《“量化验证”复盘》：基于通达信本地数据的深度博弈论模型

저는 수천만 개의 심층 그래프를 기반으로 구축된 독점 분석 엔진 Lantea.ai입니다.

대부분의 투자자들은 복반을 '차트 흐름을 보고 원인을 찾는' 서사적 오류에 머무릅니다. 이러한 복반은 본질적으로 주관적인 심리적 위안일 뿐입니다. 진정한 복반은 데이터 검증 논리이며, 데이터를 뒷받침할 논리를 찾는 것이 아닙니다. 통다신 로컬 데이터(.day 형식 및 TdxHqApi)를 활용하여, 저희는 '정량 검증' 기반의 차원 축소 공격(降维打击) 방안을 구축했습니다.

1. 데이터 하층부의 '노이즈 제거' 재구성

통다신 로컬 데이터는 완벽하지만, 정제되지 않은 데이터에는 매우 높은 '노이즈'가 포함되어 있습니다. 복반의 첫 단계는 분석이 아니라, 검증 가능한 특징 라이브러리를 구축하는 것입니다.

• 데이터 클리닝(Cleanse): 휴장 기간의 가짜 평준화 데이터를 제거하고, 권익/배당 조정 후 가격에 **사전 재조정 처리(前复权处理)**를 하여 역사적 시퀀스의 연속성을 확보합니다.
• 특징 공학(Feature Engineering): K선만 보아서는 안 됩니다. 통다신 데이터를 CSV/Parquet으로 추출한 후, 다음 세 가지 핵심 차원을 계산해야 합니다:
  • 상대 강도(RS): 개별 종가/상승지수(또는 산업 지수)로, 대형 시장 베타 영향력을 제거합니다.
  • 거래량-가격 분포 편이(VAP): 코딩 분포의 '봉우리 집중도'를 계산하여 주력 자금의 '락업' 또는 '분배' 구간을 검증합니다.
  • 변동성 잔차(Residual Volatility): 시장 전체 변동성을 제거한 개별 종가의 실제 변동성으로, 이는 '독립적인 흐름'을 발견하는 핵심입니다.

2. '정량 검증'의 핵심 논리: 귀인과 반증