⚠ 본 사이트는 개인 연구 프로젝트입니다. 투자 권유·자문이 아니며, 모든 거래는 가상이고 실제 자본은 운용되지 않습니다. 표시된 성과는 가설적 시뮬레이션이며 실현 성과가 아닙니다.
← Bartkoh Investment EngineValidation Engine
The Backbone — 알파보다 검증이 먼저

무엇이 작동하는지보다
무엇이 작동하지 않는지를 더 자세히.

이 페이지는 9개 엔진이 실제 페이퍼 트레이딩에서 어떻게 작동하는지를 비용 차감·레짐 분리·통계 유의성 기준으로 추적합니다. 데이터 누적 전에는 대부분 "insufficient" 상태입니다.

A · Framework

검증 7개 기둥

01

Signal Attribution

각 거래의 손익을 발동 엔진에 분배. '어떤 엔진이 진짜 돈을 벌었나'를 답합니다.

02

Cost-Adjusted Performance

수수료 + 슬리피지 + 환전 + 세금을 모두 차감한 실현 가능 수익률만 표시.

03

Regime-Conditional

강세/약세/횡보/회복/위기 별로 분리 측정. 한 레짐에서만 작동하는 신호 식별.

04

Trade-Count Threshold

시간이 아닌 거래 수 기준 통계 유의성. 작은 표본의 운빨 배제.

05

Latency Test

신호 발생 후 1h/1d/3d 늦게 진입해도 알파가 남는지. 진짜 알파 vs 노이즈.

06

Counter-Signal Test

신호 방향의 반대 성과 측정. 신호의 방향성 자체가 의미 있는지 검증.

07

Failure Log

틀린 사례를 맞은 사례보다 자세히 기록. 실패에서만 시스템이 학습합니다.

B · Engine Performance

엔진별 비용 차감 성과

아직 데이터 누적 중입니다.

엔진별 비용 차감 성과는 매 cycle마다 집계됩니다. 통계 유의성을 위해서는 거래 수가 누적되어야 하며, 그 전에는 대부분 insufficient 상태입니다.

C · Maturity

엔진별 검증 단계

5단계: 가설 → 프로토타입 → Forward Test → 검증 완료 → 운용. 현재 대부분의 AI-Native 엔진은 가설 또는 프로토타입 상태입니다.

추세 추종검증 완료

Anchor

크립토 펀딩 차익Forward Test

Anchor

KOSPI200 리밸런싱프로토타입

Anchor

정보 깊이 해석가설

AI-Native

인과 가설 생성프로토타입

AI-Native

내러티브 추적프로토타입

AI-Native

컨퍼런스콜 분석가설

AI-Native

멀티 에이전트Forward Test

AI-Native

가설-검증 루프가설

AI-Native

D · Failures

최근 실패 로그

실패는 시스템의 학습 연료입니다. 성공보다 자세히 기록합니다.

아직 기록된 실패가 없습니다.

실패는 거래가 청산된 후 expected vs actual 분석을 통해 자동 기록됩니다. 현재는 forward test 초기 단계입니다.