네트워크의 추가 가치는
이번 검증에서 입증되지 않았습니다

1. 질문별 결론

감지·예측 검증 · 분산효과 검증 · MCP·현재 소스 검증

2. 사용자의 원 코드에서 무엇을 계승했나

nb_230810.ipynb의 Portfolio with Network Analysis(제목 셀 6, 구현 셀 7)에서 출발했습니다. 관련 노트북 9개를 회수해 구성 차이를 기록했고, 핵심 계산 15개를 추출했습니다. 233개 관련 메서드 정의의 원문 목록이며, 붙여 넣은 출력·설명 때문에 3개 셀은 Python으로 해석하지 못했습니다. 9개 모두의 투자 수익률을 재현했다는 뜻은 아닙니다.

가격과 거래량을 따로 시차 상관으로 연결하고 Louvain 군집과 차수 중심성을 구하는 아이디어를 유지했습니다. 원문 계산의 수치 재현과 모니터링용 수정을 구분했습니다.

전체 종목 실제 자료 수치 대조의 최대 유한 오차는 4.71×10⁻¹¹였습니다. 이는 계산 재현성이지 탐지 성능 우위의 증거가 아닙니다. 수치 대조 · 원 방법 명세 · 9개 판본 목록

고정한 비교 조건

2021-06-01~2023-05-30의 494거래일, 2,000종목·988,000행을 사용했습니다. 학습은 2022-05-31까지, 평가는 2022-06-01부터입니다. 원 수준값/정규화값 × 7일/60일의 네 설정에서 가격만·거래량만·결합을 모두 보고합니다. 주모형은 원 수준값·7일·시차 5일·절댓값 90백분위 초과인 양의 간선·시드 7의 결합 규칙입니다.

정규화 가격은 원본 Close의 일별 수익률, 거래량은 양수 거래량 로그의 차분입니다. 정규화가 기업행위 조정을 보증하지 않습니다. 원 Close와 별도 adj_close는 88,594개 셀에서 달랐고, 조정 정책·배포 시점은 확인하지 못했습니다.

기존 정적 업종 분류의 과거 이용 가능일이 없어 주모형에서 업종 의존 항을 제외했습니다. 업종 비교는 2012년 운용사 자료가 있는 7개 ETF로 보완했습니다. 전 업종을 포괄하는 공식 업종지수는 아닙니다.

기존 미국 AI 칩·전력 두 바구니 검증은 종목·기간·목표가 이 한국 주식 표본과 달라 같은 표본의 비교 규칙으로 합치지 않았습니다. 그 기존 결과로 원 주식 네트워크의 성능을 대신 판정하지도 않았습니다.

에너지화학의 위 3월 자료 주소는 직접 열람이 제한돼, 별도로 열린 2012-02-29 공식 자료로 당시 존재를 대조했습니다. 고정한 선정 목록 자체는 바꾸지 않았습니다.

향후 급락 고정 명세 · 별도 현재 감지 명세 · 업종 ETF 선정·한계 · 입력 품질

3. 현재 감지: 기준 지표보다 나아지지 않았습니다

현재 가격 이상 대리는 KOSPI·KOSDAQ 중 하나가 하루 −2% 이하인 날입니다. 연속 급락의 첫날을 시작점으로 세고, 그날 또는 다음 2거래일 안의 경보로 감지 여부·지연을 평가했습니다. 경보 정밀도는 경보 당일 또는 직전 2거래일에 급락이 있었는지입니다. 구조적 이상 전체를 독립 전문가가 판정한 정답은 아닙니다.

주모형은 6건 중 3건이 가격 급락과 맞았고 시작점 21건 중 3건을 잡았습니다. 실제 잡은 3건의 중앙 지연은 0거래일입니다. 잡지 못한 18건이 있으므로, 지연이 짧다는 사실만으로 좋은 감지기라고 할 수 없습니다.

같은 경보 발행 용량을 적용해도 개선 기준을 통과하지 못했습니다

각 규칙에 처음 1개, 최대 1개의 경보 토큰을 주고 20거래일에 1개씩 다시 채웠습니다. 원래 임계값과 5거래일 냉각을 유지했습니다. 같은 최대 용량이며 실제 경보 수를 같게 맞춘 실험은 아닙니다.

당일 −2% 직접 기준은 평가 정의 자체를 관측하는 참조입니다. 이 정밀도 100%를 예측력이나 독립 이상 판정 정확도로 설명하지 않습니다.

4. 향후 5일 급락: 현재 감지와 다른 질문입니다

경보일을 제외한 다음 5거래일 안에 두 지수 중 하나가 하루 −2% 이하인지 평가했습니다. 끝의 불완전한 5일은 제외해 241일을 점수화했습니다. 경보가 이후 급락 시작의 직전 5거래일에 있었는지도 따로 셌습니다.

주모형의 정밀도는 지수 기준과 같지만 시작점 포착은 더 적었습니다. 여러 급락이 가까이 발생하는 표본이며, 이미 하락한 뒤의 경보가 다음 급락과 맞을 수 있습니다. 이 숫자를 독립적인 선행 경보 성과로 확대하지 않습니다.

정밀도 차이의 95% 블록 구간

모든 구간이 0을 포함합니다. 원래 거래일 순서와 보류 슬롯을 유지한 10거래일 블록, 1,000회 재표집입니다. 경보가 0개인 재표집은 정밀도를 계산하지 않았습니다.

5. 보유 집중: 주모형 결합은 개선되지 않았습니다

원본 파일 순서의 첫 100종목을 1%씩 보유한 고정 시연입니다. 실제 사용자·KIC 보유나 원 투자전략의 수익률이 아닙니다. 5거래일 간격 83시점에서 전체 2,000종목 군집을 구했고, 미래 목표가 학습 종료를 넘는 관측을 제외해 학습 34개·평가 45개를 사용했습니다.

목표는 다음 20거래일의 ‘포트폴리오 분산 ÷ 종목별 변동성 가중합의 제곱’입니다. 높을수록 실현 분산효과가 약한 대리 지표이며 금전 손실이나 확률이 아닙니다. 이 수익률에는 별도 원본 adj_close를 사용했지만 조정 정책과 당시 배포 판본은 미확인입니다. 기준은 직전 분산효과·지수 변동성·업종 ETF 상관, 추가 항은 가격·거래량·공동 군집의 비중 HHI입니다. 학습 자료만으로 보정한 고정 ridge 모형을 비교했습니다.

주모형 MSE는 0.021598, 기준은 0.020895로 주모형이 3.36% 컸습니다. 기준 오차 − 주모형 오차의 평균은 −0.000702, 95% 블록 구간은 [−0.003129, 0.001423]입니다. 사전 기준인 10% 개선·양의 구간을 통과하지 못했습니다.

군집만 쓴 보조모형은 점 오차가 더 작았습니다. 이 결과를 보고 주모형을 바꾸거나 검증된 우위로 부르지 않았습니다. 평가가 45시점이고 목표 기간도 겹치므로 결과는 탐색 범위입니다. 고정 설계 · 모든 수치 · 시점별 예측·정답

6. 경보 → 보유 → 거래관계 → 근거 검토

시연 보유는 SK하이닉스 70%, 삼성전자 30%입니다. 주모형 경보 6건 전체에 해당 날짜의 정확한 2,000종목 군집을 연결했습니다. 기존 검증 자료 7개 날짜를 재사용하고 필요한 19개 날짜만 계산했으며, 일별 간선 수·군집 수·최대 군집·고립 노드와 대조했습니다. 원래 사본까지 총 28개 날짜를 제공합니다.

이 표의 연결 자료는 당시 원인의 정답이 아닙니다. 이전 HBM3 공급 보도자료 등 출처를 확인한 배경 자료를 넣어 연결 동작을 검사했습니다. 2023년 NVIDIA 공시는 2022년 경보에서 제외됐습니다.

2022-06-20 첫 경보의 실제 검토

시연 두 종목은 가격 군집 하나에 100%가 모였고, 거래량 군집은 70%와 30%로 나뉘었습니다. 같은 반도체 업종의 두 종목이므로 이 사례만으로 업종 분류보다 새로운 위험 집중을 찾았다고 할 수 없습니다.

이날 실제 OSS 뉴스 검색에서는 두 언어 모두 적격 기사 0건이었습니다. 기사 부재의 증거로 해석하지 않았습니다. 별도 확인한 연합뉴스 당일 종합 기사의 발행 16:25:19·수정 20:58:07(KST)은 기준 시각인 21일 00:00보다 앞섭니다. 해당 기사는 광범위한 하락·경기침체 우려·달러 강세라는 시황 맥락을 제공합니다.

6월 15일 FOMC 공식 발표는 정책금리 목표 1.5~1.75%를 제시한 당시 배경입니다. 특정 종목 태그를 붙이지 않은 거시 자료로 따로 검토했습니다. HBM3 공급 관계는 산업 맥락이며 이 하락의 AI 투자 축소나 경제적 충격 전파를 입증하지 않습니다. 이는 출처를 읽은 분석자의 해석이며 단일 원인은 확정하지 않았습니다.

판단과 반증·미확인 사항 · 수동 확인 자료를 넣은 실제 결과 · 발행사 메타데이터 · 실제 OSS 검색 기록

미국 NVIDIA 시연은 국내 직접 그래프 포함률 0%를 유지했습니다. SK하이닉스의 출처 있는 공급 관계를 별도 맥락으로 보여주되 NVIDIA의 군집·경제적 노출액·충격 전파 비율을 만들어 넣지 않았습니다. 미국 보유 대조 사례

7. 한·영 태깅과 딥서치 대체 품질은 미인증입니다

뉴스 MCP 호출·본문 수신·기업 이름 후보와 종목 코드 대조는 정확도 인증과 다릅니다. 이름 일치는 후보로 남기고, 원인·거래관계·발행 시각 검토도 구분했습니다.

FinNewsBench·SEntFiN·KLUE·FinEntity 등은 구성요소 평가에 참고할 수 있지만, 현재 KRX·미국 발행사로 연결하는 독립 한·영 정답을 그대로 제공하지 않습니다. 언어별 독립 판정, 무관·동명이인·그룹/자회사·간접 영향·기업 없음 사례와 동일 입력 대조가 남아 있습니다. 원 출처·자료별 한계 · 시각 오류와 수정 후 대조

8. 구현과 재현 범위

1. 고정된 과거 네트워크 경보 확인
2. 해당 날짜 군집과 시연 보유 확인
3. 출처 있는 거래관계와 직접 그래프 포함을 구분
4. 한·영 뉴스·공시의 시각·기업 후보·본문을 검토
5. 근거·반증·보류를 남긴 시황 메모

network_watch는 network_review로 이어집니다. 246개 평가일의 일별 점수, 경보 6건 전체와 대조일을 포함한 28개 날짜의 군집이 로컬 소스 패키지에 반영됐습니다. 과거 연구일을 2026년 현재 시황처럼 쓰면 보류합니다. 경보가 없으면 자동으로 뉴스를 찾지 않고, 명시적으로 요청한 대조일만 검토합니다.

현재 소스와 일치하는 후보 패키지에서 집중 검사 82개, 실제 격리 MCP 호출 10건을 통과했습니다. 무거운 계산·검사는 등록된 iMac 작업으로 실행하고 회수 파일·입력·현재 소스를 대조했습니다. 짧은 단일 시험 파일과 Windows의 기존 뉴스 실행 경로 확인만 그램에서 실행했습니다. 이번 네트워크·공시 검증은 유료 LLM을 호출하지 않았습니다.

설치된 MCP 호스트 교체·재시작, 외부 게시·운영 배포는 하지 않았습니다. 과거 소스 통합과 실시간 운영 검증은 다른 범위입니다. 실행·소스·자료 지문

재현할 때 확인할 진입점

프로젝트 _review/network_research_20261105 아래의 작업 사본·입력 명세·회수 확인서를 보존했습니다. 각 단계는 등록 iMac 프로필로 같은 입력 사본을 다시 제출해 재현할 수 있습니다. 기존 결과를 읽는 확인과 계산 재실행을 구분합니다.

핵심 소스 사본: 네트워크 계산 · 고정 기준·향후 평가 · 현재 감지 · 분산효과 · 발행 시각·기업 근거 · 시황체크 진입점

MCP 도구 호출 예시는 아래와 같습니다. 시연 보유이며, 현재 설치 호스트를 자동 변경한 예시는 아닙니다. 본문은 HTML 하나로 읽을 수 있고, 근거 링크를 전달할 때는 evidence 폴더도 함께 둡니다.

{

  "name": "network_watch",

  "arguments": {

    "date": "2022-06-20",

    "cutoff": "2022-06-21T00:00:00+09:00",

    "holdings_json": "[{\"issuer_id\": \"KRX:000660\", \"weight\": 0.7}, {\"issuer_id\": \"KRX:005930\", \"weight\": 0.3}]",

    "search_news": false

  }

}

9. 해석 한계와 판단

• 원본 고정 2,000종목 표본의 당시 구성·상장폐지·정보 배포 판본을 복원하지 못했습니다. 전 시장의 완전한 시점 정합 검증으로 부르지 않습니다.
• 이 과거 기간은 원 연구에서 이미 본 자료입니다. 새 미관측 확증 표본이 아닙니다.
• 급락 가격 대리는 구조적 이상 전체의 독립 정답이 아닙니다. 주모형 경보가 6건뿐이어서 구간도 넓습니다.
• 가격 수준값·기업행위·거래정지·0 거래량·시차 방향 선택이 결과에 영향을 줄 수 있습니다. 21,220개의 비양수 거래량 값은 정규화 거래량에서 이용 불가로 처리했습니다.
• 현재 노드의 군집·관계와 경제적 전파는 다릅니다. 간선·중심성·시차만으로 인과를 주장하지 않습니다.
• 기사 발행사 메타데이터와 날짜를 확인해도 원래 본문 판본의 불변성이 독립적으로 보증되지는 않습니다. 당일 기사와 오래된 배경 자료의 관련성을 따로 읽어야 합니다.

판단: 단순 지수·업종 기준보다 유용한 경보라는 주장은 보류합니다. 네트워크 출력은 비교 기준과 불확실성을 함께 보여주는 연구용 진단 자료로 두는 것이 현재 근거에 맞습니다. 보조모형의 더 나은 점 추정치는 새 가설로 남기고, 같은 평가 기간을 다시 맞춰 성공으로 바꾸지 않습니다.

원 아이디어의 선행 연구와 차이

• Rosario N. Mantegna (1999). Hierarchical Structure in Financial Markets — Correlation-distance hierarchical network and economic taxonomy.
• Billio, Getmansky, Lo and Pelizzon (2012). Econometric Measures of Connectedness and Systemic Risk in the Finance and Insurance Sectors — Principal components and Granger-causality networks for financial institutions.
• Francis X. Diebold and Kamil Yilmaz (2014). On the Network Topology of Variance Decompositions: Measuring the Connectedness of Financial Firms — Weighted directed connectedness from forecast-error variance decompositions.
• Lauren Cohen and Andrea Frazzini (2008). Economic Links and Predictable Returns — Public customer-supplier economic links and delayed incorporation of related-firm information.
• Kritzman, Li, Page and Rigobon (2011). Principal Components as a Measure of Systemic Risk — Absorption ratio: covariance variance share explained by a fixed number of principal components.
• Ito, Hasada, Honma, Ohnishi, Watanabe and Aihara (2026). Identifying dynamical network markers of financial market instability — Dynamical network markers on Tokyo Stock Exchange order-placement and execution participant series.

가격 네트워크·경제적 거래관계·시스템 집중 지표는 선행 연구가 있습니다. 선행 연구의 데이터·방법·성과를 이 구현의 독창성이나 정확도로 옮겨 주장하지 않았습니다. 일부 논문은 초록 또는 서두까지만 확인한 범위입니다. 자료별 실제 검토 범위

10. 보조모형·보류·민감도까지 남긴 전체 결과

현재·향후·분산효과의 모든 주모형과 보조모형, 경보·누락·보류·구간을 위 원 결과 JSON/CSV로 확인할 수 있습니다. 정적 업종을 쓴 보조 규칙은 조건부 참고이며 주모형 근거로 사용하지 않았습니다.

현재 전체 JSON · 향후 전체 JSON · 원 v2 결과 · 현재 시점별 · 동일 용량 시점별 · 향후 시점별 · 경보·MCP 전수 기록