Mrjie7205/serenity-bottleneck-hunter

해결하는 문제

특정 투자 테마(예: AI 데이터 센터 전력)에 필수적인 '병목 현상' 주식, 즉 간과된 상류 기업을 찾기 위한 투자 리서치 방법론을 자동화합니다. 인기 주식을 쫓는 대신, 시장 전체가 알아차리기 전에 업계가 의존하는 핵심 공급업체를 식별하도록 돕습니다.

작동 방식

이 프로젝트는 AI 에이전트(OpenAI Codex 또는 Claude Code 등)를 위한 '기술'로 기능하며, 구조화된 워크플로우와 엔지니어링 도구 모음을 제공하여 일반적인 LLM 오류를 방지합니다:

1. 공급망 역매핑: 테마를 5계층 의존성 맵으로 분해하여 핵심 노드를 찾습니다.
2. 병목 현상 원형: 9가지 특정 패턴을 적용하여 어떤 기업이 진정한 '병목'인지 식별합니다.
3. 데이터 검증: 환각을 방지하기 위해 티커 검증, ETF 보유 자산 감사, API(EODHD/yfinance)를 통한 강제 가격 가져오기 전용 스크립트를 사용하여 LLM이 가격을 추측하지 못하게 합니다.
4. 책임 프레임워크: 모든 후보 종목에 대해 '레드 팀' 분석을 강제하여 반증 조건(논리가 틀렸음을 증명하는 방법)을 요구하고, 향후 표본 외 검증을 위해 이러한 종목을 CSV에 기록합니다.
5. 보고: 시각적 공급망 맵과 타이밍 및 밸류에이션을 위한 '수위' 척도를 포함하는 독립형 HTML 보고서를 생성합니다.

대상 사용자

• 상류 알파를 찾기 위한 체계적인 방법을 찾는 투자 리서처 및 트레이더.
• LLM을 엄격한 금융 분석가로 바꾸고 싶은 AI 에이전트(Codex, Claude) 사용자.

주요 특징

• 환각 방지책: 다층 방어(티커 진실 라이브러리 및 프리커밋 훅)를 구현하여 기업 데이터의 정확성을 보장합니다.
• 반편향 논리: ETF 감사를 사용하여 LLM의 '인기 편향'에 대응합니다.
• 정량적 책임: 테마 ETF 대비 알파를 추적하고 '선택된' 바스켓과 '제외된' 바스켓을 비교하여 실제 기술을 측정합니다.
• 시각적 보고: HTML 보고서에 SVG 공급망 맵과 밸류에이션 궤적을 자동으로 렌더링합니다.