You cannot select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
46 lines
1.1 KiB
Markdown
46 lines
1.1 KiB
Markdown
# 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
|