Files
climate_risk/.planning/ROADMAP.md

3.0 KiB

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:

  • 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.