꼬리위험 시나리오 스캔

공개 호출 방식

import dartlab

market = "US"
try:
    current = dartlab.macro("summary", market=market)
except Exception as exc:
    current = {"error": str(exc)}
scenarioNames = [
    "2008 금융위기",
    "2020 COVID",
    "신용 충격",
    "금리 충격",
    "인플레이션 충격",
    "자산 버블 붕괴",
]

rows = []
for name in scenarioNames:
    try:
        result = dartlab.macro("scenario", name, market=market, severity="severe")
        scenario = result.get("scenario") if isinstance(result, dict) else None
        delta = result.get("delta") if isinstance(result, dict) else None
        meta = result.get("meta") if isinstance(result, dict) else None
        rows.append({"scenarioName": name, "meta": meta, "delta": delta, "scenario": scenario})
    except Exception as exc:
        rows.append({"scenarioName": name, "error": str(exc)})

emit_result(
    table=rows,
    values={
        "market": market,
        "currentOverall": current.get("overall") if isinstance(current, dict) else None,
        "currentScore": current.get("score") if isinstance(current, dict) else None,
        "scenarioCount": len(rows),
    },
    date=current.get("latestAsOf") if isinstance(current, dict) else None,
    sources=["dartlab://macro/scenario", "dartlab://macro/summary"],
)

호출 동작

1. 결론 도출

6 scenario delta + 취약 축 단정. 예: “현재 overall=cautious / score=-0.3 기준선 → 6 scenario severe 충격 시 score 분포: 신용충격 -1.8 (worst) / 2008 -1.6 / 자산버블 -1.4 / 금리충격 -1.0 / 2020 -0.8 / 인플레 -0.6. 반복 취약 축 = 신용 (4/6 시나리오에서 credit zone alarm).”

2. 핵심 근거 수집

• macro(‘summary’, market) — 기준선 overall + score + latestAsOf
• macro(‘scenario’, name, severity=‘severe’) × 6 — 역사 (2008/2020) + 유형 (신용/금리/인플레/버블)
• 각 scenario meta + delta + scenario.score 추출

3. 메커니즘 분석

6 scenario × 1 기준선 → delta matrix
   delta = scenario.score - current.score
   ↓
하방 ranking — delta 큰 순서 정렬
   worst 1개 = 가장 위험 시나리오
   ↓
반복 취약 축 추출:
   6 scenario 중 credit zone alarm 4건 → 신용 = 반복 취약
   FX zone alarm 2건                   → 환율 = 부분 취약
   ↓
worst scenario 단일 vs 반복 취약 축 분리:
   worst 단일 — 특정 시나리오 가정 의존
   반복 취약 — 시나리오 무관 구조적 약점

worst scenario 보다 반복 취약 축이 더 신호 강함 — 1 시나리오는 가정 의존이지만 4+ 시나리오 공통 취약 축은 구조적 weakness.

4. 반례·한계

• scenario API delta 는 hypothetical — 확률 분포 X.
• severity=‘severe’ 비교는 시나리오 유형별 동일 확률 의미 X.
• 6 시나리오는 알려진 패턴 — black swan (예: cyber / 지정학) 미포함.
• US-only — KR/EU 동시 비교 필요 시 market 별 재호출.

5. 후속 모니터링

• 반복 취약 축 = 신용 → recipes.fundamental.credit.cycleStressMap 으로 신용 사이클 추적.
• 반복 취약 축 = 환율 → recipes.macro.dollarFundingStress 로 달러 펀딩 압력 점검.
• worst scenario 일관 historical → recipes.macro.historicalPositioning 으로 현재 위치 비교.

대표 반환 형태

column	의미
scenarioName	2008 / 2020 / 신용 / 금리 / 인플레 / 자산버블
meta	scenario meta
delta	기준선 대비 변화
scenario	scenario 결과 본문

연계 절차

1. 신용 시나리오가 핵심이면 recipes.fundamental.credit.cycleStressMap.
2. 한국 특화 위기가 필요하면 recipes.macro.koreaMacroStressMap.
3. 실제 포트폴리오 손실률이 필요하면 engines.quant.

기본 검증

• 최소 3개 이상의 scenario를 실행한다.
• severity를 명시하고, 역사적 사건과 유형별 stress를 구분한다.
• scenario 결과는 확률이 아니라 “조건부 충격 경로”라고 설명한다.