이 시스템에서 LLM은 직접 주문을 내지 않는다. 기업뉴스와 거시 agent가 구조화 보고서를 만들고, coordinator가 기존 모멘텀 점수·현금 reserve·보유상태와 결합한다. 응답 parsing이나 분석이 실패하면 결정론적 fallback이 작동한다. 해석과 자본배분, 실행을 분리한 점이 채권 agent의 운영통제에 유용하다.
브로커가 기록한 paper account는 관측창에서 34.5%를 기록했고 SPY는 14.4%였지만, 계정의 최대낙폭은 더 컸다. 저자들은 이 궤적이 LLM 지시 거래의 역사적 인과효과가 아니라고 선을 긋는다. 회고 reconstruction에서도 일정 현금비중 control이 stance 기반 sizing과 가까운 추정치를 내 모델 정보가 얼마만큼 기여했는지 식별하지 못했다.
한국 채권 적용에서는 agent가 금통위·입찰·물가·고용·공시의 방향과 근거시각만 정해진 schema로 내고, 별도 엔진이 듀레이션·만기·유동성·거래금지 창과 kill switch를 집행해야 한다. paper 결과는 alpha 증거가 아니며 일부 원자료와 private strategy도 공개되지 않았다. 따라서 agent 사용 여부와 일정 현금, 지연분석, fallback을 같은 OOS 창에서 비교해야 한다.
SCOPE주식 paper account와 회고 replay다. 실자본 운용성과가 아니며 selection·weighting·exposure·execution의 기여를 분리하지 못했고 일부 원자료와 전략이 비공개다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
LLM 분석을 주문으로 바꿀 때 어디에서 통제해야 하는가3 primary · 0 archived +
broker-recorded paper account는 구조화 LLM 분석과 규칙기반 실행을 결합하고 결정론적 fallback을 사용했다.
ORIGINAL PASSAGEoperated with deterministic fallbacksarXiv:2611.11657v1, Abstract and system design, lines 91-97, accessed 2026-11-12관측기간 paper account 수익률과 SPY 수익률은 각각 34.5%와 14.4%였고 전자의 낙폭이 더 컸다.
ORIGINAL PASSAGEreturned 34.5%, compared with 14.4% for the S&P 500 fund SPYarXiv:2611.11657v1, Abstract and Section 5.1, lines 91-93 and 157-161, accessed 2026-11-12일정 현금비중 control이 모델의 stance 기반 sizing과 가까운 수익률 추정치를 냈다.
ORIGINAL PASSAGEconstant-cash control gives a return estimate closearXiv:2611.11657v1, Abstract and Section 5.4, lines 92-93 and 173-178, accessed 2026-11-12Show the original briefing text
구분: 최신 연구·LLM 분석 에이전트와 규칙기반 포트폴리오 실행
발표일: 2026년 11월 8일
핵심 요약
arXiv 원문은 모멘텀 포트폴리오, 기업뉴스·거시 LLM 분석가, 구조화 응답, 결정론적 coordinator와 fallback을 결합한 주식 paper-trading 시스템을 공개한다. 브로커가 기록한 2026년 3월 11일~8월 28일 계정은 34.5%를 기록해 SPY의 14.4%를 웃돌았지만 최대낙폭은 더 컸고, 해당 경로는 LLM이 지시한 역사적 실거래의 인과효과가 아니다. 일정 현금비중 control이 모델의 stance 기반 sizing과 가까운 추정치를 냈으며, 저자들은 일부 원자료와 private strategy가 없어 완전 재현과 기여도 분리가 불가능하다고 명시한다.
실무 시사점
가장 재사용할 부분은 수익률 숫자보다 통제 구조다. LLM은 뉴스와 거시자료를 정해진 schema로 요약하고, 포트폴리오 규칙이 위험예산과 주문을 결정하며, parse 실패에는 결정론적 fallback이 작동한다. 이 분리는 채권 데스크에서도 거시·발행·신용 뉴스 해석과 DV01·만기·유동성 한도 결정을 분리해 모델 오류가 곧바로 주문으로 번지는 것을 막는다. 논문 결과는 paper account와 회고 replay이므로 alpha나 실거래 P&L 증거가 아니다.
한국 시장 복제 아이디어
금통위 문서, 입찰결과, CPI·고용, 발행사 공시를 읽는 한국어 agent가 방향·신뢰도·근거시각을 JSON으로 내도록 한다. 별도 결정론 엔진이 KTB 선물·국고채 만기 bucket의 DV01 한도, 현금 reserve, 거래금지 창과 kill switch를 적용한다. agent 사용·미사용, 항상 일정 현금, 지연된 분석, parse-fallback을 봉인 OOS에서 비교하고 비용차감 수익뿐 아니라 최대낙폭·turnover·schema 실패율·근거의 시점오염을 평가한다.