이 문서는 시스템이 무엇을 하고, 왜 그렇게 하며, 무엇을 하지 못하는지를 정직하게 명시합니다. 알파를 약속하지 않고, 검증 가능성을 약속합니다.
이 시스템은 메달리온/르네상스를 능가하는 것을 목표하지 않습니다.기관이 들어갈 수 없는 저용량·저빈도·개인 자본 영역에서 검증 가능한 우위를 탐색하는 도구입니다.
따라서 시스템의 가치 제안은 절대 수익률이 아닌 검증 가능성입니다. 어떤 가설이 작동하고, 어떤 가설이 실패했는지를 비용 차감 후·레짐별로 기록하고 학습하는 구조 자체가 결과물입니다.
알파를 자랑하는 시스템보다
한계를 정직하게 노출하는 시스템이 오래 살아남습니다.
모든 cycle은 데이터를 수집하고, 신호를 생성하고, 레짐에 적응시키며, 포지션을 사이징하고, 리스크를 검증한 뒤, 실행에 옮깁니다.
시장 데이터 (KIS, Yahoo, Binance) · 뉴스/공시 (DART, EDGAR) · 컨퍼런스콜 · 대안 데이터
9개 엔진 병렬 작동 — Anchor 3종 + AI-Native 6종
HMM + 조기경보 스코어링 + LLM 컨텍스트 → 5개 레짐 확률
변동성 타겟팅 + Fractional Kelly + 상관관계 제약
MDD 차단기 · Tail Hedge · Black Swan 모니터링 · 단일자산 5% 캡
TWAP 분할 · 매도 우선 · 슬리피지 추적
두 가지 철학이 동시에 작동합니다. Anchor는 학술적으로 검증된 알파입니다. AI-Native는 LLM 시대에 비로소 접근 가능해진 가설들이며, 대부분 forward test 단계입니다.
모든 엔진은 다섯 단계(가설 → 프로토타입 → Forward Test → 검증 완료 → 운용)를 거칩니다. 백테스트가 불가능한 AI-Native 엔진은 적중률 % 표기 대신 검증 단계와 운영 리스크만 표시합니다.
12개월 모멘텀이 양수면 롱, 음수면 현금/숏.
AQR 215년 cross-asset 백테스트 외 다수 학술 검증.
무기한 선물 펀딩레이트 극단값에서 현물 매수 + 선물 매도 (델타 중립).
이론적 수렴 + 거래소·청산·API·USDT 디페그 운영 리스크 동반.
정기 변경 시 패시브 펀드의 강제 매매 패턴 수확.
학술 인덱스 효과 문헌 다수. 단, 최근 5년 효과 약화 보고.
복잡한 공시·정책 문서·논문을 LLM이 구조화 (1일~4주 horizon).
밀리초 게임 아님. HFT와 직접 경쟁하지 않는 중속 영역.
LLM이 거시 이벤트의 인과 사슬 가설 생성. 사람·통계가 검증 후 신호화.
LLM은 가설 생성기일 뿐. 검증 전 신호로 사용 금지.
시장 내러티브의 전파 단계 추적. 9단계 실행 사슬 통과 시에만 신호 발동.
Narrative overfitting 위험 큼. 진입가/손절/검증 이벤트 강제.
CEO 톤·답변·키워드 변화를 LLM이 측정. 향후 변동성 가설 생성.
Hassan et al. 2019 학술 base. 자체 forward test 미시작.
5개 페르소나의 합의/이탈 측정. 시장 관점 다양성 매핑.
의견 다양성 지표일 뿐 알파 보장 아님. 합의 강도와 성과 상관 측정 중.
LLM이 신규 가설 생성 → 백테스트 → Sharpe 검증 → 라이브 시범 → 승급.
메타 알파 발견 도구. 자기 진화 루프 인프라 구축 중.
₩2,500만원씩 동일하게 배분된 네 개의 모델이 동시에 가동됩니다. 같은 신호와 같은 자산을 받지만, 다른 리스크 철학으로 결정합니다.
평가 기준은 12개월 단일 Sharpe가 아닙니다. 거래 1,000건+ AND 24개월+ AND 최소 2개 레짐 경험을 모두 충족해야 합니다. 그 후 Sharpe·Sortino·Calmar·Tail Loss·Hit Rate·Payoff Ratio·Turnover 7개 지표의 베이지안 신뢰구간 기반 점진 배분(매월 자본 5% 이동)을 적용합니다. 승자독식(winner-takes-most)은 통계적으로 운을 실력으로 착각할 위험이 커서 채택하지 않습니다.
AI 신호에 강한 가중을 두는 공격적 운용. 변동성 감수.
AQR/Bridgewater 표준 — 학술적으로 검증된 균형 운용.
대규모 손실 가능성을 최소화하고 낮은 변동성으로 복리 추구.
시장 변동성에 따라 파라미터를 동적으로 조정하는 적응형.
포지션 크기 = 목표변동성 / 자산60일변동성. 평온한 시장에서는 자동으로 레버리지가 늘고, 격동기에는 자동 축소됩니다. AQR 검증 기준으로 Sharpe 개선 효과가 보고된 방식이지만, 입력 변동성 추정이 부정확하면 효과가 사라질 수 있습니다.
Full Kelly는 이론적 최적이지만 실전에서는 파산합니다. 25% Kelly + 버킷별 상한(15~35%)을 사용합니다. 다만 Kelly의 입력값(기대수익·승률)은 AI 신호로부터 추정되며, 추정 오차에 극도로 취약합니다. 이 한계는 검증 단계에서 반드시 인지해야 합니다.
버킷별 한도(10~30%) 도달 70% 지점에서 포지션 절반 축소, 100%에서 전량 청산 후 30일 휴면. 인간의 감정 개입을 시스템으로 차단합니다.
평소 unconditional correlation 외에, 위기 모드 활성화 시 자산 간 conditional correlation = 1로 가정합니다. 단일 자산 5% 외에 테마·팩터·통화·거래소·유동성 cross-sectional caps도 적용합니다.
옵션 헤지(만기·델타·행사가·롤오버 명세)는 현 단계 미구현입니다. 대신 위기 레짐 발동 시 자동 70% 현금화로 대체합니다. 옵션 헤지의 구체 명세 없이 'Put을 산다'고 약속하는 것은 부정직하므로 Phase 2로 미룹니다.
이 시스템이 하지 못하는 것들을 별도 페이지에 정직하게 기록합니다. 능력의 한계, 통계적 한계, 운영의 한계, 인간의 한계, 그리고 법적 면책까지 14개 항목입니다.