분석 시스템 선언

OpenClaw 분석 레이어 전체 구조. 이 문서를 읽으면 "왜 이 파이프라인이 있는가"와 "어디서 결과를 확인하는가"를 알 수 있다.

전체 목적

"데이터 → 신호 → 가설 → 검증 → 판단" 루프를 자동화. 사람(해리)은 루프의 최종 판단 단계에만 개입. 중간 단계는 에이전트가 자율 실행.

1. Analyst 에이전트 4종

역할과 출력

에이전트	역할	출력 경로	핵심 필드
매크로	거시경제 레짐 판단	`500 시그널/510 매크로/`	regime, risk_level, key_watch, signals
펀더멘탈	산업/기업 사이클 분석	`500 시그널/520 펀더멘탈/`	industries, summary, earnings, valuation_alerts
테크니컬	기술적 분석 신호	`500 시그널/530 테크니컬/`	trend, scenarios, sector_rotation, momentum
PM	포지셔닝·리스크 통합	memory/analyst-synthesis/latest.json	positioning, confidence, conflicts, resolution

4에이전트 연관 구조 (양방향 연결)

매크로(레짐) ──┐
               ├→ PM(통합 포지셔닝) → 투자 판단
펀더멘탈 ──────┤
테크니컬 ──────┘

PM은 나머지 3에이전트 결과를 읽어 최종 positioning(방어/중립/공격)과 confidence를 산출.

에이전트 간 양방향 데이터 흐름:

매크로 → sector_connections → 펀더멘탈 (macro_connections_received)
펀더멘탈 → deepdive_thesis → 테크니컬 (thesis_validation)
테크니컬 → thesis_validation → PM (sector_alpha)

매크로가 산출한 섹터별 연결 신호를 펀더멘탈이 macro_connections_received로 수신하여 산업 분석에 반영
펀더멘탈의 딥다이브 thesis를 테크니컬이 thesis_validation으로 자금흐름 교차검증
테크니컬의 thesis 검증 결과를 PM이 sector_alpha로 수신하여 포지셔닝에 반영

DAILY / DEEP 모드 구분

모드	실행 주기	대상	상태머신
DAILY	매일 (월~금)	17개 섹터 빠른 스캔	단일 패스
DEEP	월요일만	2~3개 산업 딥다이브	scan → compare → deep → converge

DAILY: 전 산업 대상 빠른 시그널 스캔, 일상적 리밸런싱 근거
DEEP: 선별된 산업에 대해 4단계 상태머신으로 심층 분석 수행. scan(후보 탐색) → compare(비교 평가) → deep(심층 drill-down) → converge(최종 수렴)

산업 커버리지 — 섹터나침반 v3 (17섹터 / 108하위섹터)

GICS 11섹터를 한국 시장에 최적화하여 17개 섹터 체계로 운영:

구분	섹터 (하위섹터 수)
핵심 산업 (7)	반도체(11), 디스플레이(4), 조선(5), 해운/물류(4), 에너지/정유(5), 석유화학(3), 배터리/EV(7)
확장 산업 (4)	방산/우주(6), 원전/전력인프라(6), 바이오/헬스케어(7), 로봇/자율주행(7)
범용 산업 (6)	경기소비재(8), 필수소비재(4), 금융(12), 플랫폼/미디어(7), 인프라/유틸리티(6), 소재/철강(6)

볼트-나침반 독립 운영 원칙

볼트 300 지식망은 GICS 11개 섹터 기반 (310~340)
섹터나침반은 17개 섹터 기반 (sector_data.py)
매핑 레이어 금지: 두 체계 사이에 명시적 매핑 테이블을 만들지 않는다
GICS 폴백 스마트 추론: 나침반 섹터에 gics_code 필드가 있으므로, 볼트 연결이 필요하면 GICS 코드로 폴백 추론한다
예시: semiconductor → gics_code=45 → 볼트 331 정보기술/에서 탐색

에이전트별 신규 기능 (v4 확장)

에이전트	신규 기능	설명
매크로	Causal Layer	레짐 변화의 원인 분석 (선행지표 → 결과 인과 추적)
매크로	시나리오 분석	Base / Bull / Bear 3시나리오 확률 산출
테크니컬	thesis_validation	펀더멘탈 딥다이브 thesis를 자금흐름·모멘텀으로 교차검증
PM	충돌 패턴 감지	thesis(펀더멘탈) ↔ 테크니컬 방향 충돌 시 자동 플래그
PM	sector_alpha 출력	테크니컬 검증 결과를 반영한 섹터별 알파 점수 산출

방법론 6축 프레임워크

모든 섹터 분석은 아래 6축을 반드시 다룬다:

축	설명	핵심 질문
사이클	산업 사이클 위치 판단	지금 확장/수축/저점/과열 중 어디인가?
지정학	지정학적 리스크/기회	수출규제, 동맹 재편, 자원 통제가 이 섹터에 어떤 영향?
구조적 힘	장기 구조 변화	AI, 탈탄소, 인구 변화 등 되돌릴 수 없는 힘이 작용 중인가?
정책	정부 정책 방향	보조금, 규제, 세제 변화가 업황에 어떤 영향?
Moat	기업의 경쟁 해자	이 기업의 초과수익이 구조적으로 방어되는가? (Wide/Narrow/None)
출처	데이터 신뢰도	분석 근거가 1차 데이터인가, 추정인가? 최신성은?

섹터나침반 3축 시그널 (signal_synthesizer.py)

LLM 없이 순수 집계로 섹터별 시그널을 합성한다:

축	데이터 소스	시그널 기준
축1 주가 (price)	sector-indicators 프록시 티커	z-score \|z\| >= 1.0
축2 산업지표 (industry)	market-indicators 섹터별 지표	z-score 기반
축3 전후방 (linkage)	linkage-validation + 연결 섹터 지표 변동	전후방 영향 전파

출력: memory/sector-signals/{date}.json

linkage_validator 6단계 검증

섹터 간 연결고리를 정량적으로 검증한다:

단계	Stage	방법	출력
Phase A	Stage 1	그레인저 인과성 검정	선행/후행 관계, p-value
Phase A	Stage 2	ETF/주가 60일 롤링 상관	디커플링/재커플링 감지
Phase B	Stage 3	스프레드/마진 추적	에틸렌-나프타, 크랙, BDI, DRAM-NAND
Phase C	Stage 4	DART 재무제표	매출원가율/영업이익률 변동
Phase D	Stage 5	산업연관분석	한국은행 투입계수 기반 가중치
Phase E-F	Stage 6	충격 전파 시뮬레이션	Stage 1-5 기반 BFS 감쇠 전파

출력: memory/linkage-validation/latest.json

에이전트 품질 5축 평가 (09:30 매일)

analyst_quality_tracker.py — 기계적 평가, LLM 없음.

축	가중치	측정 방법
substance	30%	필수 키(50) + 선택 키(25) - null 페널티(25)
data_freshness	25%	에이전트별 데이터 출처 기준 경과시간
consistency	15%	4에이전트 간 방향 일치 여부
independence	15%	PM이 매크로 값을 그대로 복사했는지 감지
depth	15%	에이전트별 데이터 풍부도 (시그널 수, 시나리오 수 등)

출력: memory/analyst-quality/YYYY-MM-DD.json + 텔레그램 DM

2. Moat 분석 시스템

목적

사이클/지정학/구조 분석이 "지금 이 산업이 어디 있는가"를 답한다면, Moat 분석은 "이 기업의 초과수익이 얼마나 지속되는가"를 답한다. 두 분석이 결합될 때 투자 판단의 정확도가 높아진다.

moat_scorer.py — 기업별 Moat 정량 스코어

항목	내용
실행 주기	주 1회 (일요일 04:00, linkage_validator와 동일)
대상	sector_data.py 17섹터 내 representative_stocks (핵심/확장중 exposure)
출력	`memory/moat-scores/{date}.json` + 볼트 `400 판단/430 Moat/`
등급	Wide / Narrow / None (Morningstar 방법론 기반)

Moat 5가지 원천

원천	설명	대표 섹터	측정 프록시
무형자산 (Intangible Assets)	특허, 브랜드, 규제 라이선스로 인한 가격 프리미엄	바이오/헬스케어, 반도체 IP	특허 수, 브랜드 프리미엄, 라이선스 갱신율
전환비용 (Switching Costs)	고객이 경쟁사로 이동할 때 부담하는 비용	반도체 장비, 플랫폼/미디어	고객 유지율, 계약 잔여 기간, 교체 비용 추정
네트워크 효과 (Network Effects)	사용자 증가 → 서비스 가치 증가의 선순환	플랫폼/미디어, 금융	MAU 성장률, 플랫폼 상호의존도
원가 우위 (Cost Advantage)	경쟁사보다 낮은 비용으로 동일 제품 생산	반도체 메모리, 석유화학	영업이익률 vs 동종업계 평균, 원가율 추세
규모의 경제 (Efficient Scale)	시장이 소수 공급자만 수익을 낼 정도의 규모	조선, 원전/전력인프라	시장집중도(HHI), 상위3사 점유율

향후 예정 기능

기능	상태	설명
3-Stage DCF Fair Value	예정	Moat 등급에 따라 경쟁우위기간(CAP) 차등 적용: Wide=20년, Narrow=10년, None=5년
Star Rating 1~5	예정	Fair Value 대비 현재주가 괴리로 매력도 산출 (Morningstar 방식)
Moat Trend	예정	Moat 등급 방향성 (Stable/Positive/Negative) — 분기별 재평가

Moat가 사이클 판단에 미치는 영향

구조적(Moat) 분석            사이클 분석
       │                          │
       ▼                          ▼
Wide Moat 기업           사이클 저점 진입
(전환비용/네트워크)     (DRAM 반등, 수주 회복)
       │                          │
       └──────────┬───────────────┘
                  ▼
         투자 확신도 향상
   (구조적 방어력 + 사이클 반등 = 강한 매수 근거)

Narrow/None Moat + 사이클 저점: 반등 폭은 있으나 지속성 낮음 → 트레이딩 관점 Wide Moat + 사이클 저점: 반등 + 지속 성장 → 장기 포지션 근거 Wide Moat + 사이클 고점: Moat가 있어도 고평가 리스크 존재 → 비중 축소 검토

3. 퀀트 파이프라인

목적

통계적 방법론으로 시장 변곡점 후보를 자동 감지. 가설엔진에 신호 공급.

데이터 계층 (5-Tier)

Tier	설명	수집 파이프라인	저장 위치
T1 가격	21개 티커 5년치 OHLCV	price_history_collector (평일 07:00)	memory/price-history/
T2 파생	변동성, Z-score, 수익률	방법론이 직접 계산	—
T3 매크로	FRED 20개 시리즈 (HY OAS, NFCI, DFF 등)	macro_series_collector (평일 06:50)	memory/macro-timeseries/
T4 대안	CNN Fear&Greed, AAII Sentiment	alt_data_collector (평일 06:55)	memory/alt-data/
T5 내부	에이전트 출력, 가설 이력	각 에이전트 파이프라인	memory/ 각 폴더

13개 방법론 (quant_methods/)

카테고리	방법론	대상 티커	신호 해석
평균회귀	zscore_halflife	SPX,VIX,US10Y,DXY,WTI,GOLD,COPPER,US2Y,KOSPI	Z-score 극단값 → 반감기 내 회귀
평균회귀	ornstein_uhlenbeck	US10Y,VIX,DXY,GOLD	OU 프로세스 θ/μ/σ → 회귀 예상 기간
변동성	garch_volatility	SPX,NDX,KOSPI	GARCH(1,1) 연율변동성 vs VIX — 공포 과잉 감지
변동성	egarch_volatility	SPX,NDX,KOSPI	EGARCH gamma<0 = 레버리지 효과 확인
변동성	vix_term_structure	VIX	VIX/VIX3M 비율 백분위 — contango/backwardation
추세	cusum	VIX,SPX,US10Y	누적합 변화점 탐지
추세	breakout_detection	SPX,NDX,KOSPI,XLE,SOXX,GOLD	Donchian+볼린저 이중 돌파
리스크	historical_var	SPX,KOSPI,XLE	VaR(95%/99%), CVaR — 꼬리 리스크
리스크	max_drawdown	SPX,NDX,KOSPI	MDD 백분위 — 하락 심도
리스크	sharpe_sortino	SPX,KOSPI,XLE,SOXX	Sharpe/Sortino 갭 — 하방 리스크 집중 감지
미시구조	amihud_illiquidity	SPX,EEM,XLE,XLF	Amihud 비유동성 Z-score — 유동성 위기
매크로	dxy_em_signal	EEM	DXY Z-score → 이머징 방향 예측
매크로	yield_curve_slope	US10Y	10Y-2Y 스프레드 추세 — 경기 사이클

신호 흐름

매일 09:00  quant_signal_generator
            → 13개 방법론 × 21티커 실행 (~45개 신호/일)
            → memory/quant-signals/{date}/
            → strength≥0.7 → inflection_candidates.json (최대 500건)

매일 09:05  quant_performance_tracker
            → N일 전 신호 vs 실제 결과 비교
            → directional_accuracy / IC / IC_IR 누적
            → method_scores.json 갱신
            → accuracy≥55%(20건) → VALIDATED
            → accuracy<50%(40건) → RETIRED

매일 01:40  hypothesis_engine
            → inflection_candidates.json 로드 (strength≥0.7, 최근 3일)
            → quant 가설 최대 3건 자동 생성
            → 500 시그널/520 펀더멘탈/ 저장

실험 후     experiment_tracker
            → forecast_horizon 경과 후 price-history에서 실제 방향 비교
            → validated/refuted/pending 판정

적자생존 기준

조건	결과
20건 이상 + directional_accuracy ≥ 55%	VALIDATED (신뢰 방법론)
40건 이상 + directional_accuracy < 50%	RETIRED (자동 폐기)
그 외	EXPERIMENT (계속 관찰)

4. 일일 운영 검증

daily_system_validator.py — 매일 06:30 KST, LLM 없음

9개 체크 항목: 1. 파이프라인 12개 신선도 (last_run 기준 24h 이내) 2. 크론 에러 잡 (consecutiveErrors > 0) 3. 에러 레저 open/high 건수 4. 인프라 — Gateway TCP 18789, 워커 2/2 5. 버스 큐 stuck (4h+ queued) 6. 볼트 품질 점수 (vault-flow-health state) 7. Cowork 마지막 실행 시간 8. KPI 오늘 데이터 (agent_kpi_daily) 9. 디스크 사용량

결과: send_sector("ops") 채널 텔레그램 발송

5. 크론 타임라인 (분석 관련)

06:30  일일 시스템 검증 (daily_system_validator)
06:50  FRED 매크로 시계열 수집 (macro_series_collector)
06:55  대안 데이터 수집 (alt_data_collector)
07:00  가격 이력 수집 증분 (price_history_collector)
07:15  데이터 품질 모니터 (data_quality_monitor)
08:30  섹터 연결 검증 (linkage_validator — 6단계)
08:45  섹터 시그널 합성 (signal_synthesizer — 3축)
09:00  퀀트 신호 생성 (quant_signal_generator)
09:05  퀀트 성과 추적 (quant_performance_tracker)
09:30  에이전트 품질 추적 (analyst_quality_tracker)
09:35  에이전트 예측 백테스트 (analyst_prediction_backfill)
일04:00  Moat 스코어 산출 (moat_scorer — 주 1회, linkage_validator와 동일 슬롯)

6. 데이터 → 판단 전체 루프

T1~T4 데이터 수집 (06:50~07:00)
         ↓
linkage_validator (08:30) → 섹터 연결 정량 검증 (6단계)
         ↓
signal_synthesizer (08:45) → 3축 시그널 합성 (주가/산업지표/전후방)
         ↓
퀀트 방법론 실행 (09:00) → 변곡점 후보 (strength≥0.7)
         ↓
hypothesis_engine → quant 가설 (01:40)    ←─── Analyst 3종 → 볼트 가설
         ↓
experiment_tracker → N일 후 검증
         ↓
VALIDATED 신호 → 에이전트 보고 → 해리 판단 (400 판단/)

7. 결과 확인 위치

확인하고 싶은 것	위치
오늘 퀀트 신호	`memory/quant-signals/{date}/`
변곡점 후보	`memory/quant-signals/inflection_candidates.json`
방법론 성과	`memory/quant-signals/method_scores.json`
에이전트 품질	`memory/analyst-quality/{date}.json`
예측 정확도	`memory/analyst-backtest/latest.json`
가설 목록	`memory/hypotheses/`
시스템 건강	`memory/system-digest/latest.json`
Analyst 출력	`500 시그널/510~530/` (볼트)
섹터 시그널 합성	`memory/sector-signals/{date}.json`
섹터 연결 검증	`memory/linkage-validation/latest.json`
섹터 리서치	`memory/sector-research/latest.json`
Moat 스코어	`memory/moat-scores/{date}.json`
Moat 판단 노트	`400 판단/430 Moat/` (볼트)

분석 시스템 선언 — Analyst 에이전트 + 퀀트 파이프라인