2025년 학부 2학년 1학기 데이터마이닝 팀 프로젝트에서 출발해, 수업 프로젝트 1위와 KSCI 학술발표 논문 게재로 이어진 연구를 그대로 미화하지 않고 재구성한 저장소다. 당시의 좋은 아이디어를 보존하고, 논문·PPT·발표 대본·R 코드·CSV가 서로 달랐던 지점을 감사한 뒤, 미래정보 누수를 막은 V2 연구 설계와 실행 코드를 제공한다.
이 저장소의 목적은 과거 결과를 그대로 정답으로 선언하는 것이 아니라, 무엇을 생각했고 무엇을 실제로 구현했는지 분리한 뒤 더 좋은 연구로 발전시키는 것이다.
| 범위 | 상태 |
|---|---|
포트폴리오 릴리스 v0.2.1 |
완료 — 2025 재구성, 불일치 감사, V2 기준선, V2.1 사전등록·데이터 가능성 시험·KRX 원자료 보존 |
| KRX archive-only | 완료 — 2010-01-04~2026-06-30 계획 12,908건과 유효 원본 12,908건 일치 |
| V2 proof-of-concept | 완료 — 24개월 표본에서 네트워크 증분가치 미확인 |
| V2.1 장기 데이터 실증 | 향후 연구 — 공식 기업행사·공개시각·산업분류·재배포 근거 확보 전까지 미실행 |
채용·포트폴리오 관점의 핵심 요약은 docs/PORTFOLIO_SUMMARY.md에 정리했다. 현재 릴리스는 미완성 실증을 완성된 결과처럼 제시하지 않는다. 대신 원래 아이디어, 재현 감사, 음의 기준선 결과, 사전등록, 안전한 수집 설계와 원자료 보존 완료까지를 검증 가능한 산출물로 마무리한다.
| 구분 | 내용 |
|---|---|
| 출발점 | 2025년 학부 2학년 데이터마이닝 팀 프로젝트 |
| 성과 | 수업 프로젝트 1위, 2025 KSCI 학술발표 논문 게재 |
| 핵심 질문 | 환율에 비슷하게 반응하는 종목과 산업의 관계가 다음 달 산업 수익률 예측에 도움이 되는가? |
| 2025 접근 | 환율 민감도 군집화 → 산업 연관분석 → Random Forest 예측 |
| 현재 저장소 | 2025 결과 재구성·감사, Python 실행 코드, 누수 없는 V2 기준선, 테스트와 CI |
| 현재 결론 | 24개월 표본에서는 네트워크 신호의 유의미한 증분가치를 입증하지 못함 |
이 프로젝트의 포트폴리오 가치는 높은 예측 정확도 하나에 있지 않다. 서로 다른 분석을 하나의 문제 해결 흐름으로 연결한 설계, 탐색적 관계를 예측변수로 전환한 시도, 그리고 후속 재검증에서 오류와 한계를 숨기지 않고 재현 가능한 연구문제로 바꾼 과정에 있다. 2025 결과는 팀의 공동 산출물이며, 이 저장소는 그 공동 성과와 후속 재구성을 구분해 기록한다.
환율 충격에 비슷하게 반응하는 종목을 군집화하고, 함께 움직이는 산업 관계를 수치화해 다음 달 산업 수익률 예측에 활용한다.
flowchart LR
A["주가·환율·외국인 수급"] --> B["종목별 환율 민감도"]
B --> C["K-means 군집화"]
A --> D["산업별 상승 여부"]
D --> E["산업 연관규칙과 Lift"]
E --> F["동조 정보"]
A --> G["월별 산업 변수"]
F --> H["다음 달 수익률 예측"]
G --> H
H --> I["산업별 투자·위험관리 해석"]
좋았던 점은 세 분석을 나열하는 데서 끝나지 않고, 탐색적 분석에서 발견한 산업 관계를 예측변수로 다시 사용하려 했던 것이다. 환율 민감도, 외국인 수급, 산업 네트워크를 하나의 이야기로 연결한 뼈대는 V2에서도 유지한다.
| 항목 | 2025 자료의 설명 | 코드·데이터 재검산 결과 |
|---|---|---|
| 데이터 | 2023-05~2025-04, 50종목 | 24,300행, 486거래일, 50종목 확인 |
| 군집 수 | Elbow와 Silhouette로 k=4 |
현재 Python 포트의 최고 Silhouette는 k=2; k=4는 0.348 |
| 산업 연관규칙 | 제공된 24개월 이진행렬에서 계산 | 보고된 10개 규칙의 수치가 같은 행렬 재계산값과 모두 불일치 |
mean_corr |
산업 동조를 반영하는 월별 변수 | R 코드는 종목별 월간 하루라도 상승을 사용해 Lift 최대 1.0, 모든 mean_corr=0 |
| 예측 월 | 2024-05부터 다음 달 예측 | 코드의 2024-05 행은 실제로 2024-06 수익률을 목표로 하며 그래프 월이 한 달 앞섬 |
| 성능 향상 | mean_corr로 오차 5~17% 감소 |
해당 실행 경로에서는 변수가 전부 0이므로 이 주장을 재현할 수 없음 |
자세한 근거와 수치 비교는 docs/RECONSTRUCTION_AUDIT.md에 정리했다.
- 환율 수익률에 대한 종목별 회귀계수 β 계산
- 평균 수익률·외국인 지분율 변화·β의 K-means 군집화
- 제공된 산업 이진행렬에서 Support·Confidence·Lift 재계산
- 2025
mean_corr생성 코드의 실제 동작 감사 - 12개월부터 시작하는 expanding-window Random Forest 포트
feature_month와 실제target_month를 동시에 저장
Python과 R의 Random Forest 구현 차이 때문에 예측 숫자를 완전히 동일하게 만들었다고 주장하지 않는다. 대신 변수 정의, 학습창, 타깃 이동, 평가 범위를 실행 가능한 형태로 고정한다.
- 같은 달 동조가 아니라
산업 A의 t월 → 산업 B의 t+1월시차 관계 사용 - 각 예측 시점까지 관측된 과거만으로 관계를 다시 계산
- 선택된 선행 산업의 현재 수익률을
network_signal로 구성 - Zero, 직전 수익률, 기본 RF, 네트워크 RF를 같은 Walk-forward 구간에서 비교
- RMSE뿐 아니라 MAE와 방향 적중률을 함께 기록
V2는 완성된 투자모형이 아니라, 원래 아이디어를 검증 가능한 연구문제로 바꾸는 첫 기준선이다. 장기 데이터와 통계적 유의성 검정이 추가되어야 한다.
V2.1은 원자료 보존은 완료했지만 연구용 변환·모델 학습·성능 평가 전이다. 결과를 보기 전에 표본, 다음 달 산업 초과수익률 타깃, 60개월 rolling 학습창, M0~M4 비교, paired MAE, month-block bootstrap, 실패 판정 규칙을 docs/V2_1_PROTOCOL.md와 configs/v2_1_protocol.yaml에 고정했다.
2026-07-20 기준 KRX 인증과 6개 서비스 승인을 완료했고, U0 Legacy-50을 공식 코드로 50/50 식별했다. 명칭이 바뀐 HDC/IPARK현대산업개발은 동일 코드·ISIN provenance로만 연결했으며, 고정 5종목의 2026-04-01~06-30 일별 시세 305행과 KOSPI 61행에서 결측·중복·숫자 변환 실패가 모두 0임을 확인했다. U1 Expanded-10은 과거 업종 구성·종목 계보·기업행사 조정 문제가 남아 V2.2 후보로 이관한다. 기업행사 조정, KRX·ECOS 공개시각 관측, KRX 산업지수 구성 정의가 미해결이므로 상태는 DRAFT — NOT FROZEN이며 V2.1 target·예측·성능 결과는 아직 생성하지 않는다.
공식 서비스의 2010년 이후 제공 범위와 1일 10,000회 한도 안에서, 연구 파생을 완전히 끈 archive-only 경로로 2010-01-04~2026-06-30의 KOSPI·KOSDAQ 일별 시세, KOSPI 지수와 종료일 종목기본정보를 로컬에 보존했다. 계획 12,908건, 유효 gzip 원본 12,908건, 총 9,301,468행, 남은 요청 0건이다. 원자료와 요청별 manifest는 Git에서 제외하고 공개 가능한 집계만 docs/V2_1_ARCHIVE_REPORT.md와 data/metadata/v2_1_archive_summary.json에 기록했다.
데이터 가능성 점검은 별도 제한 CLI로 실행한다. 이 명령은 모델이나 results/v2_1/을 생성하지 않는다.
python -m fx_research.v2_1_feasibility `
--config configs/v2_1_protocol.yaml `
--mode audit연구용 collect 경로는 프로토콜 동결과 frozen manifest가 없으므로 계속 차단한다. 별도의 archive-only 경로만 명시적 실행 플래그, endpoint allowlist, 파생 산출물 금지, 일일 quota와 재시작 checkpoint를 전제로 사용했다. ECOS 4개 계열은 공개시각·수정정책이 미확정이어서 이번 보존 범위에 포함하지 않았다.
python -m fx_research.v2_1_collection --mode plan
python -m fx_research.v2_1_collection --mode dry-run
python -m fx_research.v2_1_archive --mode status24개월 표본에서 전체 110개 Walk-forward 예측을 합쳐 비교하면 기본 RF의 RMSE는 약 0.003712, 네트워크 RF는 약 0.003701이었다. 차이는 약 0.3%로 매우 작고, 0을 예측하는 기준선의 RMSE가 약 0.003552로 더 낮았다. 즉 현재 표본에서는 네트워크 신호의 실질적인 증분가치를 입증하지 못했다. 방향 적중률은 기본 RF 약 48.2%, 네트워크 RF 약 49.1%였다.
이 결과는 실패를 숨기지 않는 기준선이다. 장기 데이터, 변동성 대비 스케일링, 통계적 검정 없이 성능 향상을 주장하지 않는다.
원본 merged_50stocks_fx_multi.csv는 출처와 재배포 조건이 확정되지 않아 Git에 포함하지 않았다. 로컬의 data/raw/에 넣거나 --input으로 경로를 지정한다.
python -m venv .venv
.venv\Scripts\Activate.ps1
python -m pip install -e .
fx-research `
--input data/raw/merged_50stocks_fx_multi.csv `
--output results/generated `
--trees 300테스트:
python -m unittest discover -s tests -v실행 결과는 다음처럼 생성된다.
results/generated/
├─ summary.json
├─ reconstruction/
│ ├─ cluster_assignments.csv
│ ├─ association_rules_reconciliation.csv
│ ├─ legacy_mean_corr.csv
│ ├─ legacy_predictions.csv
│ ├─ legacy_metrics_latest6.csv
│ └─ published_vs_python_metrics.csv
└─ v2/
├─ monthly_panel_with_network_signal.csv
├─ predictions.csv
├─ metrics_latest6.csv
└─ metrics_all_walk_forward.csv
docs/RESEARCH_STORY.md: 당시 아이디어와 잘했던 점docs/PORTFOLIO_SUMMARY.md: 성과·개선·검증 결과·현재 완료선을 한 문서로 정리한 포트폴리오 요약docs/PRESENTATION_FLOW.md: 발표 대본과 27장 PPT의 실제 흐름docs/VERSION_MAP.md: 논문·PPT·대본·코드의 역할과 충돌 처리 원칙docs/RECONSTRUCTION_AUDIT.md: 재현 과정에서 발견된 불일치docs/V2_RESEARCH_DESIGN.md: 업그레이드 연구 설계docs/V2_1_ROADMAP.md: 장기·최신 데이터로 진행할 후속 버전의 실행 기준docs/V2_1_PROTOCOL.md: 결과 확인 전에 고정할 V2.1 사전등록형 연구 프로토콜docs/V2_1_DECISION_LOG.md: 주 분석 선택, 대안, 미해결 항목과 동결 이력docs/V2_1_DATA_DICTIONARY.md: 필드별 단위·원천·관측 가능 시점·변환식docs/V2_1_DATA_FEASIBILITY.md: 공식 API·기업행사·공개시각·산업지수 가능성 감사docs/V2_1_ARCHIVE_REPORT.md: 12,908건 KRX 원자료 보존 범위·완결성·공개 경계archive_2025/README.md: 2025 공개 산출물의 보존 원칙
v0.1 / V2 proof-of-concept: 2025 연구의 재구성, 오류 감사, 24개월 데이터 실행 결과를 보존한다.v0.2.0 / portfolio release: V2.1 사전등록, 공식 U0 매핑, 제한 스키마 검증과 동결 전 연구수집을 차단하는 수집기 골격을 공개한다.v0.2.1 / archive completion: 파생 산출물을 만들지 않는 별도 경로로 KRX 원자료를 로컬에 완전 보존하고 공개 집계·무결성 증거만 공개한다.V2.1: 최소 5년의 장기·최신 데이터, 명확한 초과수익률 타깃, 강한 기준모형과 불확실성 검정을 갖춘 후속 연구로 분리한다.
V2.1을 기다리며 현재 결과를 감추거나 덮어쓰지 않는다. v0.2.1은 포트폴리오와 데이터 보존 릴리스로 완결하고, 장기 데이터 실증은 공식 근거와 프로토콜 동결 조건이 충족될 때 같은 저장소에서 비교 가능한 후속 버전으로 재개한다. 변경 내역은 CHANGELOG.md에 기록한다.
이민성, 홍찬기, 추민주, 이석준, 우지영, 「환율 민감도 기반 클러스터링과 동조지수를 이용한 산업별 월간 수익률 예측」, 한국컴퓨터정보학회 학술발표논문집, 33(2), 959–961, 2025.
이 프로젝트는 교육·재현 연구용이며 투자 조언이 아니다. 표본은 24개월로 매우 짧고, 고정된 50종목을 사용하므로 생존편향·표본선택 편향·시장국면 의존성이 크다.