하나의 시스템. 173개의 Signal. 이런 건 없었어요.

의사결정 엔진이 현재 학습기 조정 가중치를 사용해서 173개 데이터 카드를 모두 실행해요. 각 카드가 방향성 시그널, 강도, 신뢰도 점수를 출력해요. Zone 엔진이 이 출력을 다단계 파이프라인을 통해 처리해요 — 인근 레벨을 클러스터링하고, 방향성 컨플루언스를 점수화하고, 거리와 분리 필터를 통과하는 Zone만 검증해요. 최종 출력 — 편향, 확률 점수, 검증된 Zone, 카테고리별 지배적 시그널 — 이 추적을 위해 공개돼요.

각 새 시그널에 대해 시스템이 두 개의 독립 트랙 — Long 하나, Short 하나 — 을 시작해요. 각각 Zone 엔진에서 도출된 자체 진입 Zone이 있어요. 목표와 손절을 위한 참조 레벨이 함께 저장되지만 가격 추적 방식에는 간섭하지 않아요. 손절 거리는 동적이에요: 과거 거래의 불리 이탈에서 보정되어 정상적인 변동성 노이즈 바로 너머에 위치해요.

거래소의 모든 가격 틱이 실시간으로 처리돼요. 가격이 진입 Zone에 들어오면 추적이 시작돼요. 그 순간부터 시스템은 가격이 유리한 방향(MFE)과 불리한 방향(MAE)으로 얼마나 이동하는지 지속적으로 기록해요 — 익절이나 손절이 관찰을 조기 종료하지 않으면서. 학습기가 셋업이 시간에 따라 어떻게 발전하는지 볼 수 있도록 시간별 스냅샷도 캡처해요. 결과는 깨끗하고 편향 없는 시그널 품질 측정이에요.

트랙이 완료되면 시스템이 검토해요: 가격이 진입을 트리거했나요? 유리한 방향 대비 불리한 방향으로 얼마나 이동했나요? 실제 유리 이탈을 기반으로 목표에 도달할 수 있었나요? 결과는 가격이 충분히 이동했는지에 따라 승패로 표시돼요 — 실행 운이 아닌 시그널 품질의 직접적인 측정이에요. 원래 시그널의 카테고리 점수로 태그된 이 결과 기록이 학습기의 훈련 데이터가 돼요.

가중치 재조정기가 카테고리 점수 데이터가 있는 모든 결과를 가져와서 예측력을 측정해요: 각 카테고리에 대해 해당 카테고리가 거래 방향에 동의했을 때와 동의하지 않았을 때의 승률을 비교해요. 동의가 승리와 상관관계가 있는 카테고리는 더 높은 가중치를 받아요. Zone 최적화기는 별도로 실행돼요 — 진입 트리거율을 확인하고 이탈 분포를 사용해서 최적 목표와 손절 거리를 수학적으로 도출해요. Zone이 너무 자주 트리거되면 진입 거리가 넓어져요. 불리 이탈이 지속적으로 너무 높으면 손절이 더 여유를 갖게 돼요. 성과 가드레일이 각 조정 전후의 승률을 비교하고 성과가 떨어지면 자동으로 되돌려요.

엔진이 다음 10초 사이클에서 업데이트된 가중치를 읽어요. 각 학습기 카테고리가 관련 시그널 카드 그룹을 제어해요 — 예를 들어 주문 흐름 카테고리가 모든 주문 흐름, 미세구조, 오더북 카드에 동시에 영향을 줘요. 학습된 가중치가 해당 그룹의 모든 카드를 스케일링하고, 단일 카테고리가 지배하는 것을 방지하기 위해 클램핑돼요. 같은 173개 카드가 작동하지만 학습된 강조점이 반영돼요. 루프가 닫히고 — 다음 시그널은 이미 시스템의 최신 이해를 담고 있어요.

기본 가중치가 표시돼요. 학습기가 예측력을 기반으로 이를 조정해요 — 승자를 예측하는 카테고리는 최대 3배까지 증폭되고, 약한 카테고리는 0.3배로 억제돼요.