P5 모델 고도화 티켓

P5 모델 고도화 (조건부)

의존: P2 (엣지 검증). 엣지가 통계적으로 유의하다고 확인된 경우에만 착수 (ADR-004). 구현 위치: ml (Python) — 여기서 비로소 파이썬 ML 생태계의 본래 이점을 쓴다.

[WEALTH-P5-01] 피처 엔지니어링 파이프라인

작업 내용 (설계 의도)

daily_prices·수급·재무 시계열에서 학습용 피처(모멘텀·변동성·수급 추세·재무 비율 등)를 생성한다. 룩어헤드 없이 시점 정렬하고, 학습/검증/테스트를 시간 순서로 분할(walk-forward split)한다.

테스트 케이스

• 피처 생성에 미래 데이터가 새어들지 않는다(룩어헤드 0).
• train/valid/test가 시간 순서로 분할된다(섞임 금지).
• 결측 구간은 정의된 규칙으로 처리된다(엣지 케이스).

[WEALTH-P5-02] 모델 학습·검증

작업 내용 (설계 의도)

검증된 엣지를 강화하는 모델(예: LightGBM·시계열 모델)을 학습하고, P2 BacktestEngine으로 out-of-sample 백테스트해 단순 4팩터 대비 초과 성능을 확인한다. 과적합 여부를 train/test 성능 격차로 점검한다.

롤백: 모델은 4팩터 신호의 보조 — 성능 미달 시 4팩터로 회귀.

다이어그램

처리 흐름

sequenceDiagram
    participant Feat as 피처 파이프라인
    participant Model as 학습 모델
    participant Eng as BacktestEngine
    participant Edge as EdgeReport
    Feat->>Model: train(features, labels)
    Model->>Eng: out-of-sample 신호
    Eng->>Edge: 성능 비교 (모델 vs 4팩터)

테스트 케이스

• 모델 신호의 out-of-sample 엣지가 4팩터 대비 개선되는지 비교된다.
• train/test 성능 격차가 임계 초과면 과적합 경고를 낸다(상태 보호).
• 모델 성능이 4팩터 미달이면 4팩터 신호로 폴백한다.

착수 전 확인

• P2 EdgeReport에서 엣지 유의 확인됨? → Yes면 착수, No면 신호 재설계 우선.