feat(quant): Cycle Engine v1 — Probabilistic regime/cycle detection (HMM + BOCPD + walk-forward)

[researcherhojin]

Background

사용자 투자 철학: "모든 주식은 사이클이 있다. 주기가 존재해서 오를 때가 있으면 떨어지면서 지지대를 쌓으면서 우상향한다. 그런 주식을 찾고 투자하고, 수익 실현을 하는 사이클을 만들고 싶다."

→ Wyckoff phases / Stan Weinstein Stage Analysis / Minervini SEPA 정렬. 그러나 단순 MA stage rule은 Round 3 LLM 합의로 폐기 (Brock 1992 / Sullivan 1999 / Marshall 2014 OOS 실패).

전체 컨설팅 archive: `data/llm_consults/2026-04-30_cycle-engine-rigor.md` (Round 3) + `2026-04-30_round5-service-grade-agents.md` (Round 5).

v1 Architecture (Codex + Qwen 합의)

```
┌────────────────────────────────────────────────┐
│ Layer 4: Position Sizing │
│ posterior P(state) → fractional Kelly cap │
│ Full Kelly 금지 (추정 오차 민감) │
└──────────────▲─────────────────────────────────┘
┌──────────────────────────────────────────────────┐
│ Layer 3: Confluence Filter (multi-tier) │
│ Market regime (SPY HMM) → Sector RS → Stock │
│ Macro overlay = risk-gate only (예측기 X) │
└──────────────▲───────────────────────────────────┘
┌──────────────────────────────────────────────────┐
│ Layer 2: Trend & Changepoint │
│ Kalman state-space (statsmodels) │
│ BOCPD AR(p) (Adams & MacKay 2007 + 2024 ext) │
└──────────────▲───────────────────────────────────┘
┌──────────────────────────────────────────────────┐
│ Layer 1: Hidden State Estimation │
│ 4-state Ensemble HMM (hmmlearn voting) │
│ Hamilton 1989 Markov-switching │
│ Output: posterior P(state | obs) │
└──────────────────────────────────────────────────┘
```

Validation Framework (이게 진짜 "엄밀")

• Walk-forward (anchored + rolling, Pardo 1992)
• Purged K-Fold + Embargo CV (López de Prado 2018)
• CPCV / CSCV (Bailey-LdP 2014)
• DSR / PSR / PBO (`pypbo` library 직접 사용)
• Bull/bear/crisis sub-sampling
• Kyle's λ + Almgren-Chriss slippage (capacity 모델)
• Survivorship-bias-free universe (point-in-time)

Phase Plan (Codex 6주 build order의 Phase 3-6 매핑)

이 이슈는 `#529` (service-grade infra) 위에서 구현. `#529` Phase 1 완료 후 시작.

Phase	Scope	DoD
3a (#529 위 1-2주차)	`nuri/quant/cycle/` 신규 모듈, hmmlearn 기반 4-state HMM, 사용자 watchlist 50종목 5y backtest	walk-forward + DSR 산출
3b	BOCPD AR(p) (`dtolpin/bocd` + 2024 tandfonline 확장)	online changepoint 작동
4	Multi-tier confluence (SPY → XLK/XLV/XLF → stock posterior) + macro risk-gate	confluence filter 작동
5	Causal-Factor-Auditor (DoWhy + LdP causal DAG) factor mirage 탐지	spurious factor 제거
5b	Foundation-Benchmark lane (Chronos-2 fine-tune) vs HMM 비교	apples-to-apples EV 비교표
6	Forward-test live tracker (emit→realized + drift detection)	hit rate 시계열

"엄밀"의 위치

• 모든 layer 출력에 sample N + 신뢰구간 + 사용자 universe 위 측정값
• 학술 인용은 가설일 뿐, 실측이 진실
• "셋업 5년 hit rate 58%" 같은 mock 숫자 X — 데이터 검증 체인 통과 못 한 항목은 표시 자체 X

Anti-Patterns

• Feature leakage (rolling window 미래 데이터)
• Regime overfitting (10y HMM이 미래 적응 X)
• Single backtest 신뢰 (multiple testing 보정 X)
• In-sample hyperparameter tuning
• Look-ahead bias
• LLM을 enforcement path에 (Layer A는 100% rule)

Honest Verdict (Codex Round 3)

• "사이클 trading이 retail이 passive를 안정적으로 이긴다"는 명제 → 두 LLM 모두 반대
• SPIVA 2025: 장기 active 구조적 열위
• HFT/passive flow 시대 패턴 반감기 단축
• +EV 가능 영역: alpha 보장 X, "낙폭 관리 + 고변동 회피"

Dependencies

• Blocks on: feat(infra): Service-grade 15-actor agent infrastructure v0 — Phase 1 audit/rollback/feature-flag #529 (service-grade infra Phase 1)
• Libraries: hmmlearn, statsmodels, dtolpin/bocd, mlfinlab, pypbo, DoWhy
• Optional later: Chronos-2 (Amazon), TimesFM 2.5 (Google), MOIRAI-2 (Salesforce)

Out of Scope

• Discord bot wiring (Phase 3 of feat(infra): Service-grade 15-actor agent infrastructure v0 — Phase 1 audit/rollback/feature-flag #529)
• Trade execution (KIS API write, §7.1 deferred)
• Foundation model fine-tune (Phase 5b 옵션)

🤖 Generated with Claude Code