거시 패닉 꼬리 분위로 미국 야간 되돌림 3선 카드의 크기를 줄일 수 있는가

가설과 결론

데스크에서 검증된 우위 하나는 미국 야간 되돌림 3선 카드다. 전날 밤 미국 10년 금리가 하루에 3bp 이상 움직이면 그 반대 방향으로 3선을 시가에 사서(또는 팔아서) 정산가에 정리한다. 이 카드는 비용 2틱이면 이익의 상당 부분이 사라지고, 이익이 금리 급등기에 몰려 있어 나쁜 날의 손실을 줄일 방법이 늘 관심사였다. 방향을 다시 맞히려는 메타 라벨 시도는 실패했으므로 이번에는 방향은 그대로 두고 크기만 꼬리 위험으로 조절하는 길을 보았다. 크기 조절은 방향을 맞힐 필요가 없고, 꼬리가 큰 날만 알아내면 된다.

아이디어의 출처는 Bondnote 기록 «거시 패닉과 만기별 수익 분포의 나쁜 꼬리»(2026-08-14)로, 채권 위험 프리미엄의 평균 대신 전체 조건부 분포를 예측하는 SSRN 워킹페이퍼를 요약한다. 여러 거시 지표의 상단 꼬리를 압축한 잠재 요인(macro-panic)을 분위 랜덤 포레스트에 넣으면 여러 분위에서 기준을 이기고 침체기에 강한 경기역행 패턴을 보이며, 단기물은 현금 확보형 패닉에, 장기물은 안전자산 수요에 더 민감하다는 내용이다. 기록 자체도 원문 전체를 다시 검증한 것은 아니라고 적었다. 이 실험은 그 생각을 한국 국채선물의 하루 손익에 옮기고, 카드가 이미 쓰는 변동성 예측기를 기준선으로 두어 그 위의 증분만 판정했다.

용어와 기호

자료

데이터셋

목표 변수는 3선과 10선 근월 일봉의 시가와 정산가로 만든 하루 손익이다. 일봉은 2012-01-02 부터 있고, 미국 쪽 계열의 마지막 뉴욕 종가가 2026-10-28 이라 마지막 세션은 그다음 한국 세션인 2026-10-29 로 잘랐다. 그래서 만기마다 3,639세션이다. 특징의 미국 쪽은 단말 직접 수신으로 받아 둔 MOVE, VIX, HYG, IEF, 미국 10년 일별 종가(뉴욕 날짜)와 일별 자료 풀의 미국 2년, 역외 NDF 일별 표다. 행사 표시는 금통위 날짜, FOMC 결정일 표, 미국 고용 발표일이다.

미국 물가 발표일은 경제지표 달력이 2020 년부터만 있어 2014 ~ 2019 학습 구간을 덮지 못한다. 학습과 예측에서 같은 특징의 뜻이 달라지는 것을 피하려고 넣지 않았다. 카드 이벤트는 카드 코드의 이벤트 생성기를 그대로 돌려 얻었고, 확인 구간 거래는 468건(연 약 97건), 발견 구간은 362건이다. 외부 서버로 올린 자료는 없다.

점검과 시각 정렬

점검은 결과 지표를 보기 전에 했다. 세션 중복은 0 이고 2014 년 이후 특징 결측도 0 이다. 미국 계열은 뉴욕 날짜 종가라서 한국 세션 t 에는 t 보다 엄격히 앞선 마지막 뉴욕 날짜의 값을 붙였다. 뉴욕 날짜 d 의 종가는 한국 시각 d+1 새벽 5 ~ 6시에 나오므로 t 의 개장 전에 알 수 있다. 실제로 세션과 붙은 뉴욕 날짜의 차이는 1일이 2,843번, 3일(월요일)이 704번이고 0일은 없었다. 변화량은 같은 규칙으로 직전 한국 세션에 붙은 값과 뺐기 때문에 미국 휴일 뒤 세션의 변화는 0 이다.

자료 풀의 미국 10년이 2026 년 미국 영업일 13일을 빠뜨린 것을 찾아 단말 직접 수신 계열로 바꿨다. 미국 2년은 대체 원천이 없어 그 13일은 직전 값을 썼다. 미국 고용 발표일은 첫 금요일 규칙이 달력 77건 중 60건만 맞아(나머지는 둘째 금요일이나 정부 폐쇄로 밀린 날) 달력이 있는 2020-01 ~ 2026-08 은 달력을 썼다. 개장 갭(t 시가 − t−1 정산가)은 개장 단일가가 끝나야 알기 때문에 특징에 넣지 않았다. 한국 쪽 고저폭 특징은 t 보다 앞선 세션에서만 만든다.

방법

매달 첫 세션에 그 전까지의 모든 세션으로 모델을 다시 적합하고 그달 세션의 분위를 예측했다. 학습 창은 2014-01-02 에서 시작해 늘어나며 첫 예측 달(2017-01)에는 약 750세션, 마지막 달(2026-10)에는 약 3,200세션이다. 특징은 23개로 MOVE와 VIX 의 로그 수준, 변화, 250일 중앙값 대비 비, 미국 2년과 10년 밤사이 변화와 그 절댓값, NDF 변화와 절댓값, NDF 20일 변동성, 신용 대리의 밤사이 변화와 20일 변화, FOMC와 고용 발표 밤 표시, 금통위 당일 표시, 1일 고저폭과 5일, 20일 평균의 로그, 카드 예측 고저폭 R̂, 그리고 거시 패닉 요인이다. 패닉 요인은 매 재적합의 학습 창 안에서만 주성분을 구해 미래 정보가 들어가지 않는다.

기준선은 둘 이상을 두었다. 확증 기준선 CARDN 은 카드가 이미 쓰는 변동성 예측 R̂ 에 직전 750세션의 표준화 손익 표준편차와 정규 분위를 곱한 것이다. 비교로 경험 분위를 곱한 CARDE, 고저폭 수준에 대한 선형 분위 회귀 HARQ, 23특징 선형 분위 회귀 LQR, 패닉 요인을 뺀 QRF_NOP, 한국 쪽 특징을 뺀 QRF_MAC 를 같이 돌렸다. H1086, H1087 은 확인 구간 1,176세션에서 핀볼 손실 차이의 DM 검정(Newey–West 시차 5, 한쪽)과 달 블록 부트스트랩으로, H1088, H1089 는 Kupiec 무조건 적중 검정으로 판정했다.

카드 크기 규칙은 다음과 같다. 카드 거래일마다 그 방향의 꼬리 T 를 QRF 의 q_0.05 또는 q_0.95 로 정하고, 같은 방향 꼬리 계열(카드 거래일만이 아니라 모든 세션)의 직전 250세션 90% 분위를 문턱으로 둔다. T 가 문턱을 넘으면 그날 계약 수를 절반으로 줄인다. CARDN 규칙은 같은 정의를 CARDN 분위로 건 것으로, 정규 분포라 방향과 무관하게 R̂ 가 큰 날을 고른다. 판정 비용은 3선 왕복 1틱이고 0.5, 2틱 민감도를 함께 냈다. H1090 은 확인 구간 거래를 달로 묶은 부트스트랩에서 ΔES% ≤ 0 인 비율을 p 로 했고, H1091 은 같은 복원 추출에서 두 규칙 ΔES% 차이의 p 를 구했다. 같은 수의 거래를 무작위로 반감한 귀무 5,000회도 돌렸다. 고르는 절차(특징 선택, 문턱 탐색)가 없으므로 선택 편향 귀무는 따로 필요하지 않고, 문턱 비율과 배수는 격자로 미리 등록해 결과를 모두 냈다.

모델

QRF 는 sklearn 회귀 숲(나무 500, 잎 최소 20, 분기마다 특징 1/3, 부트스트랩, seed 285)을 키운 뒤 예측 단계만 바꾼 것이다. 새 세션 x 가 나무 b 에서 떨어진 잎에 학습 세션 i 가 있으면 그 세션에 1/(잎 크기) 가중을 주고 500그루를 평균해 가중 w_i(x) 를 만든다. 학습 y 를 정렬해 누적 가중이 τ 를 처음 넘는 값이 q_τ 다. 평균 숲과 같은 분기를 쓰므로 분기는 평균을 잘 가르는 쪽으로 자라지만, 잎 안의 y 전체를 쓰기 때문에 꼬리 모양이 특징에 따라 달라질 수 있다. 한 숲에서 τ = 0.025, 0.05, 0.10, 0.90, 0.95, 0.975 여섯 분위를 함께 읽었다. 아래 그림은 2021-12 재적합(학습 2014-01-02 ~ 2021-11-30)의 3선 숲에서 그렸고, 그리기 전에 저장한 숲이 정본 런의 2021-12 세션 5% 분위를 그대로 다시 내는지 확인했다.

표 M1 은 500그루에서 깊이마다 어떤 특징으로 몇 번 갈랐는지 센 것이다.

결과

분위 예측과 보정

확인 구간 1,176세션에서 3선 QRF 의 5% 핀볼 손실은 1.552, CARDN 은 1.499 였다. QRF 가 3.5% 나쁘다. DM 통계량은 +1.71 로 QRF 쪽 손실이 크다는 방향이며 «QRF 가 낫다» 는 한쪽 p 는 0.956 이다. 부트스트랩 90% 구간은 −7.5% ~ +0.1% 로 3% 개선 문턱은 구간 밖이다. 10선은 4.164 대 4.146 으로 0.4% 나빴다(p 0.610). 사전 예측(개선 0 ~ 2%)보다도 나쁜 결과이고, 거시 극단 정보가 카드 변동성 예측 위에 분위 정보를 더하지 못했다.

모델 비교에서 CARDN 을 이긴 것은 3선의 선형 분위 회귀(LQR, +1.4%) 하나뿐이고 이것도 발견 구간에서는 8.2% 졌다. 패닉 요인을 뺀 QRF_NOP 는 QRF 와 거의 같았다(3선 −3.0%). 한국 쪽 고저폭 특징을 빼고 거시만 쓴 QRF_MAC 는 3선에서 9.2% 나빠지고 초과율도 7.0%(Kupiec p 0.003)로 어긋났다. 하루 손익 꼬리의 규모는 대부분 최근 고저폭이 담고, 거시 극단은 그 위에 더할 것이 적다는 뜻이다.

보정은 괜찮았다. 3선 QRF 의 초과는 65건(5.5%, Kupiec p 0.41, Christoffersen p 0.76), 10선은 66건(5.6%, p 0.34, Christoffersen p 0.08)이다. CARDN 도 5.1%, 5.8% 로 명목 근처다. 다만 사전에 계산한 대로 초과율이 1%p 어긋나도 이 표본으로 그것을 잡을 확률은 절반 정도라 «다르지 않다» 는 강한 증거가 아니다. 연도별로 보면 3선 QRF 초과율은 해마다 3 ~ 8% 를 오가며 CARDN 과 비슷한 폭으로 흔들렸다.

카드 크기 조절

분위 예측은 못 이겼지만 크기 조절 가설은 따로 판정한다. 확인 구간 카드 거래 468건 가운데 QRF 방향 꼬리가 문턱을 넘은 날은 57건(12.2%)이었다. 문턱을 모든 세션에서 정하므로 미국 금리가 크게 움직인 카드 거래일에서는 10% 보다 조금 많이 걸린다. 그날 계약을 절반으로 줄이자 ES 는 971.9 에서 856.3 으로 11.9% 줄고 거래당 평균은 95.2 에서 86.5 로 9.1% 줄었다(손익 단위는 틱 × 계약). 부트스트랩 p 는 0.0086, Holm 보정 p 는 0.034 로 사전 문턱을 모두 넘었다. 무작위로 57건을 반감한 귀무의 ΔES 평균은 3.7%, 95% 분위는 10.6% 라 QRF 규칙은 귀무의 상위 3.3% 에 있다.

그러나 증분 가설 H1091 은 넘지 못했다. 같은 규칙을 CARDN 으로 걸면 82건이 표시되고 ΔES 는 5.9%, 평균 감소는 24.4% 다. QRF 가 6.0%p 더 줄였지만 같은 달을 짝지은 부트스트랩 p 는 0.33 이다. 두 규칙의 차이 분포에 0 근처 무게가 큰 것은 최악 12건 중 대부분을 두 규칙이 똑같이 놓치거나 똑같이 잡기 때문이다. QRF 가 CARDN 보다 나아 보이는 부분은 꼬리를 더 잡아서가 아니라 큰 이익 날을 덜 깎아서였다. 꼬리에서 줄인 손실 합(1,388)은 포기한 손익 합(4,066)보다 작아 아이디어의 둘째 질문 «꼬리 감소가 포기 이익보다 큰가» 에는 아니라고 답한다. 샤프는 1.93 에서 1.97 로 거의 같다.

격자, 비용, 진입 지연

사전등록한 격자는 표시 비율 5, 10, 20% 와 크기 배수 0.5, 0.25, 0 을 곱한 9칸이다. QRF 는 표시 비율을 10% 에서 20% 로 넓혀도 ΔES 가 11.9% 에서 13.0% 로 조금 오를 뿐이고 평균 감소는 18.8% 로 두 배가 된다. 5% 로 좁히면 ΔES 가 4.8% 로 떨어진다. 배수 0(그날 거래하지 않음)은 상위 10% 에서 ΔES 12.8%, 평균 감소 18.2% 라 반감보다 나을 것이 없다. CARDN 은 모든 칸에서 평균 감소가 17 ~ 68% 로 컸다. 꼬리 분위를 τ 0.10 으로 걸면 QRF 상위 10% 반감의 ΔES 는 4.9% 로 줄었다. 5% 꼬리라는 사전 선택이 결과에 유리한 쪽이었다는 뜻이고, 격자 전체로 보면 문턱 10% 를 넘는 칸은 9칸 중 6칸이지만 평균 감소 10% 이하를 함께 지키는 칸은 사전 선택한 칸 하나뿐이다.

비용 민감도에서 크기 규칙은 비용에 거의 무관하다. QRF 반감의 ΔES 는 0.5, 1, 2틱에서 12.3, 11.9, 11.2%, 평균 감소는 8.8, 9.1, 10.1% 다. 2틱이면 평균 감소가 문턱을 살짝 넘는다. 실행을 늦추면 결과가 약해진다. 시가 단일가 대신 첫 봉 뒤 1분에 들어가면 ΔES 9.0%, 평균 감소 11.3% 이고, 5분 뒤면 9.9%, 11.7% 다. 지연 진입에서는 H1090 의 두 조건이 함께 지켜지지 않는다. 이 규칙은 계약 수만 바꾸므로 지정가 체결 확률 문제는 생기지 않는다.

구간과 seed

구간별로 나누면 결과가 한 해에 몰려 있다. 확인 구간 표시 57건 가운데 38건이 2022 년이고 2023 년은 0건, 2024 년 3건, 2025 년 5건, 2026 년 11건이다. 2022 년 한 해만 보면 ΔES 16.7%, 평균 감소 14.4% 이고, 2023 년 이후만 보면 ΔES 2.2%, 평균 감소 1.9% 다. 2024 이후 하위 구간은 ΔES 9.4%, 평균 감소 6.0%, 충격 창(2022-02-24 등 8개 날짜 앞뒤 5세션)을 빼면 ΔES 7.3%, 평균 감소 11.9% 다. 가장 큰 문제는 발견 구간이다. 2017 ~ 2021 의 362건에서 같은 QRF 규칙은 ES 를 전혀 줄이지 못했고(0.0%) 평균만 13.1% 깎았다. 같은 구간에서 CARDN 규칙은 ES 를 29.8% 줄였다. 두 규칙의 순서가 구간마다 뒤집힌다.

Seed 의존은 없었다. 같은 걷기 전진을 seed 1, 2, 3 으로 다시 돌리면 3선 핀볼 개선은 −3.1, −3.0, −2.9%, 확인 구간 ΔES 는 13.0, 11.9, 13.0%, 평균 감소는 9.5, 8.2, 9.9%, 발견 구간 ΔES 는 세 번 모두 0 이었다. 숲 500그루면 무작위성은 결과를 거의 바꾸지 않으므로, 구간 사이의 불일치는 seed 가 아니라 표본이 만든 것이다. 10선으로 같은 이벤트를 거래하는 탐색에서는 QRF 반감의 ΔES 가 0.0%, 평균 감소가 12.1% 였다.

실패 진단과 탐색 규칙

왜 분위 예측이 나아지지 않았는지부터 보면, 2021-12 숲의 순열 중요도에서 핀볼을 가장 많이 늘린 특징은 카드 예측 고저폭(1.5%), Δ미국2년(1.3%), 5일 고저폭(1.3%), 1일 고저폭(1.0%) 이었고 거시 패닉 요인은 3선 0.18%, 10선 0.02% 에 그쳤다. 패닉 요인의 부하는 신용 20일 변화(0.52), VIX 비(0.46), 신용 밤사이 변화(0.39), 미국 2년 변화(0.35) 순으로 주식과 신용 쪽 위기를 주로 담았는데, 한국 국채선물의 하루 꼬리는 그런 위기보다 미국 금리 자체의 큰 움직임에 반응한다. 또 학습 세션이 수천 개뿐이라 잎 최소 20 의 경험 분위가 1틱 단위로 계단지고, 정규 척도 모형보다 분산이 커서 핀볼에서 진다.

크기 조절 이득의 출처도 분해했다. 카드 거래일에서 QRF 꼬리와 CARDN 꼬리의 상관은 0.80 이고, 두 규칙이 함께 표시한 날이 45건이다. CARDN 이 표시한 날의 카드 단위 손익은 평균 6.8틱으로 표시 안 한 날(1.9틱)보다 훨씬 크다. 변동성이 큰 날에 되돌림 이익도 크기 때문에 변동성으로 크기를 줄이면 큰 이익을 같이 깎는다. QRF 표시일의 단위 손익은 3.2틱 대 2.7틱으로 차이가 작아 덜 깎였다. 반감으로 바뀐 손익과 기본 손익의 상관은 −0.52 다. 금통위 전날과 겹친 카드 거래는 14건, 그중 QRF 표시는 1건이라 다른 검증 전략과의 겹침은 작다.

마지막으로 결과를 본 뒤 단순 규칙을 탐색으로 대조했다. 같은 57건을 |Δ미국10년| 가 큰 순서로 반감하면 확인 구간 ΔES 15.5%, 평균 감소 29.2% 다. |Δ10| ≥ 10bp 인 u = 3 거래 80건을 모두 반감하면 ΔES 19.1%, 평균 감소 28.6%, 샤프 1.93 → 1.97 이고, 발견 구간에서는 ΔES 26.3%, 평균 감소 3.9%, 샤프 1.00 → 1.31 로 두 구간 모두에서 꼬리를 줄였다. 개장 갭이 큰 날(개장 뒤에야 알므로 시가 + 1분 진입으로 채점)을 반감하면 확인 구간 ΔES 16.4%, 평균 감소 14.8% 다. 이것들은 결과를 본 뒤 고른 탐색이라 판정에 쓰지 않았다.

꼬리 수준, 낙폭, 외삽

이 절은 정본 결과를 본 뒤 더 판 탐색이며 판정에 쓰지 않았다. 먼저 꼬리 수준을 바꿔도 확인 구간 결론은 비슷하다. QRF 반감은 ES 1% 를 1,208 에서 1,078 로(−10.8%), ES 5% 를 776 에서 674 로(−13.2%), ES 10% 를 586 에서 509 로(−13.2%) 줄였다. 발견 구간에서는 어느 수준에서도 감소가 0 이었다. 같은 구간에서 CARDN 반감은 ES 1% 를 1,217 에서 739 로 39% 줄였다. 누적 손익의 최대 낙폭으로 보면 그림이 더 분명하다. 확인 구간에서는 고정, QRF 반감, CARDN 반감의 최대 낙폭이 모두 2,201 로 같았다. 가장 깊은 낙폭 구간에 반감 표시가 하나도 없었다는 뜻이다. 발견 구간에서 QRF 반감의 최대 낙폭은 5,295 로 고정(4,841)보다 오히려 깊었고 CARDN 반감은 3,095 였다.

통과가 얼마나 단단한지도 보았다. 확인 구간 최악 12건 가운데 한 건을 빼고 다시 재면 ΔES 는 6.8 ~ 13.4% 로 움직이고, 2022-03-22 한 건만 빼도 6.8% 로 10% 문턱 아래가 된다. 달 하나씩 빼 보면 58개월 가운데 3개월에서 문턱 아래로 내려가며 그 셋에 2022-03 이 들어 있다. 샤프 차는 +0.035, 부트스트랩 90% 구간 −0.07 ~ +0.18(p 0.29)로 0 과 구별되지 않는다. H1090 의 통과는 사실상 거래 한 건이 만든 것이다.

발견 구간에서 QRF 가 무엇을 놓쳤는지 보면 원인이 구조적이다. 발견 구간 최악 거래 2020-03-19(u = 3 매수, 단위 손익 −71틱, 카드 손익 −3,600)에서 QRF 의 매수 꼬리는 14틱으로 직전 250세션 순위 0.71 에 그쳤고, CARDN 꼬리는 29.6틱으로 순위 0.99 라 표시되었다. 같은 달의 다른 최악 거래 둘도 CARDN 만 잡았다. QRF 의 분위는 잎에 떨어진 과거 y 값 가운데서만 나오므로 2014 ~ 2019 학습 표본에 없던 크기의 꼬리를 낼 수 없다. 반대로 CARDN 은 R̂ 에 비례해 늘어나므로 변동성이 튀면 꼬리도 따라 커진다.

그래서 외삽을 허용한 변형 QRF_Z 를 돌렸다. 숲을 z = y / R̂ 에 학습하고 분위에 그날의 R̂ 을 곱한다. 3선 확인 구간 5% 핀볼은 CARDN 보다 0.5% 좋아져 이 실험에서 처음으로 기준선을 이겼지만 3% 문턱과는 멀다. 반감 규칙은 발견 구간 ΔES 29.8%, 평균 감소 11.7%, 확인 구간 ΔES 5.9%, 평균 감소 17.9% 로 CARDN 규칙과 거의 같아졌다. 외삽을 막으면 처음 보는 충격을 놓치고, 허용하면 카드 변동성 규칙과 같아진다. 거시 패닉 특징이 그 사이에 더하는 몫은 보이지 않았다.

해석

원문 연구는 위험 프리미엄의 월별 또는 분기별 분포를 다뤘고 거시 패닉이 침체기의 꼬리를 알려 준다고 했다. 한국 국채선물의 하루 시가 대비 종가 손익에서는 그 정보가 이미 최근 고저폭과 밤사이 미국 금리 변화에 반영되어 있었다. 극단 지표를 주성분 하나로 압축한 요인은 주식과 신용의 위기 국면을 잘 표시하지만, 그런 날의 한국 장중 꼬리는 개장 갭으로 먼저 소화되고 시가 이후에 남는 몫은 크지 않다. 그래서 분위 예측에서는 카드의 단순한 변동성 척도가 숲보다 안정적이었다.

크기 조절은 다른 이야기다. 미국 야간 되돌림 카드의 이익은 변동이 큰 날에 크므로 변동성으로 크기를 줄이는 것은 대체로 손해다. QRF 규칙이 확인 구간에서 통과한 것은 2022 년 금리 급등기에 QRF 꼬리가 몇 번의 큰 손실 날을 잡으면서도 큰 이익 날을 비교적 덜 걸렀기 때문이고, 그 패턴은 발견 구간과 2023 년 이후에는 보이지 않았다. 꼬리를 줄이는 데는 거시 패닉보다 카드 자신의 신호 크기(|Δ10| 가 아주 큰 날)가 더 일관된 단서였다. 이는 되돌림 이익이 |Δ10| 에 따라 늘지만 아주 큰 움직임에서는 추세로 이어질 위험도 커진다는 해석과 맞는다.

한계

ES 는 확인 구간 거래 468건의 최악 12건 평균이다. 한 건이 표시되느냐에 따라 ΔES 가 수 %p 움직이고 부트스트랩 90% 구간은 2.4 ~ 23.0% 로 넓다. 평균 감소의 90% 구간(−2.1 ~ 21.1%)도 10% 문턱을 넉넉히 포함한다. 통과는 사전등록대로 확인 구간만으로 판정했지만 발견 구간에서 같은 규칙이 효과가 0 이었고 확인 구간 효과의 대부분이 2022 년에 있으므로 이 통과는 국면 하나에 기대고 있다. 진입을 1분만 늦춰도 두 조건이 함께 지켜지지 않는다. 깊이 점검에서 2022-03-22 한 건을 빼면 ES 감소가 6.8% 로 문턱 아래였고, 발견 구간에서는 같은 규칙이 최대 낙폭을 고정 크기보다 키웠다.

H1088, H1089 의 통과는 «다르지 않다» 이며 사전 검정력이 1%p 어긋남에 대해 0.45 ~ 0.48 이라 보정의 증거로 약하다. 비용은 3선 1틱으로 판정했고 10선 탐색도 1틱으로 쟀으나 10선 실측 스프레드는 더 넓을 수 있다. 카드 손익은 일봉 시가와 정산가로 쟀고 시가 단일가에서 큰 수량을 받을 수 있는지, 정산가 청산 슬리피지는 넣지 않았다. 신용 스프레드는 하이일드 OAS 가 아니라 HYG − IEF 대리 변수다. 미국 물가 발표일은 뺐고, 고용 발표일은 2020 이전과 2026-09 이후 규칙이라 둘째 금요일 발표를 놓친다. 미국 2년은 2026 년 13일이 직전 값이다.

결과를 본 뒤 바꾼 것은 둘이다. 순열 중요도가 정본 평가 안에서 너무 느려 별도 스크립트로 떼고 확인 구간 세션을 하나 걸러 계산했다(판정 수치는 그대로다). seed 재실행, 단순 규칙 대조, 연도별 분해는 결과를 본 뒤 정한 탐색이며, 꼬리 수준, 낙폭, 취약성, QRF_Z 변형도 같다. 특히 u = 3 반감 규칙은 여러 대조 가운데 좋아 보인 것을 고른 것이라 선택 편향이 있다.

다음에 해 볼 것

첫째, 카드 사다리의 상단 칸(|Δ10| ≥ 10bp 의 50계약)을 33 또는 25계약으로 낮추는 규칙을 사전등록하고, 이번에 쓰지 않은 2012 ~ 2016 을 새 확인 구간으로 더해 검정한다. 이번 탐색에서는 발견, 확인 구간 모두에서 ES 를 19 ~ 26% 줄였지만 결과를 본 뒤 고른 변형이다. 둘째, 개장 갭이 이미 미국 밤사이 변화를 많이 먹은 날을 줄이는 규칙(실제 갭 / 예상 갭 비율)을 시가 + 1분 진입과 분봉 슬리피지로 시험한다. 이번 탐색에서 큰 갭 반감은 확인 구간 ES 16%, 평균 15% 를 줄였다.

산출물

모든 수치는 아래 파일에서 왔다. 정본 런은 사전등록 커밋 뒤 한 번 돌렸고, 탐색 스크립트는 같은 런 폴더에 산출물을 더한다. 패널과 저장한 숲은 저장소 밖 캐시에 있고 스크립트가 다시 만든다.

• 사전등록protocol.md
• 분석과 판정analysis.md
• 코드code/dataio.py 자료와 특징, code/models.py QRF 와 기준선, code/s0_datacheck.py 점검, code/s1_forecast.py 걷기 전진 예측, code/s2_eval.py 가설과 격자, code/s3_importance.py 순열 중요도, code/s4_seeds.py seed, code/s5_depth.py 탐색 규칙, code/s6_depth2.py 꼬리 수준과 낙폭, code/s7_qrf_scaled.py QRF_Z 변형, code/appendix_example.py 부록 실물, code/render_figures.py 그림, code/render_model.py 모델 그림
• 정본 런results/20261111T082504_main/ (forecasts_3선.parquet, forecasts_10선.parquet, metrics.json, model_table.csv, sizing_grid.csv, robustness.csv, yearly_sizing.csv, card_trades_conf.csv, depth.json, depth_yearly.csv, seed_1 ~ 3.json, depth2.json, frontier.csv, scaled_285.json, appendix_example.json)
• 재현 명령uv run python experiments/0285_macro_panic_tail_quantile_sizing/code/s1_forecast.py 3선 <런 폴더> 와 10선, 이어서 code/s2_eval.py <런 폴더>, code/s3_importance.py <런 폴더>, code/s4_seeds.py <런 폴더> 1, code/s5_depth.py <런 폴더>, code/s6_depth2.py <런 폴더>, code/s7_qrf_scaled.py <런 폴더> 285, code/render_figures.py 20261111T082504_main, code/render_model.py 20261111T082504_main

Appendix

A. 데이터셋 실물

확인 구간에서 QRF 가 반감을 표시한 최악 거래 2022-03-22(카드 매수, u = 3)의 앞뒤 세션 특징 패널이다. 값은 정본 패널에서 그대로 옮겼다(appendix_example.json). ΔUS 는 bp, ΔNDF 와 Δ신용은 %, 고저폭과 y 는 틱이다.

표의 패닉 값은 그달(2022-03) 재적합의 주성분 점수다. 이 거래일 직전 밤 미국 10년이 크게 올라 카드는 3선을 샀고, QRF 의 매수 방향 꼬리 −q_0.05 가 직전 250세션 90% 분위를 넘어 계약이 50에서 25로 줄었다.

B. 모델 입출력 실물

같은 세션에 정본 QRF 와 CARDN, 크기 규칙이 실제로 받은 입력과 낸 출력이다(appendix_example.json, forecasts_3선.parquet, card_trades_conf.csv).

C. 실험 설정