Local / Autonomous Alpha Agent
Offline Investment Research System
보류
직접 학습한 모델로 미래 주가를 예측할 수 있는지 연구했습니다.
Now
Status
- 결과
- 시도한 조건에서는 실제로 활용하기에 적절한 예측 성능을 확인하지 못했습니다.
- 보류한 이유
- 활용하기에 적절한 예측 성능을 확인하지 못해 보류했습니다.
Earlier record
기존 연구 기록
시장 데이터와 투자 가설을 재현 가능한 연구 과정으로 변환하는 오프라인 투자 연구 시스템.
01 / Context
Overview
Local Alpha Agent는 가격 데이터, 기업행사, 장중 데이터와 전략 규칙을 같은 연구 환경에서 검증하기 위해 만든 프로젝트입니다.
단순히 높은 수익률을 찾는 것이 아니라, 데이터의 시점 일관성, 재현 가능성, 과최적화 가능성과 운영 시스템으로부터의 분리를 중요하게 다룹니다.
02 / Friction
Problem
단일 백테스트 수익률만으로 전략을 신뢰하기 어렵습니다.
데이터 수정, 기업행사, 미래 정보 혼입이 결과를 왜곡할 수 있습니다.
연구 코드가 실제 주문 시스템과 가까워질수록 운영 위험이 커집니다.
성공한 결과만 남기면 전략 선택 과정과 판단 근거가 왜곡됩니다.
03 / Process
Research Pipeline
RESEARCH SCOPE · 연구 범위에는 실제 주문 기능을 포함하지 않습니다.
단계별 검증과 checkpoint를 통과한 연구만 다음 검토 단계로 이동합니다.
- 01Data Ingestion
- 02Normalization
- 03Canonical Replay
- 04Strategy / Model Comparison
- 05Robustness Test
- 06Shadow Execution
- 07Review
Failure preservation좋은 결과뿐 아니라 실패한 실험과 전략을 거절한 근거도 함께 기록합니다.
Separation from live execution
연구 환경을 실제 매매 운영 및 주문 실행 환경과 분리합니다.
04 / System
Core Capabilities
- 장기 일봉 데이터 관리
- 장중 데이터 정규화
- 기업분할 등 기업행사 검증
- 규칙 기반 전략 재현
- 머신러닝 모델 비교
- 구간별 및 walk-forward 검증
- 주문 없는 shadow runner
- 단계별 검증 결과와 checkpoint 기록
05 / Criteria
Validation Principles
- Point-in-time consistency
- 각 판단 시점에 실제로 알 수 있었던 데이터만 사용해 미래 정보 혼입을 경계합니다.
- Reproducibility
- 같은 데이터와 조건으로 실험 과정과 결과를 다시 확인할 수 있어야 합니다.
- Separation from live execution
- 연구 환경을 실제 매매 운영 및 주문 실행 환경과 분리합니다.
- Failure preservation
- 좋은 결과뿐 아니라 실패한 실험과 전략을 거절한 근거도 함께 기록합니다.
- Guarded progression
- 단계별 검증과 checkpoint를 통과한 연구만 다음 검토 단계로 이동합니다.
06 / Boundary
Safety Boundary
- 연구 범위에는 실제 주문 기능을 포함하지 않습니다.
- 실제 매매 운영 환경과 분리되어 있습니다.
- API 키, 계좌정보, 인증정보를 포함하지 않습니다.
- 연구 결과는 투자 수익을 보장하지 않습니다.
07 / Stack
Technology
- Python
- SQLite
- pandas
- LightGBM
- Time-series validation
- Static research reports
08 / Then
Status at the time
- Private Research
- 단계별 데이터 및 전략 검증 진행
- 실매매 시스템과 분리된 연구·shadow 단계
- 공개 저장소 링크 없음