# claude_midday — 장중 분석

11:20 스케줄러가 자동 실행. 오전 결과 분석 후 점심 세션 파라미터 결정 → midday_context.json 저장.

## 실행 순서

### 1. 데이터 수집
```bash
python app/ai/midday.py --print
```
수집 항목:
- **오전 거래 결과**: 체결 내역, 승/패, 연속 손절 수, 순손익
- **현재 포지션**: 보유 중인 종목 및 현재 손익
- **시장 스냅샷**: 거래량 순위(현재), 업종별 등락률
- **아침 컨텍스트**: daily_context.json (오전 예측 비교용)

### 2. 분석

오전 daily_context 예측과 실제 결과를 비교해 점심 세션 파라미터를 결정한다.

**비교 포인트:**
- 오전 예측 hot_sectors ↔ 실제 업종 등락률 — 예측이 맞았는가?
- 거래량 순위 변화 — 새로 뜨는 종목 / 사라진 종목
- 오전 거래 결과 — 전략이 작동했는가, 연속 손절 상태인가?

**판단 항목:**
- **lunch_trade_allowed**: false이면 점심 세션 진입 없음
  - sentiment_score < 40이거나, 연속 손절 3회 이상이면 false 권장
- **position_size_multiplier**: B안 연속 손절 배율 × 시장 판단
  - 연속 손절 0회: 1.0 / 1회: 0.7 / 2회: 0.5 / 3회+: 0.3
  - 시장이 오전 예측보다 좋으면 상향, 나쁘면 하향
- **hot_sectors**: 오전 대비 업데이트 (실제 강한 업종)
- **avoid_sectors**: 오전 대비 업데이트 (실제 약한 업종)
- **strategy_note**: 전략 조정이 필요하면 메모 (없으면 빈 문자열)
- **reason**: 50자 이내 장중 요약

### 3. midday_context.json 저장
분석 결과를 `data/midday_context.json`에 저장한다. 형식:
```json
{
  "date": "YYYY-MM-DD",
  "generated_at": "HH:MM:SS",
  "lunch_trade_allowed": true,
  "position_size_multiplier": 0.8,
  "hot_sectors": ["반도체"],
  "avoid_sectors": ["건설업"],
  "strategy_note": "",
  "reason": "50자 이내 요약"
}
```
파일이 저장되는 즉시 봇이 감지해 점심 세션을 시작한다.

### 4. Discord 알림 전송
```bash
python -c "
import asyncio, json, os, sys
sys.path.insert(0, '.')
from app.main import load_env; load_env()
from app.monitor.notifier import send
ctx = json.load(open('data/midday_context.json', encoding='utf-8'))
hot = ', '.join(ctx.get('hot_sectors', [])) or '없음'
avoid = ', '.join(ctx.get('avoid_sectors', [])) or '없음'
flag = '✅ 점심진입허용' if ctx.get('lunch_trade_allowed', True) else '🚫 점심진입중단'
msg = f'[장중분석] {ctx[\"date\"]} {ctx.get(\"generated_at\",\"\")}\n{flag} | 포지션배율: x{ctx.get(\"position_size_multiplier\",1.0)}\n주목: {hot} | 회피: {avoid}\n📝 {ctx.get(\"reason\",\"\")}'
asyncio.run(send(msg))
print('Discord 전송 완료')
"
```

### 5. 완료
분석 요약을 한 줄로 출력하고 종료한다.