# Roadmap

**Phase 1. 시나리오 데이터 수집 및 KSIC 프록시 맵핑 설계**
- [ ] NGFS 단기 시나리오(SWUC, DAPS) 원시 데이터 파싱 (한국/아시아 프록시 설정)
- [ ] 한국표준산업분류(KSIC) 대응 배출량/탄소비용 기반 Carbon Beta 맵핑 모듈 확립

**Phase 2. 시장 파라미터 변환 엔진 구축**
- [ ] 금리 커브 및 스왑 텐서 변환 모듈 (PCA 매핑 기반)
- [ ] 주식/채권(크레딧) 섹터별 부도율 및 DDM 쇼크 연산
- [ ] FX 및 원자재 시장 리스크 충격 매핑 수식 적용

**Phase 3. SQLite Storage Layer 구축**
- [ ] 각 자산군별 변환 계수 조회용 SQLite 스키마 설계
- [ ] 변환 파라미터 데이터 적재 스크립트 작성 (정합성 검증)

**Phase 4. 한국 벤치마크 테스트**
- [ ] 가상 한국 시나리오 세트 가동
- [ ] ISDA 기준 시장 리스크 충격 플로저빌리티(Plausibility) 대조 및 수치 결과 평가 분석

### Phase 5: Web UI Dashboard for Market Parameter Viewer

**Goal:** [To be planned]
**Requirements**: 
- NGFS 원천 데이터 시각화 화면
- 한국형 프록시 및 KSIC 맵핑 데이터 가시화
- 시나리오 데이터가 실제 모델(Merton, Pivot)과 결합되어 최종 쇼크를 만드는 추적(Tracing) 인터페이스 구축
**Depends on:** Phase 4
**Plans:** 0 plans

Plans:
- [x] TBD (run /gsd-plan-phase 5 to break down)

### Phase 6: Pro-Max UI/UX Analytics Dashboard & Trace Rebuild

**Goal:** Report-style analytic dashboard with complete ISDA tracking logic, OLED Dark Mode, and expanded dynamic asset scaling.
**Requirements**: 
- 좌우 분할식 (NGFS 원천 vs 한국 대응 Proxy) Data Lineage 설계
- 모델 수식(Math Breakdown) 투명화: 스칼라값 대입 과정 표출
- 모의 자산 500+개 강제 주입으로 엔진 스케일링 데모 표출
- 기술스택: Fira Code + OLED Dark (ui-ux-pro-max 가이드라인 채택)
**Depends on:** Phase 5
**Plans:** 0 plans

Plans:
- [ ] TBD (run /gsd-plan-phase 6 to break down)

### Phase 7: ISDA Quantitative Engine Mathematical & Data Overhaul

**Goal:** Transform the risk engine into a mathematically rigorous, ISDA-compliant valuation framework with True Data Governance.
**Requirements**: 
- Design explicit Security Master Data Acquisition (External CSV/SQLite integration) mapping Ticker -> KSIC, GICS, Rating.
- Extract Deriva Baseline `eval_datasets` JSON to inject accurate real market spots and vols.
- Replace Merton variable $\sigma_V$ scalar with true capital structural organic spread amplification.
- Rebuild Hull-White Short-Rate curve shocks via rigorous Analytical Affine Zero Bond dynamics.
**Depends on:** Phase 6
**Plans:** 4 plans

Plans:
- [ ] 1. Build and Inject `firm_reference_data` (Security Master) into DB and adapt loader.
- [ ] 2. Sync `base_market_data_loader.py` with true `eval_datasets` baseline parsing.
- [ ] 3. Refactor `market_risk_engine.py` using proper Merton invariants and HW1F affine mathematics.
- [ ] 4. Update UI Dashboard & API responses to accurately expose Tenor and Mathematical breakdown.