대부분의 금융 대시보드는 가격(prices)에서 시작합니다.

분석 도구를 만드는 개발자에게는 이해할 수 있는 일입니다. 가격은 이용 가능하고, 차트로 그리기에 용이하며, 비교하기가 단순하기 때문입니다.

하지만 포트폴리오 리스크 분석 (portfolio-risk analysis)을 위해서는, 가격은 대개 여러 가지 더 깊은 상태(states)들의 최종 결과물인 경우가 많습니다.

브라질 시장에서 이러한 상태에는 금리, 인플레이션 (inflation), 통화 (currency), 주식 시장 폭 (equity breadth) 및 자산 간 상관관계 (cross-asset correlation)가 포함됩니다.

Regime-detection (체제 탐지) 레이어는 자산 성과를 해석하기 전에 이러한 상태들을 분류하려고 시도해야 합니다.

목표 (The Goal)

이 시스템의 목적은 다음 Ibovespa 종가나 다음 USD/BRL 틱(tick)을 예측하는 것이 아닙니다.

목적은 더 유용한 질문에 답하는 것입니다:

현재 포트폴리오가 어떤 환경에서 작동하고 있는가?

실질적인 시스템은 브라질의 시장 상태를 다음과 같은 범주로 분류할 수 있습니다:

제한적인 금리 (Restrictive rates).

인플레이션 지속성 (Inflation persistence).

통화 지지 (Currency support).

통화 압박 (Currency pressure).

좁은 주식 시장 폭 (Narrow equity breadth).

광범위한 주식 참여 (Broad equity participation).

상관관계 스트레스 (Correlation stress).

혼합 또는 불확실한 체제 (Mixed or uncertain regime).

최종 라벨에는 항상 신뢰도 점수 (confidence score)가 포함되어야 합니다.

데이터 블록 (Data Blocks)

첫 번째 블록은 금리 (rates)입니다.

유용한 입력값으로는 Selic 금리, DI 선물, 명목 수익률 (nominal yields), 인플레이션 기대치 (inflation expectations) 및 추정 실질 금리 (estimated real rates) 등이 포함될 수 있습니다.

시스템은 금리가 평행하게 이동하는지, 스티프닝 (steepening, 수익률 곡선 가팔라짐), 플래트닝 (flattening, 수익률 곡선 평탄화)되는지, 또는 단기물과 장기물 사이에서 발산 (diverging)하는지를 탐지해야 합니다.

두 번째 블록은 인플레이션 (inflation)입니다.

시스템은 헤드라인 수치(headline number)만 저장해서는 안 됩니다. 가능한 경우 식품, 서비스, 주거, 규제 가격 및 수입 카테고리를 분리해야 합니다.

서로 다른 카테고리는 서로 다른 지속성 (persistence)을 가집니다.

세 번째 블록은 통화 (currency)입니다.

USD/BRL은 금리 차이 (interest-rate differential), 글로벌 달러 강세 (global dollar strength), 원자재 상황 (commodity conditions), 로컬 리스크 프리미엄 (local risk premium) 및 외국인 자본 흐름 (foreign capital flows)과 같은 가능한 동인들로 분해되어야 합니다.

네 번째 블록은 주식 시장의 폭 (equity breadth)입니다.

여기에는 섹터 참여도 (sector participation), 상승 종목 대 하락 종목 (advancing versus declining names), 회전율 집중도 (turnover concentration) 및 소수 기업 그룹에 의해 설명되는 지수 움직임의 비중이 포함될 수 있습니다.

다섯 번째 블록은 상관관계 (correlation)입니다.

주식, 채권, 통화, 원자재 및 디지털 자산 전반에 걸친 이동 상관관계 (rolling correlations)는 분산 투자 (diversification)가 점점 더 취약해지고 있는지를 나타낼 수 있습니다.

단순한 시스템 설계

깔끔한 아키텍처 (architecture)는 다섯 가지 단계로 구성될 수 있습니다.

데이터 수집 (Data ingestion).

특징 공학 (Feature engineering).

신호 분류 (Signal classification).

신뢰도 점수 산정 (Confidence scoring).

인간이 읽을 수 있는 설명 (Human-readable explanation).

설명 레이어 (explanation layer)는 필수적입니다.

"통화 압력이 상승하고 있다"라고 말하는 모델은 해당 신호가 글로벌 달러, 로컬 금리, 원자재 움직임 또는 시장 유동성(market liquidity) 중 어디에서 오는지도 설명해야 합니다.

설명 레이어가 없다면 시스템은 블랙박스 (black box)가 됩니다.

금융 환경에서 블랙박스는 거버넌스 (govern)를 수행하기 어렵습니다.

특징 로직 예시

금리 블록의 경우:

만약 Selic 금리가 높고, 실질 금리 (real rates)가 양수이며, 수익률 곡선의 장기물 (long end)이 단기물 (front end)보다 더 빠르게 상승한다면, 시스템은 금리 체제 (rate regime)를 장기물 스트레스가 동반된 긴축 (restrictive) 상태로 분류할 수 있습니다.

인플레이션 블록의 경우:

만약 헤드라인 인플레이션 (headline inflation)은 하락하지만 서비스 인플레이션 (service inflation)과 기대 인플레이션 (expectations)이 견고하게 유지된다면, 시스템은 인플레이션 리스크가 완전히 해결된 것으로 분류하는 것을 피해야 합니다.

통화 블록의 경우:

만약 글로벌 달러가 약세인 상황에서 헤알화 (real)가 강세라면, 모델은 해당 움직임을 자동으로 국내 상황의 개선 덕분으로 돌려서는 안 됩니다.

시장 폭 (breadth) 블록의 경우:

만약 시장 참여도가 좁아지면서 주식 지수가 상승한다면, 시장 상태는 덜 견고한 (less robust) 것으로 표시되어야 합니다.

상관관계 (correlation) 블록의 경우:

변동성 기간 동안 자산 전반에 걸쳐 이동 상관관계 (rolling correlations)가 상승한다면, 시스템은 분산 투자 스트레스 (diversification stress)를 경고해야 합니다.

이것이 중요한 이유

개발자들은 종종 예측 정확도 (prediction accuracy)로 모델의 품질을 측정합니다.

포트폴리오 시스템에서는 해석 가능성 (interpretability)과 안정성 (stability) 또한 그만큼 중요할 수 있습니다.

상승하는 불확실성을 정확하게 식별하는 체제 분류기 (regime classifier)는, 설령 정확한 가격을 예측하지 못하더라도 리스크 관리자들에게 도움을 줄 수 있습니다.

모델은 신뢰도 (confidence)가 높을 때, 신호가 혼재되어 있을 때, 그리고 인간의 검토가 필요할 때를 사용자에게 알려주어야 합니다.

이는 통화 정책 (monetary policy), 인플레이션 (inflation), 재정 기대치 (fiscal expectations), 환율 변동 (currency movement) 및 글로벌 유동성 (global liquidity)이 종종 빠르게 상호작용하는 브라질에서 특히 중요합니다.

최종 원칙

훌륭한 금융 AI 시스템은 확신에 찬 것처럼 들리려고 노력해서는 안 됩니다.

대신 유용해지려고 노력해야 합니다.

브라질 시장 데이터를 위해서는, 가격이 이야기의 전부가 아니라는 점을 인식하는 것에서부터 유용성이 시작됩니다.

가격은 변화하는 체제 (regimes)의 결과물입니다.

상태 레이어 (state layer)를 먼저 구축하십시오.

가격은 나중에 해석하십시오.

https://www.profdrgustavohenriquevalente.com/