자율주행과 학습은 어떻게 이어지나요?

기본 모드는 “아무 조건 없이 주문”하는 모드가 아닙니다

기본 자율주행은 사용자가 정한 기관·모드·위험 범위 안에서 엔진이 후보를 찾고 판단을 이어가는 사용 방식입니다. 직접 전략을 넣는 작업은 선택입니다.

예를 들어 가격이 움직여도 시장국면·거래비용·위험 조건이 맞지 않으면 HOLD(관망)가 됩니다. 주문이 적다는 이유만으로 엔진이 멈췄다고 볼 수는 없습니다.

학습 데이터가 쌓이면 무엇이 달라질 수 있나요?

가격·신호·국면·거래 결과가 기록되면 어떤 조건에서 판단이 잘 맞았는지, 실패했는지, 비용 때문에 이익이 줄었는지 비교할 근거가 늘어납니다. 학습·적응 경로는 설치 버전과 켜진 엔진에 따라 다릅니다.

기록 저장, 모델 학습 완료, 검증된 개선, LIVE 적용은 각각 다른 단계입니다. 학습 로그가 늘어났다는 사실만으로 승률 향상이나 자동 적용이 확인되지는 않습니다. 외부 LLM에 질문하는 것도 NoahAI 엔진을 자동 재학습시키는 동작과 다릅니다.

적은 표본이나 오래된 데이터로 공격적인 값을 고르는 대신 같은 기관·모드·전략 버전·기간에서 비교하세요. 시장이 바뀌면 과거에 좋았던 조건도 나빠질 수 있습니다.

기록이 다음 판단으로 돌아오는 실제 경로

계정·기관별 학습 기록은 관찰과 결과를 보관하고, 적응형 전략 경로는 시장국면과 최근 성과를 후보별 판단 맥락으로 전달합니다. 후보의 선언 규칙 안에서만 활용하며 다른 전략의 TP/SL이나 사용자 공통 설정을 일괄 덮어쓰는 과정이 아닙니다.

성과 기반 자동 최적화 경로는 비용과 손익 근거를 확인해 TP/SL·레버리지 등에 대한 검토 제안을 만들 수 있습니다. 제안 생성과 실제 적용은 구분되며, 변경은 사용자 검토·승인과 재검증을 거칩니다. 이 경로가 모든 기관·모드에서 켜져 있다고 가정하지 말고 설치본의 설정·로그에서 확인하세요.

예를 들어 같은 진입 규칙이 횡보장에서 반복 손실을 낸다면 해당 국면과 비용·낙폭을 검토하고, 조건을 보완한 새 버전을 PAPER로 비교합니다. 좋은 기간만 골라 “학습으로 개선됐다”라고 결론내리지 않습니다.

좋은 결과는 어떻게 확인하나요?

일상 점검 순서

1. 시작 전: 연결 상태, PAPER/LIVE, 관찰 범위·주문 허용 범위, 손실 한도 확인.
2. 운영 중: 시세 갱신과 실행/HOLD 이유, 주문 오류, 열린 포지션의 보호 상태 확인.
3. 운영 후: 거래 통계·학습 기록에서 비용·손익·국면별 결과 확인.
4. 개선할 때: 한 번에 한 조건만 바꾸고 새 버전으로 저장한 뒤 동일한 기준에서 PAPER 재검증.

“수익성 검증 기준과 전략 성과를 확인하세요”가 나오면

이 문구는 신규 진입 후보가 수익성 정책에서 보류되었음을 뜻할 수 있습니다. 거래소 접속 장애와 구분해야 합니다. 승률·Sharpe·MDD·기대값·워크포워드 같은 이유 코드를 읽고 해당 평가 기간·표본·비용 기준을 확인하세요.

설치 버전에서 제공하면 유지관리 → 거래 기록 점검·복구 → 수익성 진단 → 현재 근거로 다시 진단을 사용합니다. 보이는 adaptive 승률과 수익성 Gate의 표본 범위가 다를 수 있으므로 같은 숫자라고 가정하지 마세요.

손익 미대조·근거 부족은 원장 대조부터, 일반 성과 미달은 정책과 PAPER 결과 검토부터 진행합니다. Hard MDD나 손실 한도는 단순 초기화로 우회할 사유가 아닙니다. 진단은 실제 주문을 자동 재개하지 않습니다.