Opus 5.5 로 AI 퀀트 리서치 데스크를 단계별로 구축하는 방법입니다.
기업을 조사하고, 트레이딩 아이디어를 테스트하고, 각 결과 이면의 근거를 검증할 수 있는 단일 공간입니다.
아래의 프롬프트, 주석이 달린 스크린샷, 점검 항목을 활용해 나만의 버전을 만들어 보세요.
작동하는 Minara 파일럿부터 시작한 뒤, 전체 데스크에 필요한 데이터 및 리서치 파이프라인을 구축하겠습니다.
AI 채팅에게 전 세계 모든 AI 주식을 물어보면 아마 목록을 받을 수 있을 것입니다. 먼저 AI 노출도(AI exposure), 적격 상장 요건, 그리고 각 기업이 충족해야 할 근거를 정의해야 합니다.
이 과정을 건너뛰면 목록에 고객사와 공급업체가 뒤섞이고, 한 기업이 세 번 중복 계산되며, 미래 공시 내용이 과거 의사결정에 누출될 수 있습니다.
제안된 구성에서 각 도구는 하나의 역할만 맡습니다.
Minara 는 리서치와 파일럿을 정리합니다. Codex 는 재현 가능한 계산을 실행합니다. Jev 는 까다로운 테스트를 통과한 후 입력된 근거를 검증합니다. Dots 는 인수인계가 확인되면 범위가 제한된 작업을 조율합니다.
모델을 요청하기 전에, 저는 직접 확인할 수 있는 근거를 원합니다.
어떤 상장 발행사가 적격이며, 왜 포함되고, 데이터로 무엇을 답할 수 있는가?
계획된 핵심은 명명된 소스가 국가 커버리지를 제공하는 상장 보통주 및 ADR 을 다룹니다. 저는 각 발행사의 AI 노출도를 밸류체인 전반에 걸쳐 매핑할 것입니다.
모멘텀, 퀄리티, 투자 사이클은 입력값 검토를 통과한 후 각각 별도의 테스트를 거칩니다.
"글로벌"에는 문서화된 커버리지가 필요합니다. 모든 거래소와 발행사가 자동으로 나타나지는 않습니다.
이것은 브로커 연결, 주문 라우팅, 지갑, 라이브 배포가 없는 리서치입니다.
원본 캡처 화면에는 계정 레이블이 표시될 수 있습니다. 이는 현재 또는 저장된 UI 를 기록한 것이며, 제가 결과를 독립적으로 재현한 것은 아닙니다.
오늘날 Minara 가 지원하는 것
저는 Minara 의 리서치 도구를 살펴보기 위해 직접 사용해보았습니다. 글로벌 데이터베이스는 아직 구축이 필요합니다.
Factor Library 에는 모멘텀을 정의하는 여러 방법을 포함해 376 개 팩터가 표시되었습니다.
Strategy Studio 의 한 예시에는 ETF 와 비미국 증권을 포함해 31 개의 현재 종목이 담겨 있었습니다.
인터페이스 파일럿용으로는 충분합니다. 역사적 전 세계 주식 멤버십은 여전히 자체 데이터가 필요합니다.
광범위한 미국 모멘텀 메모는 "계산되지 않음"을 반환했습니다. 과거 커버리지, 멤버십, 데이터 빈티지, 실행 가능 가격은 검증되지 않았습니다.
또한 백테스트 화면에서 비용 및 설정 불일치도 발견했습니다.

현재 Minara 메모와 원본 요청은 UI 및 리서치 한계를 보여줍니다.

• 왼쪽: 글로벌 커버리지가 불완전한 기존 기관 리서치 실행을 남겼습니다. 화살표는 완료된 NVDA 라운드테이블 단계를 가리킵니다.
• 가운데: 글로벌 AI 유니버스 없이 NVDA 만 다루는 보고서입니다. 화살표는 헤드라인과 보유(hold) 진술을 가리킵니다.
• 오른쪽: 원본 요청과 저장된 메모는 테스트되지 않은 연구를 설명합니다. 화살표는 결론과 미검증 데이터 한계를 가리킵니다.
먼저 투자 가능 유니버스를 정의하라
기업 식별부터 시작하세요. 그다음 티커를 추가합니다.
티커는 상장을 식별합니다. 연구에는 보통 그 배후의 발행사가 필요합니다.
하나의 발행사는 여러 주식 클래스, 현지 대표 상장, ADR 을 가질 수 있습니다.
광범위한 검색은 ETF, 펀드, 워런트, 비상장 기업도 반환할 수 있습니다.
이를 독립적인 AI 기업으로 계산하면 첫 번째 계산도 하기 전에 표본이 깨집니다.
저는 두 개의 연결된 테이블을 유지할 것입니다.
issuer master 는 안정적인 내부 issuer_id, 법인명, 소재지, 사용 가능한 외부 식별자를 저장합니다.
listing master 는 listing_id, 발행사 링크, 티커, 거래소, 주식 클래스, 상품 유형, 통화, 캘린더, 활성 날짜, ADR 비율 또는 기초 증권을 저장합니다.
법률적 실체와 증권은 별도의 식별자가 필요하며, 날짜가 지정된 발행사-상장 맵으로 결합됩니다.
매핑이 해결되지 않으면 해당 항목은 핵심 표본에서 제외됩니다.
첫 번째 핵심에는 일반 보통주와 예탁증서가 포함됩니다.
ETF, 펀드, 파생상품, 토큰화 자산, 비상장 기업은 제외하거나 별도로 추적합니다.
ADR 과 그 기초 주식은 둘 다 티커가 있더라도 하나의 발행사로 간주합니다.
테스트 전에 대표 상장 규칙을 고정하거나 명시적으로 상장 단위 연구를 선택할 것입니다.
팩터 결과가 이 선택을 바꿀 수는 없습니다.
모든 "AI 기업" 레이블에는 근거가 필요합니다. 거래소 체크박스 하나로 결정될 문제가 아닙니다.
저는 세 가지 범주를 사용할 것입니다.
• 직접 노출: 발행사가 공시된 부문 또는 제품 근거로 뒷받침되는 AI 모델, 소프트웨어, 시스템, 서비스를 판매합니다.
• 공급업체 또는 지원자: 식별 가능한 칩, 메모리, 제조 장비, 네트워킹, 클라우드 용량, 데이터센터 시스템, 전력, 냉각 또는 기타 AI 배포 투입재를 판매합니다.
• 워치리스트 전용: 경영진의 주장, 광범위한 포지셔닝, 그럴듯한 연관성이 핵심 편입을 위한 세부 정보가 부족합니다.
각 근거 레코드는 주장, 소스 구절, 문서 기간, 게시 타임스탬프, 사업 부문, 캡처 시간, 레이블 규칙, 검토자, 모회사/자회사 링크를 저장합니다.
LLM 은 구절을 찾고 충돌을 표시할 수 있습니다. 그러나 과거 레이블에는 여전히 날짜가 지정된 소스와 사람이 검토한 레코드가 필요합니다.
known_at 은 2026 년 기업 설명을 2018 년 레코드에 넣는 것을 막아줍니다.
근거가 없으면 '알 수 없음'입니다. 그것도 유효한 출력입니다.
누락된 근거가 계속 보이도록 각 클래스와 함께 '알 수 없음' 건수를 집계하세요.
"전 세계"라는 표현에는 모든 소스에 대한 커버리지 원장이 필요합니다.
국가, 거래소, 상품 유형, 이력, 상장 폐지된 이름, 기업 행동, 재무 필드, 라이선스, 누락을 기록하세요.
각 국가/거래소 쌍을 포함, 부분, 불가로 표시하세요. 벤더가 지원하는 하위 집합을 연구 범위로 명명하세요.
글로벌이라는 제목만으로 불완전한 커버리지를 고칠 수는 없습니다.
중복이나 시간 누출 없이 마스터 구축하기
유니버스 매니페스트를 고정하세요: 기준일, 국가, 거래 장소, 상품 유형, 노출 규칙, 식별자 맵 스냅샷, 품질 필터, 상장 폐지 처리, 소스 빈티지, 제외 항목.
모든 단계에서 건수를 보고하세요: 후보군, 매핑된 발행사 및 상장, 중복, 거부된 상품, 알 수 없는 레이블, 최종 구성원.
검토자는 소스 목록부터 최종 멤버십까지 추적할 수 있어야 합니다.
티커는 바뀝니다. 식별 이력은 반드시 남아야 합니다.
기업은 이름, 거래 장소, 주식 클래스를 변경합니다. 상장은 정지, 병합, 상장 폐지될 수 있습니다.
날짜가 지정된 별칭, 매핑 소스, 각 변경 사유를 보관하세요.
ADR 링크와 비율에도 적용일이 필요합니다.
오늘날의 거래소 디렉터리는 현재 상장을 식별하는 데 도움이 됩니다. 하지만 과거 멤버십이나 AI 근거가 언제 공개되었는지를 확립하지는 못합니다.
공시 자료는 게시일을 제공할 수 있지만 총수익률이나 상장 폐지 데이터는 제공하지 않을 수 있습니다.
필요한 이력을 사용할 수 없거나 라이선스가 없다면 '계산되지 않음'입니다.
각 상장에는 통화, 캘린더, 서머타임 규칙, 마감 시간이 있습니다.
저는 명명된 FX 소스와 타임스탬프를 사용해, 아마도 USD 인 하나의 기준 통화로 헤지되지 않은 수익률을 사용할 것입니다.
총수익률 산출 방식, 기업 행동 및 배당 정책, 상장 폐지 처리, 실행 시간을 정의하세요.
같은 날짜 종가가 가용성을 증명하지는 않습니다. 실제 도쿄 및 더 늦게 마감하는 거래소의 타임스탬프를 확인하세요.
의사결정 시간과 다음 실행 가능한 현지 세션을 매니페스트에 기록하세요.
진단용으로 현지 통화 수익률을 보관하세요. FX 가 순위를 바꿀 수 있으므로 USD 환산 내역을 문서화하세요.
휴장일과 겹치지 않는 세션을 거래소 캘린더와 맞추세요. 일괄 월말 조인은 타이밍 오류를 숨길 수 있습니다.
일관된 타이밍이 지원되지 않을 경우, 정렬 가능한 하위 집합을 사용하고 그 한계를 명시하세요.
세 가지 가설. 세 가지 실패 모드.
에이전트가 예쁜 차트가 나올 때까지 수천 개의 팩터를 시도해서는 안 됩니다.
세 가지 단순한 가설을 고정하고, 변형을 제한하고, 한 번에 하나씩 테스트하세요.
모멘텀이 먼저입니다. 그 정의는 지금 Minara 에서 바로 확인할 수 있습니다.
퀄리티와 투자 사이클은 과거 입력값이 감사를 통과할 때까지 설계 전용 상태로 둡니다.
1. 모멘텀. t−12 부터 t−1 까지 복리로 계산한 단순 12 개월 총수익률과, t−12 부터 t−2 까지 복리로 계산하고 t−1 을 건너뛴 12–2 모멘텀을 비교합니다.
특정 시점의 발행사/상장 유니버스, 리밸런싱 캘린더, 선정 규칙, 가중치, 벤치마크, 비용을 고정하세요.
신호 창(signal window)만 변경합니다.
이 테스트는 정의에 따라 다른 종목이 선택되는지 보여줍니다. 무엇이 수익률을 만들었는지는 설명하지 않습니다.
2. 퀄리티. 순위 산정 전에 소규모 국가 간 정의를 고정하세요.
한 가지 후보는 수익성, 대차대조표 건전성, 이익 안정성을 결합합니다.
각 입력값의 단위, 회계 기간, 재작성 정책, 게시 타임스탬프, 비교 불가 또는 누락 필드의 처리 방식을 정의하세요.
회계 기준, 통화, 산업, 회계 연도는 순진한 글로벌 점수를 무너뜨릴 수 있습니다.
결합 점수 옆에 각 구성 요소의 커버리지를 표시하세요. 누락된 필드는 계속 보이게 둡니다.
3. 투자 사이클. 근거 원장에 있는 AI 부문과 연결된 공시 자본 지출을 사용하세요.
실현된 현금 capex, 가이던스, 발표된 약정, 건설 중인 자산, 경영진 목표를 분리하세요. 각각 의미와 날짜가 다릅니다.
수년에 걸친 데이터센터 발표는 완료된 capex 가 아닙니다.
테스트 전에 측정 지표와 시차를 고정하세요. 수익률이 이를 다시 쓸 수는 없습니다.
각 매니페스트에 예상 방향, 입력값, 타이밍, 적격 표본, 통제 변수, 벤치마크, 변형, 기각 규칙, 홀드아웃을 기록하세요.
데이터 사전과 게시 시간 규칙이 검토를 통과할 때까지 "설계 전용" 상태를 유지하세요.
공개된 모멘텀 연구가 질문의 영감을 줄 수 있습니다. 하지만 그 과거 결과가 이 유니버스로 옮겨오지는 않습니다.
저는 구축 참고 자료로 French Mom 을 사용할 것입니다. 이 표본은 자체 정의를 갖습니다.

• 좌측 상단: Factor Library 카탈로그는 신호를 검증하지 않습니다. 화살표는 카탈로그 탭과 건수를 가리킵니다.
• 우측 상단: 유니버스 프리셋 이름은 과거 멤버십을 확립하지 않습니다. 화살표는 Tradfi 30 선택을 가리킵니다.
• 좌측 하단: 이 일반적인 Factor Library 뷰는 일치하는 모멘텀 쌍을 보여주지 않습니다. 화살표는 카테고리/건수 헤더를 가리킵니다.
• 우측 하단: 전략 양식은 사용 가능한 컨트롤을 보여주며, 새 전략은 제출되지 않았습니다. 화살표는 자산 및 포트폴리오 컨트롤을 가리킵니다.
범위가 제한된 Minara 파일럿으로 시작하기
세계 규모의 데이터셋을 구축하기 전에, Minara 에게 명명된 지원 하위 집합에서 일치하는 단순 대비 건너뛰기 월(skip-month) 테스트를 요청하세요.
먼저 가용성 보고서를 요청하세요: 정확한 자산, 식별자, 팩터 정의, 리밸런싱 규칙, 날짜, 비용, 내보내기 필드.
확인되지 않은 필수 항목은 백테스트를 차단합니다.
Factor Library 는 단순 12 개월, 3 개월 및 6 개월 건너뛰기 1 개월, 중간 7–12 개월 정의를 보여주었습니다.
일치하는 단순 12 개월과 12–2 쌍은 여전히 검증이 필요합니다.
이를 확립하려면 팩터 ID 와 코드를 검사하세요.

현재 모멘텀 코드 래퍼는 검사 가능합니다.
12 개월 대 6 개월 테스트는 누락된 12–2 쌍을 대체할 수 없습니다.
사용자 지정 신호에는 지원되는 경로, 검사 가능한 코드, 재현 가능한 입력값이 필요합니다. 그렇지 않으면 오프라인에서 쌍을 계산하세요.
관찰된 TradFi 30 바스켓에는 ETF 와 비미국 상장을 포함해 31 개의 현재 종목이 표시되었습니다.
이를 고정 바스켓 인터페이스 파일럿으로 재사용하세요. 과거 글로벌 AI 멤버십에는 별도 데이터가 필요합니다.
롱 온리 상위 5 개, 동일 가중치, 월간 리밸런싱, 1 배, 벤치마크, 비용을 고정하세요. 신호만 변경합니다.
두 실행 모두 설정, 구성원, 출력을 저장하세요.
그런 다음 단방향 비용 그리드(예: 0, 10, 25, 50 베이시스 포인트)를 테스트하세요.
수수료 제외 개요는 체결 수수료를 보여주었습니다. 이 불일치는 여전히 해결되지 않았으며, 슬리피지는 독립적으로 검증되지 않았습니다.
수수료 전환이 비용 모델을 확립하지는 않습니다.
Codex 는 내보낸 보유 종목과 수익률로부터 가정된 회전율과 공제액을 계산할 것입니다. 아티팩트가 누락되면 '계산되지 않음'입니다.

• 좌측 상단: 저장된 모멘텀 초안과 요청은 현재 구축 상태를 보여줍니다. 화살표는 유니버스 및 포트폴리오 컨트롤을 가리킵니다.
• 우측 상단: 현재 모멘텀 수수료 및 슬리피지 설정은 실행을 검증하지 않습니다. 화살표는 10 bps 수수료 및 슬리피지 설정을 가리킵니다.
• 좌측 하단: 현재 모멘텀 개요에는 새로운 실행이 기록되지 않았습니다. 화살표는 주요 지표를 가리킵니다.
• 우측 하단: 저장된 모멘텀 체결은 독립적으로 재현되지 않았습니다. 화살표는 체결 및 수수료를 가리킵니다.
검사된 2024–2026 창은 개발용 자료입니다. 더 이상 손대지 않은 홀드아웃으로 사용할 수 없습니다.
라이선스가 있는 특정 시점(point-in-time) 데이터로만 과거 블록을 확보하세요. 그렇지 않으면 정의를 고정한 후 전향적 검증을 시작하세요.
Minara 는 실험을 정리합니다. 표시된 모든 성과 수치에는 여전히 뒷받침 근거가 필요합니다.

• 좌측 상단: 심볼별 결과는 제품이 보고한 근거입니다. 화살표는 실현 및 미실현 손익을 가리킵니다.
• 우측 상단: 현재 모멘텀 지표는 과거 채팅 지표와 다릅니다. 화살표는 현재 주요 수치를 가리킵니다.
• 좌측 하단: 현재 저장된 체결은 독립적으로 재현되지 않았습니다. 화살표는 체결 표를 가리킵니다.
• 우측 하단: 이 심볼별 표는 새 실행 없이 동일한 저장 근거를 보여줍니다. 화살표는 표를 가리킵니다.
하나의 공식을 독립적으로 확인하기
오프라인에서 작은 확인부터 시작하세요: 공개된 6 개 규모×모멘텀 포트폴리오 레그(leg)로부터 Kenneth French 의 월간 Mom 을 재구축합니다.
이는 산술을 확인합니다. 글로벌 AI 유니버스와 제안된 포트폴리오는 별도의 검증이 필요합니다.
파서, 날짜 정렬, 수익률 단위, 롱숏 수학을 확인하세요.
1Mom[t] = 0.5 * (SmallHigh[t] + BigHigh[t])2 - 0.5 * (SmallLow[t] + BigLow[t])
French 는 규모와 과거(2–12) 수익률을 사용해 6 개의 가치 가중 포트폴리오를 구성합니다. Mom 은 과거 수익률이 높은 두 포트폴리오의 평균을 구하고 낮은 두 포트폴리오의 평균을 뺍니다.
6 개 레그와 별도로 공개된 Mom 시리즈를 다운로드하세요. 하나의 아카이브 빈티지를 고정하고, 공통 월을 결합하고, 4 개 레그 재구축 결과를 공개된 선과 비교하세요.
계산 전에 공개된 정밀도에 따라 잔차 허용 오차를 설정하세요.
일치하면 공식 배관이 지지됩니다.
이는 증권 수준 입력값, 글로벌 AI 레이블, Minara 이력, 비용, 알파를 검증하지 않습니다.
데이터 라이브러리는 2025 년 1 월 릴리스부터 CRSP FIZ 에서 CIZ 로 전환되었습니다. 월간 배당 재투자 타이밍은 둘 사이에 차이가 있습니다.
별도로 문서화된 비교 없이 이러한 형식을 "연속" 시리즈로 이어 붙이지 마세요.
각 스냅샷의 URL, 검색 시간, 형식, 체크섬, 파서 버전, 단위, 라이선스 메모를 보관하세요.
Data Studio 빌드를 신뢰하기 전에 확인하기
빌더는 선택된 모델로 Claude Opus 5.5 를 보여줍니다. 이것이 이 대시보드에 캡처된 모델 설정입니다.
글로벌 데스크는 아직 구축이 필요합니다. 출력을 사용하기 전에 코드와 데이터를 독립적으로 확인할 것입니다.
Minara 는 앱 버전 1.2.1 을 보고합니다. 대시보드 버전은 자체 번호 체계를 가집니다.
이전 Data Studio 프로젝트는 Version 1 이라고 했지만, Bitcoin 미리보기를 Nvidia/Palantir 계획과 짝지었습니다.

• 좌측 상단: Data Studio 홈은 검증된 계산이 아닌 저장된 프로젝트를 보여줍니다. 화살표는 자연어 입력을 가리킵니다.
• 우측 상단: 이전 Version 1 Bitcoin 미리보기는 이후 요청과 일치하지 않았습니다. 화살표는 Version 1 의 빈 패널을 가리킵니다.
• 좌측 하단: 이전 Nvidia/Palantir 계획은 미리보기가 작동했음을 증명하지 않습니다. 화살표는 Bitcoin 요구사항과 섞인 주식 목표를 가리킵니다.
• 우측 하단: 이전 데이터 요청은 실패했습니다. 화살표는 FMP 이력 및 quote 504 오류를 가리킵니다.

• 좌측 상단: 이전 설정은 결과가 아닌 구성을 보여줍니다. 화살표는 Financial Modeling Prep 의 Ready 상태를 가리킵니다.
• 우측 상단: 이전 코드 뷰는 데이터 검색이 작동했음을 증명하지 않습니다. 화살표는 Bitcoin 구성 요소가 포함된 주식 제목을 가리킵니다.
• 좌측 하단: 새 비교 요청과 분리된 이전 Bitcoin 프로젝트 컨텍스트입니다. 화살표는 전송 전 연구 전용 대시보드 프롬프트를 가리킵니다.
• 우측 하단: 이전 Bitcoin 미리보기는 실패한 주식 정제를 보여줍니다. 화살표는 해당 실패한 요청을 가리킵니다.
Data 탭에는 504 오류가 발생한 4 개의 FMP 요청이 표시되었습니다. 이는 작동하는 주식 비교를 확립하지 못했습니다.

• 좌측 상단: 이전 Data 탭은 4 개의 FMP 504 오류를 보여줍니다. 화살표는 해당 504 실패를 가리킵니다.
• 우측 상단: 이전 저장된 주식 비교 계획은 Bitcoin 미리보기와 일치하지 않았습니다. 화살표는 계획의 목표를 가리킵니다.
• 좌측 하단: 주식 대시보드 템플릿은 완료된 연구가 아닌 사용 가능한 선택지를 보여줍니다. 화살표는 주식 및 매크로 템플릿을 가리킵니다.
• 우측 하단: About 은 Minara 앱 1.2.1 을 보고합니다. 작은 스크린샷은 원래 크기를 유지하며, 화살표는 버전 줄을 가리킵니다.
저는 실제 관측값, 타임스탬프, 보이는 오류를 요청하는 별도의 Nvidia 대 Palantir 리서치 요청을 제출했습니다. 정확한 요청과 후속 조치는 별도의 프롬프트 파일에 저장되어 있습니다.
첫 번째 빌드는 3/5 단계에서 멈췄습니다.

• 왼쪽: 저장된 Version 1 에는 호가가 있었지만 이력과 상관관계는 여전히 대기 중이었습니다. 화살표는 Version 1 의 호가 값과 소스 타임스탬프를 가리킵니다.
• 가운데: Version 1 호가 호출은 HTTP 200 을 반환했습니다. 화살표는 두 개의 HTTP 200 호가 호출을 강조합니다.
• 오른쪽: 여기서는 이력 확장이 여전히 실행 중이었습니다. 나중에 Version 2 를 저장했으며, 화살표는 대기 중인 이력 패널을 가리킵니다.
이력 확장이 Version 2 를 저장했습니다. 앱은 빌드 및 미리보기 검사가 통과되었다고 보고합니다.
UI 는 2026 년 4 월 1 일~10 월 1 일 커버리지를 보여줍니다: 각 심볼마다 반환된 127 개 중 127 개의 유효한 종가. 두 가격 시리즈 모두 첫 공통 날짜에 100 으로 시작합니다.
UI 는 126 개의 쌍을 이룬 일간 수익률에 대해 Pearson 상관관계 0.1421 을 보고합니다. 저는 이를 독립적으로 재현하지 않았습니다.
이는 과거 수익률을 설명합니다. 다음 움직임을 예측하지는 않습니다.

• 좌측 상단: 최종 Version 2 UI 는 호가와 과거 가격을 보여줍니다. 화살표는 Version 2 의 일간 종가 차트를 가리킵니다.
• 우측 상단: Version 2 는 각각 127 개 종가와 126 개 쌍 수익률을 보고합니다. 화살표는 날짜 및 127/127 커버리지 행을 가리킵니다.
• 좌측 하단: 요청 이력은 성공적인 이력 응답 전에 6 번의 HTTP 403 실패를 보여줍니다. 화살표는 해당 HTTP 403 실패와 이후 HTTP 200 응답을 가리킵니다.
• 우측 하단: 이는 전체 파일이 아닌 비교 코드의 시작 부분을 보여줍니다. 화살표는 파서와 중복 날짜 처리를 가리킵니다.

저장된 Version 2 는 지수화된 가격과 UI 가 보고한 상관관계를 보여줍니다. 저는 계산을 독립적으로 재현하지 않았습니다.
미리보기는 실패한 요청도 포함했습니다. 누적 Data 탭은 18 번의 FMP 호출과 6 개의 오류를 보여줍니다.
6 번의 이력 시도가 403 을 반환했고, 그 후 2 번이 HTTP 200 을 반환했습니다. 최종 미리보기는 해당 실패가 여전히 요청 이력에 남은 상태로 렌더링되었습니다.

• 왼쪽: 최종 저장된 계획은 빌드 완료를 보고합니다. 화살표는 호가 및 이력 소스 계약을 가리킵니다.
• 오른쪽: 최종 설정은 데이터를 독립적으로 검증하지 않습니다. 화살표는 FMP 준비 상태와 one-load 주기를 가리킵니다.
검증된 등록 소스는 여전히 원자재, 공급망, 뉴스 예측 입력값을 제공하지 않습니다. 글로벌 파이프라인은 여전히 구축 계획으로 남아 있습니다.
저장된 전략 및 가져오기 워크플로 검사하기
저장된 BTC 전략과 Pine 예시는 검사할 또 다른 워크플로를 보여줍니다. 해당 시뮬레이션과 코드는 주식 연구의 타당성을 확립하지 않습니다.

• 좌측 상단: 이 Pine 예시는 글로벌 주식 연구와 분리되어 있습니다. 화살표는 규모 조정 및 비용 설명을 가리킵니다.
• 우측 상단: 현재 Pine 비용 입력값은 이전 실행 비용을 증명하지 않습니다. 화살표는 대화 상자의 백테스트 비용 값을 가리킵니다.
• 좌측 하단: 저장된 Pine 개요는 제가 재현하지 않은 시뮬레이션을 보고합니다. 화살표는 주요 결과를 가리킵니다.
• 우측 하단: 저장된 Pine 체결은 실시간 주문이 아닌 별도의 시뮬레이션입니다. 화살표는 첫 번째 완료된 거래 행을 가리킵니다.

• 좌측 상단: 코드 가져오기 대화 상자는 검증된 변환이 아닌 입력 화면을 보여줍니다. 화살표는 Pine/코드 입력 영역을 가리킵니다.
• 우측 상단: 이 저장된 Pine 개요는 주식 연구와 분리되어 있습니다. 화살표는 예시의 주요 지표를 가리킵니다.
• 좌측 하단: Pine 소스는 별도로 저장된 예시에 속합니다. 화살표는 해당 코드를 가리킵니다.
• 우측 하단: 저장된 거래 목록은 실시간 주문이 아닌 시뮬레이션 출력을 보여줍니다. 화살표는 해당 행을 가리킵니다.
리포지토리 및 데이터 계약 고정하기
작게 시작하겠습니다: Python, NumPy, pandas, PyArrow, Pydantic, pytest, Ruff, 잠금된 uv 환경.
statsmodels 와 Matplotlib 은 보고서에 필요할 때까지 기다립니다. scikit-learn 은 정의된 모델링 단계를 기다립니다.
패널이 커지면 DuckDB 가 Parquet 을 쿼리할 수 있습니다.
6 개 팩터 시리즈에는 서버, 벡터 데이터베이스, 자율 에이전트 프레임워크가 필요하지 않습니다.
1quant-research-lab/2 AGENTS.md README.md pyproject.toml uv.lock3 config/ schemas/ manifests/{sources,universes,hypotheses}/4 src/qrlab/5 data/{ingest,identifiers,calendar,fx,validate}.py6 universe/{build,evidence,coverage}.py7 factors/{momentum,quality,investment_cycle}.py8 portfolio/{weights,returns,costs}.py9 validation/{splits,metrics,review}.py10 runner.py registry.py reporting.py11 tests/fixtures/ tests/test_*.py12 data/{raw,normalized}/ # ignored by Git13 runs/ # immutable run folders14 reports/
Git 은 코드, 스키마, 합성 픽스처, 민감하지 않은 매니페스트를 관리합니다.
원시 데이터나 라이선스 데이터는 Git 외부에 둡니다.
저는 소스 아카이브를 바이트 단위로 동일하게 유지하고 아카이브와 모든 항목을 해시할 것입니다.
각 정규화된 Parquet 스냅샷은 스키마 버전, 소스 스냅샷, 통화, 단위, 변환 계보를 포함합니다.
실행에는 고정된 입력값이 필요합니다. latest.csv 를 읽지 않습니다.
4 개의 레코드가 체인을 검사 가능하게 만듭니다.
- DataManifest 는 소스, 라이선스, 형식, 검색 타임스탬프, 해시, 커버리지, 파서, 빈티지를 기록합니다.
- UniverseManifest 는 멤버십 규칙, 근거 레이블, 발행사-상장 맵, 건수, 제외 항목, 기준일 규칙을 고정합니다.
- ExperimentSpec 은 가설, 입력값, 신호, 날짜, 포트폴리오 매핑, 벤치마크, 비용, 기각 규칙을 정의합니다.
- RunManifest 는 코드 커밋, 잠금 파일, 입력 해시, 명령어, 환경, 출력 해시, 외부 호출, 상태를 기록합니다.
별도의 ReviewResult 는 아티팩트를 인용하고 미해결 문제를 나열합니다.
- 각 유니버스 구성원에 대해 issuer_id, listing_id, valid_from, valid_to, known_at, instrument_type, country, exchange, currency, source_snapshot_id 가 필요합니다.
- 각 근거 주장에는 게시 및 캡처 타임스탬프, 주장 텍스트, 근거 소스, 분류 규칙, 검토자도 필요합니다.
- 재무 값에는 기간 시작/종료, available_at, 원래 통화, 단위, 보고 값, 재작성 상태, 소스가 필요합니다.
- 수익률에는 가격 또는 총수익률 산출 방식, 기업 행동 정책, 상장 폐지 처리, 기준 통화 환산, FX 타임스탬프가 필요합니다.
기간 종료일은 공시가 언제 이용 가능해졌는지 알려주지 않습니다.
- 테스트는 available_at <= decision_at 을 강제합니다. 거래는 알 수 있는 신호를 따르며, 목표 수익률은 실행 후에 시작됩니다.
- 행을 상장으로 확장하기 전에 날짜를 분할할 것입니다.
- 동일한 의사결정 날짜는 하나의 폴드에 머뭅니다. 훈련 레이블은 수익률 구간이 검증과 겹칠 때 제거됩니다.
- 하나의 숫자 격차는 서로 다른 기간이나 캘린더를 포괄하지 못합니다.
백테스팅 전에 계산 및 실패 규칙 고정하기
각 실행은 신호, 보유 종목, 총수익률, 비용을 분리합니다.
- 신호는 의사결정 시점에 이용 가능한 정보를 사용해 적격 발행사에 순위를 매깁니다.
- 동점은 결정론적 규칙을 따릅니다.
- 포트폴리오 구축은 사전 설정된 종목 수를 선택하고, 가중치를 정규화하고, 누락되거나 거래 정지된 상장을 처리하고, 거부된 포지션을 기록합니다.
- 비용 레이어는 선언된 수수료, 회전율, 스프레드, 슬리피지, FX 가정을 적용합니다.
- 총수익률을 순성과로 표시할 수 없습니다.
글로벌 수익률 사양은 기준 통화와 환산 타임스탬프를 고정합니다.
현지 총수익률과 환율 수익률은 곱셈 방식으로 결합됩니다: (1 + local_return) \ (1 + fx_return) - 1.*
실제 총수익률 데이터나 문서화된 배당 및 기업 행동 정보가 필요합니다. "조정 종가(adjusted close)"만으로는 계산 근거를 설명할 수 없습니다.
누락된 상장 폐지 수익률에는 커버리지 경고가 표시됩니다. 실패한 기업은 소리 없이 사라지지 않습니다.
- 라이선스 데이터를 사용하기 전에, 합성 픽스처(synthetic fixtures)로 ADR 중복 제거, 주식 클래스 매핑, 시점 기준(point-in-time) 라벨 변경, 현지 공휴일, 비동기 장 마감, 환율 변환, 상장 폐지, 중복 관측치, 누락된 공시, 포트폴리오 가중치를 테스트합니다.
- French Mom 픽스처는 부호, 일회성 퍼센트 변환, 공통 월 정렬, 연도 섹션 제외, 반올림 범위를 확인합니다.
- 동일한 매니페스트, 코드, 입력값으로 다시 실행합니다. 수치 산출물은 반드시 일치해야 합니다.
해시가 변경되면 실행이 중단됩니다.
- 결과는 verified_reconstruction, not_reproduced, not_calculated, blocked 중 하나로 기록됩니다.
- blocked 상태에는 사유가 필요합니다. 예를 들어 지원되지 않는 국가 이력, 미해결 발행사 매핑, 알 수 없는 통화 타이밍, 일치하는 Minara 팩터 쌍 누락 등이 있습니다.
- 에이전트는 누락된 필드를 추측해서 넘어갈 수 없습니다.
- 커버리지 건수와 누락 항목은 수익률 표 옆에 함께 표시됩니다.
모든 아이디어에 시험 원장(trial-ledger) 항목을 부여하세요
계산 전에 각 아이디어는 버전이 관리되는 가설 매니페스트를 받습니다. 여기에는 경제적 근거, 정확한 공식, 필수 필드, 이용 가능 지연 시간(availablity lag), 적격 유니버스, 기간, 형성 및 실행 시간, 벤치마크, 비용, 개발 창, 홀드아웃, 계획된 변형, 기각 기준이 포함됩니다.
원장은 파서 오류와 부정적 결과를 포함한 모든 실행을 기록합니다.
- 출력 결과를 본 후 공식을 변경하면 새로운 매니페스트 버전이 생성됩니다. 기존 기록은 그대로 유지됩니다.
- 레지스트리는 proposed, design_only, data_audited, implemented, challenged, independently_reviewed, research_qualified, rejected, paper_research 등의 상태를 사용할 수 있습니다.
이러한 상태 이름은 제안 단계입니다. 레지스트리는 아직 구축되지 않았습니다.
- French 산술 방식과 일치하면 verified_reconstruction을 획득할 수 있습니다. 주식 모델을 검증하려면 별도의 증거가 필요합니다.
- research_qualified 상태가 되려면 출처 계보, 결정론적 계산, 시점 기준 검사, 동결된 검증, 비용 처리, 그리고 결과를 재현할 수 있는 검토자가 필요합니다.
- 이를 통해 paper-research 단계를 거칩니다. 하지만 자본 투입을 승인하는 것은 아닙니다.
- 추론 시 동일 날짜의 종목명은 함께 묶어두세요. 횡단면 순위 상관계수는 날짜별로 보고하고, 모든 종목-일자(stock-day)를 독립적으로 취급하지 마세요.
포트폴리오 샤프 지수 추정치에는 불확실성 구간과 계열 의존성을 처리하는 방법이 필요합니다.
- 홀드아웃을 보기 전에 통계량을 먼저 선택하세요. 몇 개의 가설과 변형을 시도했는지 보고해야 합니다.
- Two Sigma 의 샤프 지수 추정 및 가설 검정에 대한 논의는 유용한 방법론 참고 자료입니다.
통계적으로 유의미한 결과라도 생존자 편향, 구식 라벨, 커버리지, 실행 문제가 있을 수 있습니다.
각 도구에 맞는 역할을 부여하세요
Minara 는 리서치 데스크를 정리합니다. 질문을 체계화하고, 팩터 및 전략 표면을 점검하며, 지원되는 자산을 기록하는 데 사용할 것입니다.
- 초기 인수인계는 수동으로 진행됩니다.
- 계정 권한, 인증, 결제, 속도 제한, 응답 형식, 연구 전용 프롬프트를 테스트한 후에는 이후 어댑터에서 문서화된 채팅 API 를 사용할 수 있습니다.
- 현재 문서는 POST /v1/developer/chat 과 상태 라우트를 설명합니다.
- stream: false 인 경우에만 background: true 를 지정하도록 명시하고, requestId 멱등성을 문서화하며, 완료 상태를 24 시간 동안 유지합니다.
해 상태가 만료되기 전에 승인된 응답을 캐시하겠습니다.
- 문서화된 라우트는 여전히 계정 테스트가 필요합니다. 시점 기준 시장 데이터로 사용되기 전에 답변을 검증해야 합니다.
- Codex 는 결정론적인 작업을 처리합니다. 각 작업은 하나의 출력, 저장소, 매니페스트 ID, 승인된 입력, 금지된 부작용, 수용 검사를 받습니다.
- Codex 는 파서, 정답 기반 테스트, 데이터 검증기, 보고서, 실험 코드를 작성할 수 있습니다.
- 취약한 결과로는 동결된 팩터를 변경할 수 없습니다. 실행되지 않은 검사는 통과로 처리될 수 없습니다. 단순한 설명글로 후보를 적격하게 만들 수는 없습니다.
모든 변경 사항은 새 실행에 첨부된 코드 diff 가 됩니다.
Jev 는 타입이 지정된 증거를 확인합니다. 소스 해시, 단위, 공개 시점, 누락 데이터 규칙, 수익률 유형, 독립 테스트는 먼저 하드 게이트를 통과해야 합니다.
게이트를 통과하지 못하면 blocked 가 반환됩니다. Jev 는 이를 무시할 수 없습니다.
- 산출물이 통과하면 Jev 는 needs_evidence, schema_issue, ready_for_human_review 로 분류할 수 있습니다.
- 기존 0.65 임계값은 제안된 라우팅 설정이며, 보정된 안전 경계가 아닙니다.
- 신뢰도가 낮으면 판단을 유보합니다. 신뢰도가 높아도 사람의 검토가 필요합니다.
- Jev 는 증권을 순위 매기거나, 수익률을 계산하거나, 실패한 테스트를 무효화하거나, 모델을 승인할 수 없습니다.
Dots 는 작업을 조율합니다. 승인된 클라우드 프로젝트가 존재하면 상태를 추적하고, 체크리스트를 유지하며, 범위가 제한된 작업 브리프를 준비할 수 있습니다.
코드 실행은 여전히 Codex 가 담당합니다.
- 지원되는 인수인계가 테스트되고 저장될 때까지, Codex 작업을 수동으로 시작하고 반환된 커밋, 매니페스트, 실행 ID, 증거 링크를 비교하겠습니다.
- 에이전트의 방향을 돌리려는 악의적인 메모로 이를 테스트하겠습니다. 에이전트는 반드시 증거 필드 안에 머물러야 합니다.
체크포인트 단위로 하나씩 구축하세요
0. 질문을 동결하세요. 대상 상장 유형, AI 노출 클래스, 후보 국가, 기준 통화, 최소 소스 증거를 선택합니다.
결과물은 범위 정의 문서입니다.
수익률 계산은 기다립니다.
1. 커버리지를 감사하세요. Minara 에서 이용 가능한 주식 유니버스와 제안된 모든 외부 데이터 소스를 목록화합니다.
- 국가/거래소/날짜/필드 매트릭스, 라이선스 참고 사항, 누락 부분을 생성합니다.
- Minara 는 표면(surface)과 내보내기가 검증 가능할 때만 지원되는 하위 집합으로 간주됩니다.
- 과거 멤버십이나 총수익률이 누락되면 해당 연구에 대해 not_calculated 로 처리됩니다.
2. 식별 및 증거 테이블을 구축하세요.
- 날짜가 지정된 별칭, ADR 링크, 캘린더, 통화, 증거 라벨을 사용하여 발행사와 상장 종목을 매핑합니다.
- 수작업으로 확인한 예시를 통해 중복 방지 및 과거 known_at 로직을 테스트합니다.
- 검증 기준: 검토자가 특정 날짜에 각 엔티티가 포함되거나 제외된 이유를 설명할 수 있어야 합니다.
3. 오프라인 코어를 생성하세요.
- 스키마, 잠금 파일(lockfile), 불변 실행 폴더, 해시, 픽스처 데이터셋, 그리고 제안된 CLI 명령어(qrlab universe-audit, qrlab validate-data, qrlab run, qrlab report)를 추가합니다.
- 이러한 명령어 이름은 제안 단계이며 아직 작동하지 않습니다.
- 검증 기준: 클린 체크아웃 상태에서 제품 API 키 없이 합성 데이터를 검증할 수 있어야 합니다.
4. 산술을 검증하세요.
- 고정된 French Mom 빈티지 하나를 재구성하고 글로벌 데이터 픽스처 테스트를 실행합니다.
- 결과를 보기 전에 허용 오차를 설정합니다.
- 검증 기준: 빈티지 혼합이나 묵시적 정렬 없음, 잔차 범위 제한, 재현 가능한 파일.
- 실패하면 not_reproduced 로 기록합니다. 통과시키기 위해 허용 범위를 임의로 조정하지 마세요.
5. Minara 파일럿을 실행하세요. 먼저 가용성 매니페스트를 요청합니다.
- 정확히 동일한 유니버스의 plain/skip 쌍과 필수 설정을 검사할 수 있다면 이를 동결하고 비교합니다.
- 그렇지 않으면 Minara 는 계속 연구를 정리합니다. 일치하지 않는 비교는 실행하지 않은 상태로 둡니다.
- 게시하기 전에 계정 식별자를 제거하고 각 스크린샷이 정확히 무엇을 보여주는지 캡션을 답니다.
6. 세 가지 연구를 사전 등록하세요.
- 모멘텀, 퀄리티, 투자 사이클 정의를 각각 별도로 동결합니다.
- 유니버스, 입력값, 타임스탬프, 상장 폐지 종목 커버리지, 비용이 검토를 통과한 연구부터 시작합니다.
- 나머지 두 개는 design_only 상태로 유지됩니다. 그 결과가 첫 번째 테스트에 영향을 주어서는 안 됩니다.
7. 통합은 마지막에 추가하세요.
- 연구 전용 요청 한 건으로 API 키와 비용을 확인합니다.
- 수작업으로 라벨링된 사례에서 Jev 의 거짓 통과(false-pass) 및 판단 유보 행동을 측정합니다.
- 클라우드 권한과 좁은 범위의 작업 계약이 명확해진 후 Dots 를 구성합니다.
- 통합이 실패하더라도 오프라인 코어는 계속 작동해야 합니다.
첫 번째 성과의 모습
첫 번째 성과는 제가 직접 검사할 수 있는 유니버스 감사입니다.
- 무엇이 커버되는지, 각 발행사가 왜 적격한지, 이력이 어디서 끝나는지 보여줍니다.
- 이후 공식 확인과 소규모 제품 파일럿을 통해 어떤 부분을 재현할 수 있는지 파악합니다.
- 그런 다음 모멘텀, 퀄리티, 투자 사이클이 각각 자체 연구를 갖게 됩니다.
거절 사유를 설명할 수 있을 때 랩은 더 강력해집니다. 누락된 데이터는 보고서에 빈칸으로 남으며, 결코 확신에 찬 추측으로 대체되지 않습니다.
검토할 추가 앱 기능
이 패널들은 더 많은 앱 표면과 중간 빌드 상태를 보여줍니다. 글로벌 리서치 시스템은 아직 구축해야 합니다.

• 왼쪽 이 코딩 인터페이스는 다른 저장된 프로젝트에 속해 있습니다. 화살표는 explore, build, review, fix 액션을 가리킵니다.
• 오른쪽 가져오기 대화 상자는 완료된 가져오기가 아닌 이용 가능한 표면을 보여줍니다. 화살표는 이미지/비디오 드롭 영역을 가리킵니다.
아래의 universe-audit 프롬프트로 시작하세요. 수익률 수치는 다른 사람이 이를 재구축할 수 있을 때 비로소 의미를 갖습니다.
랩에 전달할 첫 6 개 요청
이 6 개 프롬프트를 순서대로 실행하세요. 각 산출물은 다음 단계를 제약하며, 성과보다 커버리지와 증거가 먼저 확인됩니다. 모든 정확한 프롬프트를 매니페스트 및 실행 ID 와 함께 저장하겠습니다.
1. 유니버스 감사
1글로벌 상장 AI 주식에 대한 제안된 유니버스 범위를 작성하세요. 단순 티커 목록만 반환하지 마세요.23발행사와 상장 종목을 분리하고, 보통주/ADR 코어, 제외되는 상품 유형, 국가 및 거래소 커버리지 관련 질문, 직접적 AI 노출, 공급업체/지원업체, 워치리스트 전용 주장을 분류하는 데 필요한 증거를 정의하세요.45현재 및 과거 멤버십에 필요한 소스와 필드를 나열하세요. 모든 미확인 항목을 표시하세요. 완전한 글로벌 커버리지를 추론하거나 현재 설명을 바탕으로 과거 라벨을 할당하지 마세요.67버전이 지정된 UniverseManifest 초안과 커버리지 감사 체크리스트만 출력하세요. 백테스트는 하지 마세요.
2. 밸류체인 증거
1제공된 날짜 지정 공시 및 소스 문서만을 사용하여, 각 후보 발행사를 제안된 AI 밸류체인 택소노미에 매핑하세요.23모든 라벨에 대해 뒷받침되는 증거를 인용하거나 위치를 지정하고, 문서 날짜 및 게시 타임스탬프, 사업 부문, 발행사/상장 종목 식별자, 소스 해시, 라벨 규칙, 검토자 상태를 기록하세요.45공시된 직접 AI 매출, 식별 가능한 공급업체/지원업체, 경영진 주장만 있는 경우 또는 증거가 약한 경우를 구분하세요.67증거가 없거나 상충하는 경우 unknown/watchlist 를 사용하고 그 이유를 설명하세요. 문서가 공개되기 전의 과거 라벨을 생성하지 마세요.
3. 세 가지 가설
1감사된 유니버스에 대해 사전 등록 가능한 세 가지 개별 연구 명세서를 작성하세요: (a) 기본 12 개월 대비 12–2 모멘텀, (b) 시점 기준 회계 입력값을 사용한 소규모 퀄리티 복합 지표, (c) 실현된 설비투자(capex)와 가이던스 또는 약정을 분리하는 하나의 AI 투자 사이클 지표.23각각에 대해 공식, 예상 방향, 이용 가능 지연 시간, 적격 샘플, 벤치마크, 기간, 통제 변수, 변형, 비용, 기각 규칙, 홀드아웃을 명시하세요.45성과를 추정하거나 여러 가설을 하나의 점수로 결합하지 마세요. 필수 필드나 이력을 이용할 수 없는 경우 해당 명세를 design_only 로 표시하세요.
4. Minara 지원 하위 집합 비교
1전략을 실행하기 전에, 이 Minara 계정에서 실제로 지원되는 글로벌 주식 상장 종목, 팩터 정의, 날짜, 포트폴리오 설정, 비용 설정, 내보내기 필드를 보고하세요.23두 공식이 모두 동일한 검증된 유니버스를 사용하고 신호(signal)를 제외한 모든 설정이 동일한 경우에만 일치하는 plain-12-month vs 12–2 비교를 제안하세요.45동일 룩백 쌍, 시점 기준 멤버십, 필수 출력을 이용할 수 없는 경우 중단하고 not_calculated 를 반환하세요. 다른 룩백으로 대체하거나 검증되지 않은 성과를 증거로 인용하지 마세요.
5. Codex 엔지니어링 작업
1quant-research-lab 저장소에서 승인된 오프라인 유니버스 감사 및 데이터 검증 마일스톤만 구현하세요.23승인된 UniverseManifest 및 DataManifest 에서 시작하세요.45라이선스가 있는 소스 스냅샷이 명시적으로 제공되지 않는 한 합성 픽스처를 사용하세요. 발행사/상장 종목 중복 제거, 날짜가 지정된 AI 증거 라벨, 커버리지 건수, 타임스탬프 및 통화/캘린더 검사, 결정론적 테스트, 불변 실행 출력을 추가하세요.67외부 API 를 호출하거나, 동결된 가설을 변경하거나, 라이선스 데이터를 가져오거나, 거래를 생성하거나, 글로벌 커버리지가 완전하다고 주장하지 마세요. diff, 명령어, 테스트 출력, 해시, 차단된 필드, 사람의 검토를 위한 다음 결정을 반환하세요.
6. 회의적 감사
1요약본에 의존하지 않고 동결된 매니페스트, 소스 파일, 코드 diff, 테스트 출력, 실행 산출물을 검토하세요.23유니버스 매핑과 모든 성과 주장을 반증하려고 시도하세요.45중복 발행사/ADR, 생존자 편향, AI 라벨 미래 정보 선취(lookahead), 누락된 국가, 미확인 데이터 권리, 구식 통화, 비동기 장 마감, 환율 타이밍, 기업 행동, 상장 폐지, 비용 가정, 테스트 누수, 사전 등록 계획과의 모든 변경 사항을 확인하세요.67정확한 산출물 경로와 해시를 인용하세요.89아무것도 수정하거나 다시 실행하지 마세요. 각 요구사항에 대해 pass, blocked, not_reproduced 를 반환하고, 반례를 나열하며, 해당 결과가 증명하지 못하는 바를 명시하세요.
출처 참고
• Minara, Agent API 개요 및 API 키 엔드포인트 레퍼런스. 제품 권한 및 계정 접근은 아직 테스트되지 않았습니다.
• Kenneth French, 월간 모멘텀 팩터 구성 및 Data Library 빈티지 및 CRSP FIZ/CIZ 참고 사항.
• AQR, Fact, Fiction, and Momentum Investing.
• Two Sigma, Sharpe ratio estimation and hypothesis testing.
• TypeSafe, Jev and typed decision outputs; OpenAI, Introducing Dots.
• DuckDB, Parquet documentation; pytest, documentation.





