GS피앤엘 티커 기반 모델링/결과 파일명 반영

Agent-Logs-Url: https://github.com/edumgt/python-ml-class/sessions/3f8f3954-0ac2-433b-a03a-d73499640a07

Co-authored-by: edumgt <41275565+edumgt@users.noreply.github.com>

Author: Copilot

CnnCandleChart.py

@@ -294,7 +294,9 @@ def forward(self, x):
 
 plt.subplots_adjust(top=0.93)
 plt.tight_layout()
-plt.savefig("result/CnnCandleChart_078935_KS.png", dpi=150, bbox_inches="tight")
-print("   → 그래프 저장: result/CnnCandleChart_078935_KS.png")
+ticker_tag = TICKER.replace(".", "_")
+out_name = f"result/CnnCandleChart_{ticker_tag}.png"
+plt.savefig(out_name, dpi=150, bbox_inches="tight")
+print(f"   → 그래프 저장: {out_name}")
 
 print("\n✓ 2D CNN 캔들차트 이미지 분류 실습 완료!\n")

CnnLstmHybrid.py

@@ -27,7 +27,7 @@
 np.random.seed(42)
 
 # ── 1. 데이터 생성 ─────────────────────────────────────────
-print("\n[1/8] 주가 시계열 로드 중 (078935.KS - GS P&N)...")
+print("\n[1/8] 주가 시계열 로드 중 (078935.KS - GS피앤엘)...")
 time.sleep(0.5)
 
 TICKER = '078935.KS'
@@ -289,7 +289,9 @@ def forward(self, x):
 
 plt.subplots_adjust(top=0.93)
 plt.tight_layout()
-plt.savefig("result/CnnLstmHybrid_078935_KS.png", dpi=150, bbox_inches="tight")
-print("   → 그래프 저장: result/CnnLstmHybrid_078935_KS.png")
+ticker_tag = TICKER.replace(".", "_")
+out_name = f"result/CnnLstmHybrid_{ticker_tag}.png"
+plt.savefig(out_name, dpi=150, bbox_inches="tight")
+print(f"   → 그래프 저장: {out_name}")
 
 print("\n✓ CNN+LSTM 하이브리드 주가 방향 분류 실습 완료!\n")

CnnTimeSeriesFeature.py

@@ -27,7 +27,7 @@
 np.random.seed(42)
 
 # ── 1. 데이터 생성 ─────────────────────────────────────────
-print("\n[1/8] 주가 시계열 로드 중 (078935.KS - GS P&N)...")
+print("\n[1/8] 주가 시계열 로드 중 (078935.KS - GS피앤엘)...")
 time.sleep(0.5)
 
 TICKER = '078935.KS'
@@ -286,7 +286,9 @@ def hook_fn(module, inp, out):
 
 plt.subplots_adjust(top=0.93)
 plt.tight_layout()
-plt.savefig("result/CnnTimeSeriesFeature_078935_KS.png", dpi=150, bbox_inches="tight")
-print("   → 그래프 저장: result/CnnTimeSeriesFeature_078935_KS.png")
+ticker_tag = TICKER.replace(".", "_")
+out_name = f"result/CnnTimeSeriesFeature_{ticker_tag}.png"
+plt.savefig(out_name, dpi=150, bbox_inches="tight")
+print(f"   → 그래프 저장: {out_name}")
 
 print("\n✓ 1D CNN 시계열 특징 추출 실습 완료!\n")

LinearRegressionReturn.py

@@ -61,7 +61,7 @@ def compute_volume_change(n):
     X = np.column_stack([feat_vol, feat_ret])  # [거래량변화율, 전일수익률]
     y = label
     print(f"   → 실제 데이터 샘플: {len(X)}개  |  특성: [거래량변화율, 전일수익률(%)]")
-    data_source = f"GS P&N({TICKER}) 실제 데이터"
+    data_source = f"GS피앤엘({TICKER}) 실제 데이터"
     x_label_str = "거래량 변화율"
 else:
     # ── fallback: 가상 데이터 ───────────────────────────────────────────────
@@ -154,7 +154,9 @@ def compute_volume_change(n):
 # ────────────────────────────────────────────────────────────────────────────
 
 plt.tight_layout()
-plt.savefig("result/LinearRegressionReturn_078935_KS.png", dpi=150, bbox_inches="tight")
-print("   → 그래프 저장: result/LinearRegressionReturn_078935_KS.png")
+ticker_tag = TICKER.replace(".", "_")
+out_name = f"result/LinearRegressionReturn_{ticker_tag}.png"
+plt.savefig(out_name, dpi=150, bbox_inches="tight")
+print(f"   → 그래프 저장: {out_name}")
 
 print("\n✓ 선형 회귀 실습 완료!\n")

LogisticTradeSignal.py

@@ -74,7 +74,7 @@ def compute_returns(prices):
 
     n = len(rsi)
     print(f"   → 실제 데이터 {n}개 샘플  |  매수(1): {y.sum()}개  |  매도/관망(0): {(y == 0).sum()}개")
-    data_source = f"GS P&N({TICKER}) 실제 데이터"
+    data_source = f"GS피앤엘({TICKER}) 실제 데이터"
 else:
     # ── fallback: 가상 데이터 ───────────────────────────────────────────────
     n = 300
@@ -180,7 +180,9 @@ def compute_returns(prices):
 # ────────────────────────────────────────────────────────────────────────────
 
 plt.tight_layout()
-plt.savefig("result/LogisticTradeSignal_078935_KS.png", dpi=150, bbox_inches="tight")
-print("   → 그래프 저장: result/LogisticTradeSignal_078935_KS.png")
+ticker_tag = TICKER.replace(".", "_")
+out_name = f"result/LogisticTradeSignal_{ticker_tag}.png"
+plt.savefig(out_name, dpi=150, bbox_inches="tight")
+print(f"   → 그래프 저장: {out_name}")
 
 print("\n✓ 로지스틱 회귀 실습 완료!\n")

SvmTradeSignal.py

@@ -63,9 +63,9 @@ def compute_volume_change(n):
 
     X = np.column_stack([momentum, vol_feat])
     buy_count = y.sum()
-    print(f"   → 실제 데이터 {len(X)}개 샘플 (GS P&N {TICKER})")
+    print(f"   → 실제 데이터 {len(X)}개 샘플 (GS피앤엘 {TICKER})")
     print(f"      매수 신호(1): {buy_count}개  |  매도/보류(0): {len(y) - buy_count}개")
-    data_source = f"GS P&N({TICKER}) 실제 데이터"
+    data_source = f"GS피앤엘({TICKER}) 실제 데이터"
 else:
     # ── fallback: 가상 데이터 ───────────────────────────────────────────────
     X = np.random.randn(240, 2)
@@ -172,8 +172,10 @@ def plot_signal_boundary(features, labels, clf):
     # ────────────────────────────────────────────────────────────────────────────
 
     plt.tight_layout()
-    plt.savefig("result/SvmTradeSignal_078935_KS.png", dpi=150, bbox_inches="tight")
-    print("   → 그래프 저장: result/SvmTradeSignal_078935_KS.png")
+    ticker_tag = TICKER.replace(".", "_")
+    out_name = f"result/SvmTradeSignal_{ticker_tag}.png"
+    plt.savefig(out_name, dpi=150, bbox_inches="tight")
+    print(f"   → 그래프 저장: {out_name}")
 
 
 plot_signal_boundary(X, y, model)

TimeSeriesWindow.py

@@ -63,7 +63,7 @@ def ask_str(prompt, default):
     return default
 
 print()
-# 기본값: GS P&N (078935.KS), 윈도우 20일, 예측 5일, 스텝 1
+# 기본값: GS피앤엘 (078935.KS), 윈도우 20일, 예측 5일, 스텝 1
 TICKER  = args.ticker  if args.ticker  is not None else ask_str("   종목 티커", "078935.KS")
 WINDOW  = args.window  if args.window  is not None else ask_int("   윈도우 크기 (일)", 20, 5, 120)
 HORIZON = args.horizon if args.horizon is not None else ask_int("   예측 기간 (일)", 5, 1, 30)

TransformerAttention.py

@@ -32,7 +32,7 @@
 np.random.seed(42)
 
 # ── 1. 데이터 생성 ─────────────────────────────────────────
-print("\n[1/8] 주가 시계열 로드 중 (078935.KS - GS P&N)...")
+print("\n[1/8] 주가 시계열 로드 중 (078935.KS - GS피앤엘)...")
 time.sleep(0.5)
 
 TICKER = '078935.KS'
@@ -297,7 +297,9 @@ def forward(self, x):
 
 plt.subplots_adjust(top=0.93)
 plt.tight_layout()
-plt.savefig("result/TransformerAttention_078935_KS.png", dpi=150, bbox_inches="tight")
-print("   → 그래프 저장: result/TransformerAttention_078935_KS.png")
+ticker_tag = TICKER.replace(".", "_")
+out_name = f"result/TransformerAttention_{ticker_tag}.png"
+plt.savefig(out_name, dpi=150, bbox_inches="tight")
+print(f"   → 그래프 저장: {out_name}")
 
 print("\n✓ Transformer Self-Attention 주가 방향 분류 실습 완료!\n")