# Model Upgrade and Ensemble

## 목적
현재의 규칙 + LLM 파서 + 트리 기반 랭킹을 유지하면서, 이를 **고도화된 모델 스택**으로 확장합니다.

## 원칙
- 해석 가능성을 완전히 버리지 않는다.
- feature leakage 위험이 높은 모델은 production 전 별도 검증.
- 더 복잡한 모델은 항상 baseline을 이겨야 한다.
- inference 실패 시 baseline 모델로 fallback.

## 확장 후보
### 1. Meta Model
목적: “이번 신호를 얼마나 믿어야 하는가”를 판단

입력:
- event score
- parser confidence
- market regime
- recent drift metrics
- symbol/sector stability

출력:
- trade_quality_probability
- recommended_size_multiplier
- holding_period_bias

### 2. Horizon Selector
- 1D 기대값
- 3D 기대값
- 5D 기대값
- stop-hit probability

### 3. Ensemble Ranker
후보:
- gradient boosting
- calibrated logistic model
- event-type specialist model
- sector specialist model

## 운영 규칙
- baseline model은 항상 유지
- 새 모델은 shadow inference 기간을 거친다
- production prediction과 shadow prediction을 동시 기록
- disagreement report를 주기적으로 생성