원고
한국 주식 PIT 데이터베이스와 LLM 멀티에이전트 헤지펀드
경쟁력은 AI가 아니라 PIT 데이터에 있다 — 실전 운용에 필요한 세 축의 보강
- 구성
- PIT DB · 에이전트 조직 · 검증과 규제 · 설계 제안
- 성격
- 읽는 문서 · 참고문헌 포함
1
한국 주식 PIT DB와 AI 헤지펀드
네 개의 질문으로 사례를 해부한다 — 데이터의 시점이 맞아야 에이전트의 판단도 의미가 있다
- 네 질문
- 한국 PIT DB · AI 헤지펀드 · 검증과 규제 · 설계와 적용
- 보강할 축
- 성과 구간 분리 · LLM 사전학습 누수 · 투자자문 규제
2
Claude Code로 구축하는 한국 주식 PIT DB
정정공시까지 시점별로 보존하는 데이터 계층 — 에이전트는 코드를 쓰고, 데이터 규칙은 hook이 지킨다
- 네 단계
- 목표와 설계 · Claude Code 구성 · 수집과 파싱 · 검증과 운영
- 다루는 것
- 스키마 · 서브에이전트 · 정정 감지 · 회귀 테스트 · cron
3
Claude Code로 구현하는 AI 헤지펀드
에이전트는 연구하고, 코드는 심사하고, 사람은 승인한다 — LLM의 판단은 코드가 정한 게이트를 통과할 때만 돈이 된다
- 네 단계
- 설계 원칙 · 저장소와 에이전트 · 연구와 심사 · 매크로 운영
- 다루는 것
- 5계층 권한 분리 · 13개 역할 · 사전등록 · DSR 게이트 · 결정 로그