 1 | ❌ 2❌ Failed checks (1 warning, 1 inconclusive)
✅ Passed checks (1 passed)
✏️ Tip: You can configure your own custom pre-merge checks in the settings. ✨ Finishing touches
🧪 Generate unit tests (beta)
Thanks for using CodeRabbit! It's free for OSS, and your support helps us grow. If you like it, consider giving us a shout-out. Comment |
![coderabbitai[bot]](https://avatars.githubusercontent.com/in/347564?s=60&v=4){kind=small}
There was a problem hiding this comment.
Actionable comments posted: 8
Caution
Some comments are outside the diff and can’t be posted inline due to platform limitations.
⚠️ Outside diff range comments (4)
AI/modules/finder/evaluator.py (1)
46-60: 존재하지 않는 컬럼 참조로 인한 런타임 에러 발생.
add_technical_indicators함수는ma20_ratio,ma60_ratio,macd_ratio컬럼을 생성하지만, 이 코드에서는ma20,ma60,macd,signal_line컬럼을 참조하고 있습니다. 이로 인해KeyError가 발생합니다.
AI/modules/features/legacy/technical_features.py의 구현을 확인하면:
- 이평선:
ma{window}_ratio형태로 생성 (예:ma20_ratio)- MACD:
macd_ratio로 생성되며,signal_line은 생성되지 않음🐛 컬럼명 수정 제안
# 1. 정배열 점수 - if last_row['close'] > last_row['ma20'] > last_row['ma60']: + ma20 = df['close'].rolling(window=20).mean().iloc[-1] + ma60 = df['close'].rolling(window=60).mean().iloc[-1] + if last_row['close'] > ma20 > ma60: score += 30 - elif last_row['close'] > last_row['ma20']: + elif last_row['close'] > ma20: score += 10 # 2. RSI 점수 rsi = last_row['rsi'] if rsi <= 30: score += 20 elif 30 < rsi < 70: score += 10 # 3. MACD 모멘텀 - if last_row['macd'] > last_row['signal_line']: + # MACD ratio가 양수이면 상승 모멘텀으로 판단 + if last_row['macd_ratio'] > 0: score += 20AI/modules/signal/workflows/optimize_thresholds.py (1)
78-80: 중복 데이터 로드 호출.
load_data_from_db(start_date="2022-01-01")가 연속으로 두 번 호출되고 있습니다. 불필요한 DB 조회로 인해 성능 저하가 발생합니다.🐛 중복 호출 제거
# 3. 데이터 로드 (최근 2년치) print(">> 데이터 로드 중 (최근 2년)...") df = loader.load_data_from_db(start_date="2022-01-01") - # 검증용이므로 최근 데이터만 가져옴 (너무 옛날 데이터로 최적화하면 안 맞을 수 있음) - df = loader.load_data_from_db(start_date="2022-01-01")AI/modules/signal/core/data_loader.py (1)
198-211: 이동평균 피처 컬럼명 불일치.
potential_features목록에서 이동평균 컬럼명이ma_5_ratio,ma_20_ratio,ma_60_ratio로 정의되어 있지만,add_technical_indicators함수는ma5_ratio,ma20_ratio,ma60_ratio(언더스코어 없음)를 생성합니다.
available_cols필터링으로 인해 에러는 발생하지 않지만, 이동평균 관련 피처가 모델 학습에서 누락됩니다.🐛 컬럼명 수정
potential_features = [ # 1. Technical 'log_return', 'open_ratio', 'high_ratio', 'low_ratio', 'vol_change', - 'ma_5_ratio', 'ma_20_ratio', 'ma_60_ratio', + 'ma5_ratio', 'ma20_ratio', 'ma60_ratio', 'rsi', 'macd_ratio', 'bb_position',AI/modules/trader/backtest/run_backtrader_single.py (1)
203-209: SQL 인젝션 취약점.f-string을 사용한 SQL 쿼리 조합은 SQL 인젝션 공격에 취약합니다. 악의적인
ticker값이 전달될 경우 데이터 유출이나 손상이 발생할 수 있습니다.🔒 파라미터화된 쿼리 사용 제안
from AI.libs.database.connection import get_db_conn + from sqlalchemy import text conn = get_db_conn() - query = f""" + query = text(""" SELECT date, open, high, low, close, volume, adjusted_close, ticker FROM price_data - WHERE ticker = '{ticker}' AND date >= '2022-01-01' + WHERE ticker = :ticker AND date >= '2022-01-01' ORDER BY date ASC - """ - df = pd.read_sql(query, conn) + """) + df = pd.read_sql(query, conn, params={"ticker": ticker}) conn.close()
🤖 Fix all issues with AI agents
In `@AI/modules/data_collector/market_breadth_data.py`:
- Around line 158-163: The except block currently calls conn.rollback() without
guaranteeing conn exists which can raise NameError; update the error handling in
the try/except around the yf.download flow so you either initialize conn = None
before the try or guard the rollback with a check (e.g., if 'conn' in locals()
or if conn is not None) and only call conn.rollback() when a connection object
is present; also keep the existing finally guards for cursor/conn closure
(cursor and conn) as-is to ensure safe cleanup.
In `@AI/modules/data_collector/run.py`:
- Around line 200-213: The printed step numbers for the market breadth blocks
are swapped: update the log strings so MarketBreadthCollector prints "Step 8"
and MarketBreadthStatsCollector prints "Step 9" (or otherwise ensure the printed
step numbers follow execution order); locate the print calls in run.py near the
MarketBreadthCollector and MarketBreadthStatsCollector blocks and correct the
step number text in those print statements.
In `@AI/modules/features/event_features.py`:
- Around line 12-18: The event window flags in add_event_window_flags lose true
values at the DataFrame edges because rolling(window=3, center=True) uses the
default min_periods=3; change the rolling call in add_event_window_flags to
specify min_periods=1 so the 3-row centered expansion treats partial windows at
start/end as valid, e.g. update the expression that computes
df[f'event_window_flag_{col_name}'] to use rolling(window=3, center=True,
min_periods=1) before .max().fillna(0).astype(bool) to preserve edge events.
In `@AI/modules/features/market_derived.py`:
- Line 4: The import line uses an incorrect absolute path and references a
missing symbol: change the import in market_derived.py to a relative import
(e.g., from .technical import ...) and resolve the absent compute_atr by either
replacing it with the existing compute_atr_rank (update any call sites in
market_derived.py to use compute_atr_rank) or implement a new compute_atr in
technical.py and export it; ensure you keep compute_rsi, compute_macd, and
compute_bollinger_bands names intact when updating the import.
In `@AI/modules/features/processor.py`:
- Line 19: The execute_pipeline method defines a sector_df parameter that is not
used; either remove sector_df from the signature of execute_pipeline or, if you
plan to use it later, keep the parameter and add a clear TODO comment inside the
execute_pipeline function (e.g., "# TODO: use sector_df for relative strength
calculations") so future readers know it is intentionally reserved; update the
method signature or add the TODO in the execute_pipeline definition to resolve
the unused-parameter issue.
In `@AI/modules/features/technical.py`:
- Around line 1-4: AI/modules/features/technical.py is missing the compute_atr
function which causes ImportError when AI/modules/features/market_derived.py
imports it; add a compute_atr implementation to technical.py (consistent with
the style of existing helpers like compute_z_score, compute_atr_rank,
compute_rsi, compute_bollinger_bands, compute_macd) that computes the Average
True Range from high/low/close series, returns the expected type/shape used by
market_derived.py, and ensure the function name export/signature matches what
market_derived.py imports (compute_atr) so the module can be imported without
error.
In `@AI/modules/signal/workflows/inference.py`:
- Line 28: 현재 사용 중인 add_technical_indicators 함수가 ma5/ma20/ma60, macd,
signal_line, upper_band, lower_band 등 일부 피처를 생성하지 않아 feature_cols 기반 전처리(변수
feature_cols)와 scaler 적용 시 KeyError 또는 스케일러 불일치가 발생할 수 있습니다; 이를 고치려면
add_technical_indicators를 호출하는 부분(함수 add_technical_indicators)을 수정해 누락된 지표들을 동일한
네이밍으로 생성하거나, 아니면 feature_cols 리스트를 현재 legacy 함수가 생성하는 컬럼 목록으로 동기화하고 scaler를 그에
맞춰 재학습/로드하도록 변경하며, 호출부에서 누락 컬럼에 대해 안전하게 처리(예: 컬럼 존재 여부 검사 및 적절한 기본값/보간 적용)하도록
구현하세요.
- Around line 37-39: The current base_dir construction and filenames are
incorrect: change base_dir (variable name base_dir) to build path with
model_type before "prod" (i.e., os.path.join(project_root, "AI", "data",
"weights", model_type, "prod")) and update model_path (variable model_path) to
point to the actual artifact "multi_horizon_model_prod.keras" and update
scaler_path (variable scaler_path) to "multi_horizon_scaler_prod.pkl" (single
underscore), ensuring you only adjust these three variables: base_dir,
model_path, and scaler_path.
🧹 Nitpick comments (15)
AI/modules/data_collector/macro_data.py (1)
174-200: to_py는 루프 밖으로 이동하고 불필요한 float 캐스팅을 피하세요.
매 반복마다 함수 정의가 발생하고, float() 강제 변환은 정밀도 손실 가능성이 있습니다.♻️ 제안 수정안
try: data_to_insert = [] - for date_idx, row in combined_df.iterrows(): - # [수정] Numpy 타입을 Python Native Type으로 변환하는 헬퍼 함수 - def to_py(val): - # NaN 또는 None 체크 - if pd.isna(val) or val is None: - return None - # Numpy 숫자 타입이면 .item()으로 변환 - if hasattr(val, 'item'): - return val.item() - return float(val) + # [수정] Numpy 타입을 Python Native Type으로 변환하는 헬퍼 함수 + def to_py(val): + if pd.isna(val) or val is None: + return None + if isinstance(val, np.generic): + return val.item() + return val + + for date_idx, row in combined_df.iterrows():AI/modules/data_collector/market_data.py (4)
82-111: DB 연결 관리 로직은 적절하나, 기존 연결 재사용 검토 필요PER/PBR 계산을 위해
fetch_ohlcv내에서 새로운 DB 연결을 생성하고 있습니다.finally블록에서 적절히 정리되고 있어 리소스 누수는 없지만, 대량의 티커를 처리할 때 매번 새 연결을 생성하는 것은 비효율적일 수 있습니다.향후 connection pooling 또는 클래스 레벨에서 연결을 관리하는 방식을 고려해 볼 수 있습니다.
103-105: 한 줄에 여러 문장 배치는 가독성을 저하시킴Decimal 타입 변환 로직이 한 줄에 조건문과 할당을 함께 작성되어 있습니다. 가독성과 코드 일관성을 위해 분리하는 것을 권장합니다.
♻️ 제안하는 수정
- if equity is not None: equity = float(equity) - if shares_issued is not None: shares_issued = float(shares_issued) - if eps is not None: eps = float(eps) + if equity is not None: + equity = float(equity) + if shares_issued is not None: + shares_issued = float(shares_issued) + if eps is not None: + eps = float(eps)
174-183: 루프 변수row캡처로 인한 late binding 이슈 가능성
get_val함수가 루프 내부에서 정의되어row변수를 캡처하고 있습니다. 현재 코드에서는get_val이 정의된 직후 동일 반복 내에서만 호출되므로 실질적인 버그는 없지만, 함수가 루프 외부로 전달되거나 지연 호출되면 late binding 문제가 발생할 수 있습니다.
row를 함수 인자로 명시적으로 전달하는 것이 더 안전합니다.♻️ 제안하는 수정
- # 안전한 값 추출 헬퍼 함수 - def get_val(col, default=0): - val = row.get(col, default) + # 안전한 값 추출 헬퍼 함수 (루프 외부로 이동 권장) + def get_val(row, col, default=0): + val = row.get(col, default) # Pandas Series 객체인 경우 처리 if hasattr(val, 'iloc'): val = val.iloc[0] # None 체크 if val is None or pd.isna(val): return None return float(val) - open_val = get_val('Open') or 0 - high_val = get_val('High') or 0 + open_val = get_val(row, 'Open') or 0 + high_val = get_val(row, 'High') or 0 # ... 나머지 호출도 동일하게 수정
185-190:or 0패턴 사용 시0.0값이 손실될 수 있음
get_val('Open') or 0패턴은get_val이0.0을 반환해도0으로 대체합니다. 현재 OHLCV 데이터에서0.0은 실제로 의미 없는 값이므로 큰 문제는 아니지만,None체크를 명시적으로 하는 것이 의도를 더 명확히 합니다.♻️ 명시적 None 체크 예시
open_val = get_val(row, 'Open') open_val = open_val if open_val is not None else 0AI/modules/features/technical.py (3)
41-47:compute_rsi함수가 legacy 모듈과 중복됨
AI/modules/features/legacy/technical_features.py에 동일한 구현의compute_rsi함수가 존재합니다. 코드 중복을 방지하기 위해 하나의 canonical 구현을 유지하고 다른 곳에서 import하는 것을 권장합니다.
49-53:compute_bollinger_bands반환 타입 힌트 누락함수 시그니처에 반환 타입 힌트가 없습니다. 튜플 반환임을 명시하면 사용 시 혼동을 줄일 수 있습니다.
♻️ 타입 힌트 추가
-def compute_bollinger_bands(series: pd.Series, window: int = 20): +def compute_bollinger_bands(series: pd.Series, window: int = 20) -> tuple[pd.Series, pd.Series]: """볼린저 밴드 상단, 하단 계산"""
55-61:compute_macd반환 타입 힌트 추가 권장
compute_bollinger_bands와 마찬가지로 반환 타입을 명시하면 코드 가독성이 향상됩니다.♻️ 타입 힌트 추가
-def compute_macd(series: pd.Series): +def compute_macd(series: pd.Series) -> tuple[pd.Series, pd.Series]: """MACD 및 시그널 라인 계산"""AI/modules/features/market_derived.py (3)
62-64: 한 줄에 여러 문장 배치 (E701)
if df.empty: return df는 한 줄에 조건문과 return을 함께 작성했습니다. 가독성을 위해 분리하는 것을 권장합니다.♻️ 제안하는 수정
- if df.empty: return df + if df.empty: + return df
62-103:add_multi_timeframe_features함수가 legacy 모듈과 중복됨
AI/modules/features/legacy/technical_features.py의add_multi_timeframe_features와 거의 동일한 로직입니다. 코드 유지보수를 위해 하나의 canonical 구현을 유지하고 다른 곳에서 재사용하는 것을 권장합니다.
100-101:join사용 시 컬럼명 충돌 가능성
df_origin에 이미week_ma20_ratio등의 컬럼이 존재하면join이 예기치 않은 동작을 할 수 있습니다.join은 기본적으로 같은 이름의 컬럼이 있으면 오류를 발생시킵니다. 방어 코드 추가를 고려해 보세요.♻️ 기존 컬럼 제거 후 join
# 기존 컬럼이 있으면 제거 for col in weekly_cols + monthly_cols: if col in df_origin.columns: df_origin = df_origin.drop(columns=[col]) df_origin = df_origin.join(df_weekly[weekly_cols].reindex(df_origin.index, method='ffill')) df_origin = df_origin.join(df_monthly[monthly_cols].reindex(df_origin.index, method='ffill'))AI/modules/features/processor.py (2)
4-5: 사용되지 않는 import 제거 권장
compute_correlation_spike와compute_recent_loss_ema가 import되었지만 이 파일에서 사용되지 않습니다. 불필요한 import는 제거하는 것이 좋습니다.♻️ 사용하지 않는 import 제거
from .market_derived import add_standard_technical_features, add_multi_timeframe_features from .event_features import add_event_features -from .technical import compute_correlation_spike, compute_recent_loss_ema
37-41: numpy를 메서드 내부에서 import하는 것은 비효율적
finalize_data메서드 내에서numpy를 import하고 있습니다. 모듈이 호출될 때마다 import 문이 실행되어 미세한 오버헤드가 발생합니다. 파일 상단에서 한 번만 import하는 것이 좋습니다.♻️ import를 파일 상단으로 이동
# AI/modules/features/processor.py import pandas as pd +import numpy as np from .market_derived import add_standard_technical_features, add_multi_timeframe_featuresdef finalize_data(self): """무한대 값 제거 및 결측치 0 채움 (수치 안정성 확보)""" - import numpy as np self.df.replace([np.inf, -np.inf], np.nan, inplace=True)AI/modules/data_collector/market_breadth_data.py (1)
162-163: 한 줄에 여러 문장 배치 (E701)
finally블록의 cleanup 코드가 한 줄에 조건문과 함수 호출을 함께 작성했습니다. 가독성을 위해 분리하는 것을 권장합니다.♻️ 제안하는 수정
finally: - if 'cursor' in locals(): cursor.close() - if 'conn' in locals(): conn.close() + if 'cursor' in locals(): + cursor.close() + if 'conn' in locals(): + conn.close()AI/modules/signal/workflows/optimize_thresholds.py (1)
106-109: Bareexcept절 사용 지양.특정 예외 타입 없이 모든 예외를 무시하면 디버깅이 어렵고 예상치 못한 오류를 숨길 수 있습니다.
♻️ 예외 처리 개선 제안
try: sub_df = add_multi_timeframe_features(sub_df) - except: + except (KeyError, ValueError) as e: + # 데이터 부족 등으로 멀티타임프레임 피처 생성 실패 continue # 데이터 부족 등으로 실패 시 패스
| except Exception as e: | ||
| conn.rollback() | ||
| print(f" [Error] 섹터 데이터 처리 중 오류: {e}") | ||
| print(f" [Error] 섹터/지수 데이터 처리 중 오류: {e}") | ||
| finally: | ||
| if 'cursor' in locals(): cursor.close() | ||
| if 'conn' in locals(): conn.close() |
There was a problem hiding this comment.
예외 처리 시 conn이 정의되지 않았을 수 있음 - NameError 발생 가능
yf.download (line 72) 이후에 예외가 발생하면 conn이 아직 정의되지 않은 상태에서 conn.rollback()이 호출될 수 있습니다. finally 블록에서는 'conn' in locals() 체크를 하지만, except 블록에서는 체크 없이 conn.rollback()을 호출합니다.
🐛 예외 처리 수정
except Exception as e:
- conn.rollback()
+ if 'conn' in locals():
+ conn.rollback()
print(f" [Error] 섹터/지수 데이터 처리 중 오류: {e}")
finally:
if 'cursor' in locals(): cursor.close()
if 'conn' in locals(): conn.close()🧰 Tools
🪛 Ruff (0.14.13)
158-158: Do not catch blind exception: Exception
(BLE001)
162-162: Multiple statements on one line (colon)
(E701)
163-163: Multiple statements on one line (colon)
(E701)
🤖 Prompt for AI Agents
In `@AI/modules/data_collector/market_breadth_data.py` around lines 158 - 163, The
except block currently calls conn.rollback() without guaranteeing conn exists
which can raise NameError; update the error handling in the try/except around
the yf.download flow so you either initialize conn = None before the try or
guard the rollback with a check (e.g., if 'conn' in locals() or if conn is not
None) and only call conn.rollback() when a connection object is present; also
keep the existing finally guards for cursor/conn closure (cursor and conn) as-is
to ensure safe cleanup.
| # (7) 시장 폭 및 섹터 데이터 (Market Breadth - Sector Returns) | ||
| if not args.skip_breadth: | ||
| try: | ||
| print("\n>>> [Step 8] 시장 폭 및 섹터 데이터(Sector Returns) 업데이트") | ||
| print("\n>>> [Step 9] 시장 폭 및 섹터 데이터(Sector Returns) 업데이트") | ||
| collector = MarketBreadthCollector(db_name=args.db) | ||
| collector.run(repair_mode=args.repair) | ||
| except Exception as e: | ||
| print(f"[Error] Sector Data 수집 중단: {e}") | ||
|
|
||
| # (9) 시장 통계 계산 (Market Breadth Stats - Internal Aggregation) | ||
| # (8) 시장 통계 계산 (Market Breadth Stats - Internal Aggregation) | ||
| if not args.skip_stats: | ||
| try: | ||
| print("\n>>> [Step 9] 시장 통계(NH-NL, MA200%) 계산 및 저장") | ||
| print("\n>>> [Step 8] 시장 통계(NH-NL, MA200%) 계산 및 저장") | ||
| collector = MarketBreadthStatsCollector(db_name=args.db) |
There was a problem hiding this comment.
스텝 번호 로그가 실제 순서와 불일치합니다.
시장 폭 단계가 “Step 9”로 출력되어 순서가 혼동됩니다.
🐛 제안 수정안
- print("\n>>> [Step 9] 시장 폭 및 섹터 데이터(Sector Returns) 업데이트")
+ print("\n>>> [Step 7] 시장 폭 및 섹터 데이터(Sector Returns) 업데이트")🧰 Tools
🪛 Ruff (0.14.13)
206-206: Do not catch blind exception: Exception
(BLE001)
🤖 Prompt for AI Agents
In `@AI/modules/data_collector/run.py` around lines 200 - 213, The printed step
numbers for the market breadth blocks are swapped: update the log strings so
MarketBreadthCollector prints "Step 8" and MarketBreadthStatsCollector prints
"Step 9" (or otherwise ensure the printed step numbers follow execution order);
locate the print calls in run.py near the MarketBreadthCollector and
MarketBreadthStatsCollector blocks and correct the step number text in those
print statements.
| def add_event_window_flags(df: pd.DataFrame, event_dates_list: list, col_name: str) -> pd.DataFrame: | ||
| """FOMC/CPI 전후 1일 여부 (True/False) [명세서 준수]""" | ||
| # 이벤트 당일 플래그 | ||
| df[f'event_window_flag_{col_name}'] = df.index.isin(event_dates_list) | ||
| # 전후 1일로 확장 (rolling max) | ||
| df[f'event_window_flag_{col_name}'] = df[f'event_window_flag_{col_name}'].rolling(window=3, center=True).max().fillna(0).astype(bool) | ||
| return df No newline at end of file |
There was a problem hiding this comment.
🧩 Analysis chain
🏁 Script executed:
# First, check if the file exists and view its content
find . -name "event_features.py" -type fRepository: SISC-IT/sisc-web
Length of output: 99
🏁 Script executed:
# Check the exact content of the file at the specified lines
fd "event_features.py" --exec cat -n {} \;Repository: SISC-IT/sisc-web
Length of output: 1076
🌐 Web query:
pandas rolling window min_periods default behavior documentation
💡 Result:
In pandas, min_periods defaults to None, and pandas interprets that as:
- If the rolling
windowis an offset / time-based window (e.g.,"7D"), thenmin_periodsdefaults to 1. [1] - If the rolling
windowis an integer window (e.g.,window=7), thenmin_periodsdefaults to the window size (e.g., 7). [1]
This is documented in Series.rolling (and similarly in DataFrame.rolling). [1], [2]
경계 구간에서 이벤트 윈도우 플래그가 누락될 수 있습니다.
rolling(window=3, center=True)에서 min_periods를 명시하지 않으면 pandas는 기본값으로 min_periods=window (즉, min_periods=3)를 적용합니다. 이로 인해 시작/끝 행의 이벤트는 window 크기 미만의 값만 존재하여 NaN이 되고, fillna(0)으로 False로 변환되어 이벤트 플래그가 손실됩니다.
🐛 제안 수정안
- df[f'event_window_flag_{col_name}'] = df[f'event_window_flag_{col_name}'].rolling(window=3, center=True).max().fillna(0).astype(bool)
+ df[f'event_window_flag_{col_name}'] = (
+ df[f'event_window_flag_{col_name}']
+ .rolling(window=3, center=True, min_periods=1)
+ .max()
+ .fillna(0)
+ .astype(bool)
+ )🤖 Prompt for AI Agents
In `@AI/modules/features/event_features.py` around lines 12 - 18, The event window
flags in add_event_window_flags lose true values at the DataFrame edges because
rolling(window=3, center=True) uses the default min_periods=3; change the
rolling call in add_event_window_flags to specify min_periods=1 so the 3-row
centered expansion treats partial windows at start/end as valid, e.g. update the
expression that computes df[f'event_window_flag_{col_name}'] to use
rolling(window=3, center=True, min_periods=1) before
.max().fillna(0).astype(bool) to preserve edge events.
| # AI/modules/features/market_derived.py | ||
| import pandas as pd | ||
| import numpy as np | ||
| from features.technical import compute_rsi, compute_atr, compute_macd, compute_bollinger_bands |
There was a problem hiding this comment.
🧩 Analysis chain
🏁 Script executed:
# First, find the project structure
find . -type d -name features -o -name AI | head -20Repository: SISC-IT/sisc-web
Length of output: 86
🏁 Script executed:
# Check if the files mentioned exist
find . -name "market_derived.py" -o -name "technical.py" | head -20Repository: SISC-IT/sisc-web
Length of output: 134
🏁 Script executed:
# List the AI/modules/features directory structure
ls -la AI/modules/features/ 2>/dev/null || echo "Directory not found, searching..."
find . -path "*/AI/modules/features*" -type f -name "*.py" | head -20Repository: SISC-IT/sisc-web
Length of output: 686
🏁 Script executed:
# Check the contents of technical.py to see what functions are defined
cat -n AI/modules/features/technical.pyRepository: SISC-IT/sisc-web
Length of output: 3097
🏁 Script executed:
# Check the import statement and context in market_derived.py
head -20 AI/modules/features/market_derived.pyRepository: SISC-IT/sisc-web
Length of output: 908
🏁 Script executed:
# Check the directory structure - is there an __init__.py in features?
ls -la AI/modules/features/__init__.py 2>/dev/null || echo "No __init__.py found"
ls -la AI/modules/__init__.py 2>/dev/null || echo "No __init__.py in modules"Repository: SISC-IT/sisc-web
Length of output: 106
import 경로 오류 및 compute_atr 함수 부재 - ModuleNotFoundError 및 ImportError 발생
from features.technical import ... 경로가 잘못되었으며, 요청된 함수 중 compute_atr이 technical.py에 정의되어 있지 않습니다. 프로젝트 구조상 상대 import를 사용해야 하며, technical.py에는 compute_atr_rank만 존재합니다.
수정 사항
-from features.technical import compute_rsi, compute_atr, compute_macd, compute_bollinger_bands
+from .technical import compute_rsi, compute_macd, compute_bollinger_bandscompute_atr 함수가 필요한 경우, compute_atr_rank를 사용하거나 compute_atr 함수를 technical.py에 새로 구현해야 합니다.
🤖 Prompt for AI Agents
In `@AI/modules/features/market_derived.py` at line 4, The import line uses an
incorrect absolute path and references a missing symbol: change the import in
market_derived.py to a relative import (e.g., from .technical import ...) and
resolve the absent compute_atr by either replacing it with the existing
compute_atr_rank (update any call sites in market_derived.py to use
compute_atr_rank) or implement a new compute_atr in technical.py and export it;
ensure you keep compute_rsi, compute_macd, and compute_bollinger_bands names
intact when updating the import.
| self.df['date'] = pd.to_datetime(self.df['date']) | ||
| self.df = self.df.sort_values('date') | ||
|
|
||
| def execute_pipeline(self, event_info=None, sector_df=None): |
There was a problem hiding this comment.
sector_df 파라미터가 사용되지 않음
execute_pipeline 메서드에 sector_df 파라미터가 정의되어 있지만 메서드 내에서 사용되지 않습니다. 향후 구현 예정이라면 # TODO 주석을 추가하고, 그렇지 않다면 제거하세요.
💡 TODO 주석 추가 또는 파라미터 제거
- def execute_pipeline(self, event_info=None, sector_df=None):
+ def execute_pipeline(self, event_info=None):
"""전체 파생 피처 생성 파이프라인 실행"""또는 향후 사용 예정인 경우:
def execute_pipeline(self, event_info=None, sector_df=None):
"""전체 파생 피처 생성 파이프라인 실행"""
# TODO: sector_df를 사용한 상대강도 계산 추가 예정📝 Committable suggestion
‼️ IMPORTANT
Carefully review the code before committing. Ensure that it accurately replaces the highlighted code, contains no missing lines, and has no issues with indentation. Thoroughly test & benchmark the code to ensure it meets the requirements.
| def execute_pipeline(self, event_info=None, sector_df=None): | |
| def execute_pipeline(self, event_info=None): |
🧰 Tools
🪛 Ruff (0.14.13)
19-19: Unused method argument: sector_df
(ARG002)
🤖 Prompt for AI Agents
In `@AI/modules/features/processor.py` at line 19, The execute_pipeline method
defines a sector_df parameter that is not used; either remove sector_df from the
signature of execute_pipeline or, if you plan to use it later, keep the
parameter and add a clear TODO comment inside the execute_pipeline function
(e.g., "# TODO: use sector_df for relative strength calculations") so future
readers know it is intentionally reserved; update the method signature or add
the TODO in the execute_pipeline definition to resolve the unused-parameter
issue.
| # AI/modules/features/technical.py | ||
| import pandas as pd | ||
| import numpy as np | ||
|
|
There was a problem hiding this comment.
🧩 Analysis chain
🏁 Script executed:
#!/bin/bash
# Check if compute_atr function is defined in technical.py
echo "=== Searching for compute_atr definition ==="
rg -n "def compute_atr\(" --type=py
echo ""
echo "=== Checking market_derived.py imports ==="
# Find and display the imports section of market_derived.py
fd -e py market_derived | head -1 | xargs -I {} sh -c 'echo "File: {}"; head -50 {}'Repository: SISC-IT/sisc-web
Length of output: 2165
🏁 Script executed:
#!/bin/bash
# List all function definitions in technical.py
echo "=== Functions defined in technical.py ==="
rg -n "^def " AI/modules/features/technical.py --type=py
echo ""
echo "=== Functions imported in market_derived.py ==="
rg "from features.technical import" AI/modules/features/market_derived.py --type=pyRepository: SISC-IT/sisc-web
Length of output: 870
compute_atr 함수 정의 누락 - 런타임 ImportError 발생
AI/modules/features/market_derived.py에서 compute_atr을 import하지만, AI/modules/features/technical.py에는 이 함수가 정의되어 있지 않습니다. 현재 정의된 함수는 compute_z_score, compute_atr_rank, compute_ma_trend_score, compute_correlation_spike, compute_recent_loss_ema, compute_rsi, compute_bollinger_bands, compute_macd이며, compute_atr은 존재하지 않습니다.
결과적으로 market_derived.py 모듈을 로드할 때 ImportError가 발생합니다.
🐛 compute_atr 함수 추가 제안
+def compute_atr(high: pd.Series, low: pd.Series, close: pd.Series, window: int = 14) -> pd.Series:
+ """ATR (Average True Range) 계산"""
+ tr = pd.concat([high - low,
+ abs(high - close.shift(1)),
+ abs(low - close.shift(1))], axis=1).max(axis=1)
+ return tr.rolling(window=window).mean()
+
def compute_atr_rank(high: pd.Series, low: pd.Series, close: pd.Series, window: int = 14) -> pd.Series:🤖 Prompt for AI Agents
In `@AI/modules/features/technical.py` around lines 1 - 4,
AI/modules/features/technical.py is missing the compute_atr function which
causes ImportError when AI/modules/features/market_derived.py imports it; add a
compute_atr implementation to technical.py (consistent with the style of
existing helpers like compute_z_score, compute_atr_rank, compute_rsi,
compute_bollinger_bands, compute_macd) that computes the Average True Range from
high/low/close series, returns the expected type/shape used by
market_derived.py, and ensure the function name export/signature matches what
market_derived.py imports (compute_atr) so the module can be imported without
error.
| from AI.libs.database.connection import get_db_conn | ||
| from AI.modules.signal.core.data_loader import DataLoader | ||
| from AI.modules.signal.core.features import add_technical_indicators | ||
| from AI.modules.features.legacy.technical_features import add_technical_indicators |
There was a problem hiding this comment.
feature_cols와 legacy 지표 출력 불일치 가능성
legacy add_technical_indicators는 ma5/ma20/ma60, macd, signal_line, upper_band, lower_band를 생성하지 않으므로 Line 88의 feature_cols 기준 전처리에서 KeyError 또는 스케일러 불일치가 발생할 수 있습니다. 모듈 전환에 맞춰 feature/스케일러를 동기화하거나 기존 모듈을 유지하세요.
🤖 Prompt for AI Agents
In `@AI/modules/signal/workflows/inference.py` at line 28, 현재 사용 중인
add_technical_indicators 함수가 ma5/ma20/ma60, macd, signal_line, upper_band,
lower_band 등 일부 피처를 생성하지 않아 feature_cols 기반 전처리(변수 feature_cols)와 scaler 적용 시
KeyError 또는 스케일러 불일치가 발생할 수 있습니다; 이를 고치려면 add_technical_indicators를 호출하는 부분(함수
add_technical_indicators)을 수정해 누락된 지표들을 동일한 네이밍으로 생성하거나, 아니면 feature_cols 리스트를
현재 legacy 함수가 생성하는 컬럼 목록으로 동기화하고 scaler를 그에 맞춰 재학습/로드하도록 변경하며, 호출부에서 누락 컬럼에 대해
안전하게 처리(예: 컬럼 존재 여부 검사 및 적절한 기본값/보간 적용)하도록 구현하세요.
| base_dir = os.path.join(project_root, "AI", "data", "weights", "prod" , model_type) | ||
| model_path = os.path.join(base_dir, "universal_transformer_prod.keras") | ||
| scaler_path = os.path.join(base_dir, "universal_scaler__prod.pkl") |
There was a problem hiding this comment.
🧩 Analysis chain
🏁 Script executed:
#!/bin/bash
# prod 아티팩트 존재 여부 확인
echo "=== Checking for universal_transformer artifacts ==="
fd -a "universal_transformer.*\.keras$" AI/data/weights || echo "No matches found"
echo ""
echo "=== Checking for universal_scaler artifacts ==="
fd -a "universal_scaler.*\.pkl$" AI/data/weights || echo "No matches found"
echo ""
echo "=== Listing all files in AI/data/weights/prod directory ==="
ls -la AI/data/weights/prod 2>/dev/null || echo "Directory not found or empty"Repository: SISC-IT/sisc-web
Length of output: 251
🏁 Script executed:
#!/bin/bash
# Check if AI/data/weights directory exists and list contents
echo "=== Checking AI/data/weights directory structure ==="
if [ -d "AI/data/weights" ]; then
ls -la AI/data/weights
echo ""
echo "=== Contents of prod directory if it exists ==="
[ -d "AI/data/weights/prod" ] && ls -la AI/data/weights/prod || echo "prod directory doesn't exist"
else
echo "AI/data directory structure:"
ls -la AI/data 2>/dev/null || echo "AI/data not found"
fi
echo ""
echo "=== Checking .gitignore for weight/artifact patterns ==="
grep -r "universal_transformer\|universal_scaler\|\.keras\|\.pkl\|weights/prod" .gitignore .gitignore_* 2>/dev/null || echo "No patterns found in .gitignore"
echo ""
echo "=== Checking if any .keras or .pkl files exist in repository ==="
fd "\.(keras|pkl)$" . 2>/dev/null | head -20Repository: SISC-IT/sisc-web
Length of output: 779
🏁 Script executed:
#!/bin/bash
# Read the inference.py file around lines 37-39
echo "=== Code context in inference.py ==="
sed -n '30,50p' AI/modules/signal/workflows/inference.py | cat -n
echo ""
echo "=== Full function signature ==="
sed -n '1,50p' AI/modules/signal/workflows/inference.py | head -50 | cat -nRepository: SISC-IT/sisc-web
Length of output: 3430
경로 및 파일명 구조 수정 필요
경로 구조가 잘못되었습니다. 현재 코드는 AI/data/weights/prod/{model_type}/ 형태지만 실제 디렉토리는 AI/data/weights/{model_type}/prod/입니다. 또한 파일명도 수정이 필요합니다:
- 현재:
universal_transformer_prod.keras→ 실제:multi_horizon_model_prod.keras - 현재:
universal_scaler__prod.pkl(이중 밑줄) → 실제:multi_horizon_scaler_prod.pkl(단일 밑줄)
line 37: os.path.join(project_root, "AI", "data", "weights", model_type, "prod") 로 변경하고, lines 38-39의 파일명을 실제 산출물명으로 수정하세요.
🤖 Prompt for AI Agents
In `@AI/modules/signal/workflows/inference.py` around lines 37 - 39, The current
base_dir construction and filenames are incorrect: change base_dir (variable
name base_dir) to build path with model_type before "prod" (i.e.,
os.path.join(project_root, "AI", "data", "weights", model_type, "prod")) and
update model_path (variable model_path) to point to the actual artifact
"multi_horizon_model_prod.keras" and update scaler_path (variable scaler_path)
to "multi_horizon_scaler_prod.pkl" (single underscore), ensuring you only adjust
these three variables: base_dir, model_path, and scaler_path.
There was a problem hiding this comment.
Actionable comments posted: 6
🤖 Fix all issues with AI agents
In `@AI/modules/finder/legacy/evaluator.py`:
- Line 21: add_technical_indicators를 legacy 구현으로 바꾼 뒤 evaluator에서 참조하는 ma20,
ma60, macd, signal_line 컬럼이 없으면 KeyError가 발생합니다; 수정 방법은 두 가지 중 하나로 고르세요: 1) 현재
사용 중인 평가 코드(평가 로직이 ma20/ma60/macd/signal_line을 참조하는 함수/블록)를 유지하려면 이전(비-legacy)
add_technical_indicators 구현을 그대로 임포트/호출하도록 복원하거나, 2) 혹은
AI.modules.finder.legacy.evaluator 내에서 호출되는 함수(예: 평가 함수 이름 또는 블록) 직전에 필요한 컬럼을
생성하도록 보완하세요(명시적 계산 루틴 또는 안전한 파생 칼럼 생성 로직을 추가해 ma20, ma60, macd, signal_line이 항상
존재하도록 함). 확실히 하기 위해 수정 대상 함수/심볼은 add_technical_indicators와 evaluator에서
ma20/ma60/macd/signal_line을 사용하는 해당 평가 블록을 찾아 적용하세요.
In `@AI/modules/finder/TFT_Risk_Manager.py`:
- Around line 16-37: The predict_crash_probability method currently slices
feature_df with primary_keys + secondary_keys and will raise a KeyError if
required columns are missing; add defensive validation in
predict_crash_probability that computes missing = set(primary_keys +
secondary_keys) - set(feature_df.columns) and if missing is non-empty raise a
clear, explicit exception (ValueError or custom) that lists which columns are
missing and mentions the function name; perform this check before the line that
creates input_data and keep using self._calculate_tft_inference(input_data)
afterwards.
In `@AI/modules/signal/models/PatchTST/wrapper.py`:
- Around line 12-13: The constructor sets config=None by default but later calls
self.config.get('seq_len', 120), which can raise AttributeError; in __init__
(method __init__) ensure self.config is a dict when config is omitted (e.g., if
config is None set to {} or copy provided config) so that self.config.get(...)
is safe, or alternatively add defensive access in preprocess where
self.config.get('seq_len', 120) is used to handle a None config before calling
get.
- Around line 39-40: The code creates CPU tensors with torch.FloatTensor(x)
which will fail if self.model is on GPU; update the tensor creation to place
tensors on the model/device dynamically: determine device via the model (e.g.,
device = next(self.model.parameters()).device or fallback to getattr(self,
"device", torch.device("cpu"))) and create the tensor with torch.as_tensor or
torch.tensor specifying dtype=torch.float32 and device=device; change both
occurrences that use torch.FloatTensor(x) (the block using seq_len,
self.feature_cols and the similar block at lines 50-53) so inputs are moved to
the correct device before passing to the model.
- Around line 50-55: The wrapper imports and initialization are wrong: replace
the missing BaseModel import with the correct BaseSignalModel from
AI/modules/signal/core/base_model.py and update the constructor call so you call
super().__init__(config) (remove model_path); then ensure self.model is
created/loaded—either instantiate the PatchTST model inside __init__ or
implement a load(self, model_path) that loads weights and assigns to self.model
before any calls to self.model.eval() or self.model(x); update any places that
call super().__init__(model_path, config) to use only config and make sure
methods reference the initialized self.model.
In `@AI/modules/signal/models/TCN/wrapper.py`:
- Around line 11-12: The constructor (__init__) passes config through but does
not guard against config being None, causing self.config.get('seq_len', 30)
(used later) to raise AttributeError; update the __init__ in this class so that
if config is None you replace it with an empty dict (e.g., config = {} or
self.config = {} before calling or after super().__init__), ensuring subsequent
calls to self.config.get(...) succeed; reference the constructor (__init__) and
the later call self.config.get('seq_len', 30') to locate the fix.
🧹 Nitpick comments (5)
AI/modules/data_collector/run.py (1)
149-216: 광범위한 Exception 캐치 패턴에 대한 고려 사항정적 분석 도구(Ruff BLE001)에서 여러 곳의
except Exception사용을 경고하고 있습니다. 파이프라인 연속성을 위한 의도적인 설계임을 이해하지만, 더 구체적인 예외 타입을 사용하면 디버깅이 용이해질 수 있습니다.예를 들어, DB 연결 오류(
psycopg2.Error), 네트워크 오류(requests.RequestException), 데이터 처리 오류(ValueError,KeyError) 등을 구분하면 로그 분석 시 원인 파악이 빨라집니다. 현재 구조를 유지하면서도 로깅 레벨을 조정하는 방식도 고려할 수 있습니다.♻️ 선택적 개선 예시
- except Exception as e: - print(f"[Error] Macro Data 수집 중단: {e}") + except (ConnectionError, TimeoutError) as e: + print(f"[Error] Macro Data 네트워크 오류: {e}") + except Exception as e: + print(f"[Error] Macro Data 수집 중단 (예상치 못한 오류): {e}")AI/modules/signal/models/PatchTST/wrapper.py (1)
26-28: 필수 컬럼 존재 여부 검증 누락
df[self.feature_cols]접근 시 DataFrame에 필요한 컬럼이 없으면KeyError가 발생합니다. 입력 데이터 검증을 추가하는 것이 좋습니다.♻️ 컬럼 검증 추가 제안
# 1. 명세서 키 기반 피처 추출 # PatchTST는 Long Lookback이 특징이므로 충분한 시계열 데이터 필요 + missing_cols = set(self.feature_cols) - set(df.columns) + if missing_cols: + raise ValueError(f"Missing required columns: {missing_cols}") data = df[self.feature_cols].valuesAI/modules/signal/models/TCN/wrapper.py (2)
21-38: PatchTSTWrapper와 중복 코드 - 공통 로직 추출 고려
preprocess와predict메서드가 PatchTSTWrapper와 거의 동일합니다.BaseModel이나 별도 믹스인으로 공통 로직을 추출하면 유지보수성이 향상됩니다.♻️ 리팩토링 예시
BaseModel에 공통 메서드 추가:# base_model.py class BaseModel: def _create_tensor(self, df: pd.DataFrame, seq_len: int): """공통 텐서 생성 로직""" missing_cols = set(self.feature_cols) - set(df.columns) if missing_cols: raise ValueError(f"Missing required columns: {missing_cols}") data = df[self.feature_cols].values data = np.nan_to_num(data, nan=0.0) if len(data) < seq_len: return None x = data[-seq_len:].reshape(1, seq_len, len(self.feature_cols)) return torch.FloatTensor(x) def _predict_signal(self, df: pd.DataFrame, seq_len: int): """공통 예측 로직""" x = self._create_tensor(df, seq_len) if x is None: return 0.0 self.model.eval() with torch.no_grad(): output = self.model(x) return torch.sigmoid(output).item()Also applies to: 40-54
25-26: 필수 컬럼 존재 여부 검증 누락PatchTSTWrapper와 동일하게 컬럼 검증이 누락되어 있습니다.
♻️ 컬럼 검증 추가
# 1. 명세서 키 기반 피처 추출 + missing_cols = set(self.feature_cols) - set(df.columns) + if missing_cols: + raise ValueError(f"Missing required columns: {missing_cols}") data = df[self.feature_cols].valuesAI/modules/finder/TFT_Risk_Manager.py (1)
39-48: 입력 DataFrame을 직접 변경하지 않도록 복사 권장Line 43에서
df를 in-place로 수정해 호출자 데이터가 변형됩니다. 의도된 부작용이 아니라면 복사본에서 계산하거나, 최소한 docstring에 명시해 주세요.♻️ 수정 제안
- df['crash_prob'] = self.predict_crash_probability(df) + df = df.copy() + df['crash_prob'] = self.predict_crash_probability(df)
|
|
||
| from AI.libs.database.fetcher import fetch_price_data | ||
| from AI.modules.signal.core.features import add_technical_indicators | ||
| from AI.modules.features.legacy.technical_features import add_technical_indicators |
There was a problem hiding this comment.
legacy add_technical_indicators로 전환 시 필수 컬럼 누락 위험
Line 21의 import 변경 이후 Line 46-60에서 사용하는 ma20, ma60, macd, signal_line 컬럼이 legacy 구현에 없으면 KeyError로 평가가 항상 실패합니다. 이전 구현을 유지하거나, 여기서 필요한 컬럼을 생성하도록 조정해 주세요.
🤖 Prompt for AI Agents
In `@AI/modules/finder/legacy/evaluator.py` at line 21, add_technical_indicators를
legacy 구현으로 바꾼 뒤 evaluator에서 참조하는 ma20, ma60, macd, signal_line 컬럼이 없으면
KeyError가 발생합니다; 수정 방법은 두 가지 중 하나로 고르세요: 1) 현재 사용 중인 평가 코드(평가 로직이
ma20/ma60/macd/signal_line을 참조하는 함수/블록)를 유지하려면 이전(비-legacy)
add_technical_indicators 구현을 그대로 임포트/호출하도록 복원하거나, 2) 혹은
AI.modules.finder.legacy.evaluator 내에서 호출되는 함수(예: 평가 함수 이름 또는 블록) 직전에 필요한 컬럼을
생성하도록 보완하세요(명시적 계산 루틴 또는 안전한 파생 칼럼 생성 로직을 추가해 ma20, ma60, macd, signal_line이 항상
존재하도록 함). 확실히 하기 위해 수정 대상 함수/심볼은 add_technical_indicators와 evaluator에서
ma20/ma60/macd/signal_line을 사용하는 해당 평가 블록을 찾아 적용하세요.
| def predict_crash_probability(self, feature_df: pd.DataFrame): | ||
| """ | ||
| 입력된 파생 피처를 바탕으로 급락 확률 산출 [명세서 3번 준수] | ||
| """ | ||
| # 1. 핵심 입력 데이터 추출 (Primary) | ||
| primary_keys = [ | ||
| 'vix_z_score', 'us10y_chg', 'yield_spread', 'dxy_chg', | ||
| 'wti_price', 'debt_ratio', 'interest_coverage', 'atr_rank', 'ret_1d' | ||
| ] | ||
|
|
||
| # 2. 보조 입력 데이터 추출 (Secondary) | ||
| secondary_keys = [ | ||
| 'credit_spread_hy', 'mkt_breadth_nh_nl', 'surprise_earnings', 'btc_close' | ||
| ] | ||
|
|
||
| input_data = feature_df[primary_keys + secondary_keys] | ||
|
|
||
| # 3. 리스크 스코어링 알고리즘 (TFT 모델 추론부 - 예시 로직) | ||
| # 실제 구현 시 학습된 TFT 가중치를 로드하여 연산합니다. | ||
| risk_score = self._calculate_tft_inference(input_data) | ||
|
|
||
| return risk_score |
There was a problem hiding this comment.
필수 피처 누락 시 즉시 실패합니다.
Line 31에서 컬럼 슬라이싱을 바로 수행해 누락 시 KeyError가 발생합니다. 필수 컬럼 체크 후 명확한 오류를 내도록 방어 로직을 추가해 주세요.
🛠️ 수정 제안
- input_data = feature_df[primary_keys + secondary_keys]
+ required_keys = primary_keys + secondary_keys
+ missing = [k for k in required_keys if k not in feature_df.columns]
+ if missing:
+ raise ValueError(f"필수 피처 누락: {missing}")
+ input_data = feature_df[required_keys]🤖 Prompt for AI Agents
In `@AI/modules/finder/TFT_Risk_Manager.py` around lines 16 - 37, The
predict_crash_probability method currently slices feature_df with primary_keys +
secondary_keys and will raise a KeyError if required columns are missing; add
defensive validation in predict_crash_probability that computes missing =
set(primary_keys + secondary_keys) - set(feature_df.columns) and if missing is
non-empty raise a clear, explicit exception (ValueError or custom) that lists
which columns are missing and mentions the function name; perform this check
before the line that creates input_data and keep using
self._calculate_tft_inference(input_data) afterwards.
| def __init__(self, model_path=None, config=None): | ||
| super().__init__(model_path, config) |
There was a problem hiding this comment.
config=None일 때 self.config.get() 호출 시 AttributeError 발생 가능
__init__에서 config=None이 기본값인데, Line 35에서 self.config.get('seq_len', 120)을 호출합니다. config가 None이면 AttributeError가 발생합니다.
🐛 수정 제안
def __init__(self, model_path=None, config=None):
super().__init__(model_path, config)
self.model_name = "PatchTST_Trend_Specialist"
+ self.config = config or {}또는 preprocess에서 방어적으로 처리:
- seq_len = self.config.get('seq_len', 120)
+ seq_len = (self.config or {}).get('seq_len', 120)Also applies to: 35-35
🤖 Prompt for AI Agents
In `@AI/modules/signal/models/PatchTST/wrapper.py` around lines 12 - 13, The
constructor sets config=None by default but later calls
self.config.get('seq_len', 120), which can raise AttributeError; in __init__
(method __init__) ensure self.config is a dict when config is omitted (e.g., if
config is None set to {} or copy provided config) so that self.config.get(...)
is safe, or alternatively add defensive access in preprocess where
self.config.get('seq_len', 120) is used to handle a None config before calling
get.
| x = data[-seq_len:].reshape(1, seq_len, len(self.feature_cols)) | ||
| return torch.FloatTensor(x) |
There was a problem hiding this comment.
텐서 디바이스 불일치 가능성
torch.FloatTensor(x)는 CPU 텐서를 생성합니다. 만약 self.model이 GPU에 있다면 RuntimeError가 발생합니다.
🛡️ 디바이스 처리 추가 제안
- x = data[-seq_len:].reshape(1, seq_len, len(self.feature_cols))
- return torch.FloatTensor(x)
+ x = data[-seq_len:].reshape(1, seq_len, len(self.feature_cols))
+ tensor = torch.FloatTensor(x)
+ # 모델과 동일한 디바이스로 이동
+ if hasattr(self, 'model') and self.model is not None:
+ tensor = tensor.to(next(self.model.parameters()).device)
+ return tensorAlso applies to: 50-53
🤖 Prompt for AI Agents
In `@AI/modules/signal/models/PatchTST/wrapper.py` around lines 39 - 40, The code
creates CPU tensors with torch.FloatTensor(x) which will fail if self.model is
on GPU; update the tensor creation to place tensors on the model/device
dynamically: determine device via the model (e.g., device =
next(self.model.parameters()).device or fallback to getattr(self, "device",
torch.device("cpu"))) and create the tensor with torch.as_tensor or torch.tensor
specifying dtype=torch.float32 and device=device; change both occurrences that
use torch.FloatTensor(x) (the block using seq_len, self.feature_cols and the
similar block at lines 50-53) so inputs are moved to the correct device before
passing to the model.
| self.model.eval() | ||
| with torch.no_grad(): | ||
| # 모델 내부적으로 RevIN 정규화가 수행됨 | ||
| output = self.model(x) | ||
| # 예측값은 Trader 표준 스키마(prob_up)로 변환 | ||
| signal_patch = torch.sigmoid(output).item() |
There was a problem hiding this comment.
🧩 Analysis chain
🏁 Script executed:
# First, find the wrapper.py file and understand its class structure
find . -name "wrapper.py" -path "*/signal/models/PatchTST/*" -type fRepository: SISC-IT/sisc-web
Length of output: 106
🏁 Script executed:
# Check the wrapper.py file structure
cat -n AI/modules/signal/models/PatchTST/wrapper.py | head -80Repository: SISC-IT/sisc-web
Length of output: 2354
🏁 Script executed:
# Search for BaseModel class definition
find . -name "*.py" -path "*/signal/*" -type f | xargs grep -l "class BaseModel"Repository: SISC-IT/sisc-web
Length of output: 44
🏁 Script executed:
# Search for model initialization patterns in the project
rg -n "self\.model\s*=" --type py -g "*/signal/models/**" -A 2Repository: SISC-IT/sisc-web
Length of output: 208
🏁 Script executed:
# Find base_model.py file
find . -name "base_model.py" -path "*/signal/models/*" -type fRepository: SISC-IT/sisc-web
Length of output: 42
🏁 Script executed:
# Also check in the immediate parent directory
find . -name "base_model.py" -path "*/signal/*" -type fRepository: SISC-IT/sisc-web
Length of output: 98
🏁 Script executed:
# Look for BaseModel class definition
rg -n "class BaseModel" --type py -A 30Repository: SISC-IT/sisc-web
Length of output: 42
🏁 Script executed:
# Read the BaseModel class implementation
cat -n AI/modules/signal/core/base_model.pyRepository: SISC-IT/sisc-web
Length of output: 2012
🏁 Script executed:
# Check if there's also a base_model.py in the models directory
find AI/modules/signal/models -name "base_model.py" -type fRepository: SISC-IT/sisc-web
Length of output: 42
🏁 Script executed:
# Check the import path in wrapper.py more carefully
ls -la AI/modules/signal/models/ | grep -i baseRepository: SISC-IT/sisc-web
Length of output: 42
🏁 Script executed:
# Search for BaseModel class definition
rg -n "class BaseModel" --type pyRepository: SISC-IT/sisc-web
Length of output: 42
🏁 Script executed:
# Also check what's actually being imported in wrapper.py
rg -n "BaseModel" AI/modules/signal/models/PatchTST/wrapper.pyRepository: SISC-IT/sisc-web
Length of output: 134
🏁 Script executed:
# Search for model loading/initialization in wrapper and parent classes
rg -n "def load|self\.model\s*=" --type py -A 2 -B 1 AI/modules/signal/core/Repository: SISC-IT/sisc-web
Length of output: 833
🏁 Script executed:
# Check if there's a base_model.py in the models directory
ls -la AI/modules/signal/models/base_model.py 2>/dev/null || echo "File not found"Repository: SISC-IT/sisc-web
Length of output: 74
🏁 Script executed:
# List the structure of the models directory
ls -la AI/modules/signal/models/Repository: SISC-IT/sisc-web
Length of output: 337
🏁 Script executed:
# Search for any file that defines "BaseModel" (not BaseSignalModel)
rg -n "^class BaseModel" --type pyRepository: SISC-IT/sisc-web
Length of output: 42
🏁 Script executed:
# Check what __init__.py files might do
cat -n AI/modules/signal/models/__init__.py 2>/dev/null || echo "No __init__.py in models"
cat -n AI/modules/signal/core/__init__.py 2>/dev/null || echo "No __init__.py in core"Repository: SISC-IT/sisc-web
Length of output: 1091
🏁 Script executed:
# Check if PatchTSTWrapper has a load method or model loading code
cat -n AI/modules/signal/models/PatchTST/wrapper.py | tail -20Repository: SISC-IT/sisc-web
Length of output: 769
🏁 Script executed:
# Search for any model loading in the PatchTST directory
rg -n "load|torch.load" --type py AI/modules/signal/models/PatchTST/Repository: SISC-IT/sisc-web
Length of output: 481
🏁 Script executed:
# Check if there's supposed to be a build or setup method
rg -n "def build|PatchTST_Model\(" --type py AI/modules/signal/models/PatchTST/Repository: SISC-IT/sisc-web
Length of output: 257
🏁 Script executed:
# Get the complete wrapper.py file to see full class implementation
wc -l AI/modules/signal/models/PatchTST/wrapper.pyRepository: SISC-IT/sisc-web
Length of output: 107
🏁 Script executed:
# Check the full wrapper.py content
cat -n AI/modules/signal/models/PatchTST/wrapper.pyRepository: SISC-IT/sisc-web
Length of output: 2354
🏁 Script executed:
# Check architecture.py to see if PatchTST_Model is instantiated somewhere
cat -n AI/modules/signal/models/PatchTST/architecture.py | head -40Repository: SISC-IT/sisc-web
Length of output: 1543
🏁 Script executed:
# Verify the import path - check what happens with ..base_model in wrapper context
python3 << 'EOF'
import os
# wrapper.py is at: AI/modules/signal/models/PatchTST/wrapper.py
# From there, .. goes to: AI/modules/signal/models/
# So ..base_model would look for: AI/modules/signal/models/base_model.py
wrapper_dir = "AI/modules/signal/models/PatchTST"
parent_dir = "AI/modules/signal/models"
expected_path = "AI/modules/signal/models/base_model.py"
actual_path = "AI/modules/signal/core/base_model.py"
print(f"From wrapper location: {wrapper_dir}")
print(f"Import ..base_model looks for: {expected_path}")
print(f"But actual file is at: {actual_path}")
EOFRepository: SISC-IT/sisc-web
Length of output: 246
🏁 Script executed:
# Check if BaseModel alias exists in models/__init__.py
cat -n AI/modules/signal/models/__init__.py | grep -i "basemodel\|alias"Repository: SISC-IT/sisc-web
Length of output: 42
🏁 Script executed:
# Search entire codebase for "class BaseModel" (exact match)
rg "class BaseModel\b" --type pyRepository: SISC-IT/sisc-web
Length of output: 42
클래스 상속 및 모델 초기화 구조 완전 재작업 필요
from ..base_model import BaseModelimport는 실패합니다.BaseModel클래스가 존재하지 않으며, 실제 클래스는AI/modules/signal/core/base_model.py의BaseSignalModel입니다. import 경로 또는 클래스명을 수정하세요.super().__init__(model_path, config)호출이 잘못되었습니다.BaseSignalModel.__init__()은config파라미터만 수용합니다.- Critical:
self.model은 초기화되지 않은 상태로 유지되며, 모델 가중치를 로드하는 메커니즘이 없습니다. 라인 50-55에서self.model.eval()과self.model(x)호출 시AttributeError: 'NoneType' object has no attribute 'eval'이 발생합니다. __init__메서드에서 모델 인스턴스를 생성하거나, 명시적으로load()메서드를 구현하여self.model을 초기화해야 합니다.
🤖 Prompt for AI Agents
In `@AI/modules/signal/models/PatchTST/wrapper.py` around lines 50 - 55, The
wrapper imports and initialization are wrong: replace the missing BaseModel
import with the correct BaseSignalModel from
AI/modules/signal/core/base_model.py and update the constructor call so you call
super().__init__(config) (remove model_path); then ensure self.model is
created/loaded—either instantiate the PatchTST model inside __init__ or
implement a load(self, model_path) that loads weights and assigns to self.model
before any calls to self.model.eval() or self.model(x); update any places that
call super().__init__(model_path, config) to use only config and make sure
methods reference the initialized self.model.
| def __init__(self, model_path=None, config=None): | ||
| super().__init__(model_path, config) |
There was a problem hiding this comment.
config=None일 때 self.config.get() 호출 시 AttributeError 발생 가능
PatchTSTWrapper와 동일한 이슈입니다. config가 None일 때 Line 33의 self.config.get('seq_len', 30) 호출이 실패합니다.
🐛 수정 제안
def __init__(self, model_path=None, config=None):
super().__init__(model_path, config)
self.model_name = "TCN_Local_Pattern"
+ self.config = config or {}Also applies to: 33-33
🤖 Prompt for AI Agents
In `@AI/modules/signal/models/TCN/wrapper.py` around lines 11 - 12, The
constructor (__init__) passes config through but does not guard against config
being None, causing self.config.get('seq_len', 30) (used later) to raise
AttributeError; update the __init__ in this class so that if config is None you
replace it with an empty dict (e.g., config = {} or self.config = {} before
calling or after super().__init__), ensuring subsequent calls to
self.config.get(...) succeed; reference the constructor (__init__) and the later
call self.config.get('seq_len', 30') to locate the fix.
1 participant
계획표에 있는 모든 계산 코드 작성완료. Finder 구현 시작.
Summary by CodeRabbit
릴리스 노트
새로운 기능
버그 수정
리팩토링