쿠싱 액티비티 인덱스 — 결과물과 검증

1차 프로젝트 종료

2026-09-14 18:00 KST 기준 1차 프로젝트를 공식 종료했습니다. 실험용 CAI v0.1·대시보드·재현 가능한 연구 기록을 이번 차수의 결과물로 보관합니다.

예측력 개선 미확인과 자료의 한계도 연구 결과에 포함합니다. 원자료 대조·현재 지수 갱신·독립 검증은 후속 연구이며, 보고서 수정본·코드 파일의 실제 전달·접수 여부는 별도 인계 기록입니다.

완성한 결과물

실험용 쿠싱 액티비티 인덱스(CAI v0.1)를 대시보드에 구현했습니다. 2023-12-29 기준 43.1 / 100이며, 현재 쿠싱 활동 값이나 유가 상승 확률이 아닙니다.

교통량과 South STP 신고 유량을 각각 50% 비중으로 결합했습니다. 과거 거래일 2,262일 중 두 자료가 함께 있는 1,003일에만 지수를 산출합니다. 자료가 없으면 0으로 채우지 않고 공백으로 표시합니다.

대시보드에서 지수·기준일·두 자료의 점수와 비중·날짜별 추이를 확인할 수 있습니다. 연구 기록은 106개 자료 폴더 → 33개 후보·보조자료 → 준비된 입력 2개 → 학습·평가 → CAI 결과물의 흐름으로 연결했습니다.

프로젝트의 결과는 두 가지입니다. 활동 대리 지수를 계산·표시하는 프로그램을 만들었습니다. 별도 WTI 예측 실험에서는 시장정보에 CAI를 추가한 두 비교 모두 확률오차가 줄지 않았습니다. 지수 구현과 활동 측정 타당성·예측력 검증은 구분합니다.

질문과 현재 답

쿠싱 인근의 실제 활동 흔적을 결합하면 다음 5거래일 WTI 상승 여부에 정보를 더할 수 있을까요?

시장정보에 CAI를 추가한 두 비교 모두 확률오차가 줄지 않았습니다. 시장정보만 쓴 모델도 단순 상승률 기준선보다 확률오차가 큽니다.

대표 사례는 가장 최근 완료된 입력 보강인 2019년 교통 보강 실험입니다. 성능이 좋은 결과를 골라 대표로 삼은 것이 아닙니다. 이 결과를 모든 대안 데이터에 대한 결론으로 확대하지 않습니다.

무엇을 측정했나

TMAS AVC040: 쿠싱 인근 도로의 일별 전체 차량 수입니다. 원유 운송 트럭만 센 값이 아닙니다.

DMR: South STP(OK0026701 / 001)의 월별 신고 유량, MGD·DAILY MX 계열입니다. 원유 시설의 펌핑량이나 도시 전체 용수 사용량이 아닙니다. 강수·생활 유입·신고 관행의 영향을 구분하지 못했습니다.

교통은 관측일에 정렬하고 DMR은 규제기관 접수일 이후 최대 62일 재사용합니다. 월별 값을 여러 거래일에 썼다고 독립 관측이 늘어나는 것은 아닙니다. 과거 최초 공개일·수정 전 값은 미확인이라 회고 전용입니다.

지수와 모델을 어떻게 나눴나

학습 구간의 성분별 평균·표준편차(ddof=0)로 z를 구하고 ±3으로 제한한 뒤 score=(clip(z,−3,3)+3)/6×100으로 바꿉니다. 0–100은 이 변환의 상대 점수이며 시설 가동률·유가 상승 확률이 아닙니다.

동일가중 CAI는 교통·유량 점수의 평균입니다. 학습가중 CAI는 학습 구간의 WTI 정답으로 CAI 단독 로지스틱 모델의 log loss를 최소화합니다(w≥0, 합=1). 활동 측정의 타당성을 학습으로 입증한 것이 아닙니다.

시장정보 모델은 RSI14와 5일 수익률을 사용합니다. 시장정보+학습가중 CAI도 CAI 단독 목적함수로 구한 가중치를 사용하며, 시장정보와 공동으로 최적화한 가중치는 아닙니다.

실제로 비교한 범위

정답: 다음 5거래일 종가가 현재보다 높으면 상승, 보합은 하락과 함께 분류합니다. Yahoo CL=F 거래일 배열 기준입니다.

고정 설정: 2015-01-01부터 2020-12-31까지 학습, 2021-01-01–2023-12-31 평가 후보. 실제 공통 평가 표본은 2023-01-03–2023-12-21, 245행입니다. 대표 실험의 모델 학습 표본은 753행입니다.

초기 교통+DMR 학습 507행에서 753행으로 보강했습니다. 평가 표본은 동일합니다. 학습 표본이 바뀌므로 전후 차이를 2019년 추가의 인과 효과로 단정하지 않습니다.

성분 표준화는 학습 구간에서만, 모델 전처리는 해당 모델의 유효 학습 행에서만 적합합니다. 결측을 0으로 채우지 않으며, 학습/평가 경계를 넘는 정답 창과 0 이하 종가를 포함한 정답 창은 제외합니다.

이미 본 결과에 이은 회고 탐색입니다. 독립 사전등록·미래 검증이 아닙니다. 5거래일 정답 창이 겹치므로 평가 행 수를 독립 시행 수로 해석하지 않습니다. 최종 OOS는 잠금 유지입니다.

결과표 읽는 법

log loss·Brier는 낮을수록, 정확도는 높을수록 좋습니다. Δll은 시장정보+CAI에서 시장정보만의 log loss를 뺀 값이며 양수는 악화입니다. 다른 표본의 실험끼리 순위를 합치지 않습니다.

학습가중치가 유량에 거의 전부 몰린 현상은 기록된 최적화 결과입니다. 실제 원유 활동을 더 잘 측정했다는 증거가 아닙니다. 원 가중치는 요약 JSON에 보존하고 이 표만 소수 4자리로 표시합니다.

2019 보강 · 동일 평가 표본의 모델 비교
모델	log loss ↓	정확도 ↑	Brier ↓	시장정보에 추가한 Δll	교통 / 유량 가중치
기준선(학습기간 상승률)	0.691740	52.65%	0.249297	—	—
시장정보만	0.694204	49.80%	0.250563	—	—
CAI 동일가중 단독	0.694097	52.65%	0.250452	—	0.5000 / 0.5000
CAI 학습가중 단독	0.696436	48.98%	0.251638	—	0.0000 / 1.0000
시장정보+동일가중 CAI	0.696606	48.98%	0.251726	+0.002401	0.5000 / 0.5000
시장정보+학습가중 CAI	0.698382	47.76%	0.252606	+0.004177	0.0000 / 1.0000

재현과 다음 판단

재현 안내: research/experiments/cai/REPRODUCE_2019.md. 기존 로컬 원본에서 별도 폴더로 재생성해 입력 해시·고정 설정·모델 지표/가중치/계수·내부 예측을 확인합니다. 같은 환경 재현과 성찬님의 독립 재현은 구분합니다.

원자료·입력 CSV는 재배포 조건 미확인으로 공개 묶음에 넣지 않습니다. 원출처가 개정돼 해시가 달라지면 기존 숫자에 억지로 맞추지 말고 빈티지 차이로 중단·보고합니다.

실험용 과거 지수의 구현·재현은 완료했습니다. 실제 활동 대표성·과거 최초 공개시점·현재 날짜의 지수·독립 예측력 검증은 후속 연구로 남겼습니다. 별도 결정 전에는 새 수집·학습·최종 OOS를 재개하지 않습니다.

성찬님 제출 자료는 공항 4개월, 숙박세 36개월, 사용세 24개월, 판매세 일부입니다. 내장 행 수와 원본 해시를 확인하고 코드의 가중치 학습 차단·정답 종료일 처리를 수정했습니다. 원문 대조·실측 성능 재현은 별도이며 현재 CAI v0.1에는 넣지 않았습니다.

5분 설명 순서

0:00–0:40 결과물부터 시연: 대시보드의 CAI 43.1점과 과거 기준일 2023-12-29를 보여준다. 현재 값이나 상승 확률이 아님을 먼저 밝힌다.

0:40–1:30 데이터 흐름: 연구 기록의 106 → 33 → 2를 보여주고 실제 사용한 교통량·유량과 제외·검토 자료를 구분한다.

1:30–2:30 산식 시연: 성분 점수·50:50 비중·날짜 선택을 보여준다. 전체 기록의 공백을 짚고, 결측을 숨기지 않았다고 설명한다.

2:30–4:00 검증 결과: 별도의 6개 모델 비교와 실제 평가 245행을 설명한다. 시장정보+CAI의 확률오차 비교 결과를 제시한다.

4:00–5:00 마무리: 실행 가능한 지수·대시보드·재현 코드가 결과물이다. 현재화·측정 타당성·성찬 자료 원문 대조는 후속 과제로 분리한다.

근거

본문·표는 인터넷 없이 읽을 수 있습니다. 아래 원문 링크만 네트워크가 필요합니다.

회고 연구 · 대표 run 20260912T013423Z · 모델 요약 생성시각 2026-09-12T01:35:35Z · 원문 SHA-256 194d043e2fe2f3c2b91f31574e547a9e89e8f5749884131000e3e63ba54948d7