### 문제 정의
- 개인 트레이딩 전략을 데이터 기반으로 검증·개선하기 위한 샘플 바카라 게임가 필요했습니다.
- 단일 모델 신호의 편향·불안정성으로 안정적인 의사결정이 어려웠습니다.
- 재현 가능한 백테스트 파이프라인 부재로 실험 결과 신뢰성이 낮았습니다.

### 목표
- 학습 → 예측 → 백테스트까지 자동화된 파이프라인 구현.
- 역할 분담 앙상블(XGBoost: 방향, LSTM: 가격 목표, RL: 최종 의사결정)로 신호 품질 향상.
- 핵심 지표(수익률·승률·Sharpe·최대 낙폭)와 시각화를 자동 생성해 성과를 명확히 제시.

### 접근 방식
- 표준 데이터 소스(yfinance, NVDA 5년)와 기술지표(MA, EMA, MACD, RSI, Bollinger 등) 기반 피처.
- XGBoost(지도학습), LSTM(시계열), Stable-Baselines3 PPO(강화학습) 결합 앙상블.
- 백테스트 엔진으로 거래 시뮬레이션 및 모델별 기여도 분석, 포트폴리오 표지 이미지 자동 생성(480×480).

### 범위 한정
- 개인 바카라 게임로서 학습·예측·백테스트에 집중.
- 누구나 재현 가능한 샘플 구성과 문서화·시각화로 이해 용이성 강화.

1) 포트폴리오 소개
AI 기반 알고리즘 트레이딩 샘플 바카라 게임입니다.
XGBoost, LSTM, 강화학습(PPO)을 역할 분담 앙상블로 결합하여 주식 거래 신호를 생성하고,
과거 데이터로 백테스트하여 성과를 검증하는 시스템입니다.

2) 구현 범위
- 시스템 아키텍처 설계 및 구현
- 데이터 수집 및 전처리 파이프라인 (Yahoo Finance API)
- 기술적 지표 계산 모듈 (MA, EMA, MACD, RSI, Bollinger Bands 등)
- XGBoost 방향 분류 모델 (BUY/SELL/HOLD 예측)
- LSTM 가격 예측 모델 (목표가/손절가 설정)
- 강화학습 Agent (PPO, Gymnasium 환경)
- 역할 분담 앙상블 시스템 (3개 모델 통합)
- 백테스트 엔진 및 성과 분석 모듈
- 학습 결과 시각화 (학습 곡선, 혼동 행렬, 예측 비교 등)
- 포트폴리오 표지 차트 생성 (480x480px)

3) 주요 기능
- XGBoost 모델: 기술적 지표 기반 3-class 분류
* 클래스 불균형 처리 (sample_weight 등)
* 하이퍼파라미터 튜닝 (n_estimators, max_depth, learning_rate, regularization)
* 학습 곡선, 혼동 행렬, 특성 중요도 시각화

- LSTM 모델: 시계열 가격 예측 (목표가/손절가/시간 지평선)
* 시퀀스 데이터 전처리 (20일 윈도우)
* 현재 가격 기준 목표가/손절가 현실화 로직
* 예측 vs 실제 비교, 오차 분포 시각화

- 강화학습 Agent: PPO 기반 최종 의사결정
* Discrete action space (HOLD/BUY/SELL)
* 보상 함수 설계 (수익/손실, 거래 비용, 액션 보너스)
* 12차원 관찰 공간 (가격, 지표, 포지션 정보 등)

- 역할 분담 앙상블: 세 모델의 예측을 통합해 최종 거래 신호 생성
* XGBoost: 방향 신호 확률
* LSTM: 목표가/손절가
* RL Agent: 최종 액션 및 포지션 크기

- 백테스트 시스템: 과거 데이터 거래 시뮬레이션
* 진입/청산, 손절/익절 로직
* 성과 지표 계산 (수익률, 승률, Sharpe, 최대 낙폭)
* 모델별 기여도 분석

4) 주안점
- 역할 분담 앙상블 설계로 모델별 강점 극대화
- 객관적 성과 검증: NVDA 5년 데이터(2019-2024), 핵심 지표 자동 산출
- 결과 시각화 자동화: 리포트 이미지 및 포트폴리오 표지(480x480) 자동 생성
- 한글 폰트 호환: OS별 폰트 자동 설정으로 시각화 텍스트 깨짐 방지