Market Safety Net for Early Detection of AI-Synchronized Bank Runs
다수의 AI 에이전트가 동일 정보·유사 모델로 동시 판단할 때, 가격이 무너지기 전에 행동 동조화 자체를 계측하는 결정론적 규칙 엔진.
AI 에이전트가 같은 정보·같은 모델을 보고 동시에 판단하면, 뱅크런은 인출률이 오르기 전에 이미 행동의 차원에서 시작됩니다. Signal Governance는 그 집단 행동 수렴을 시간축에서 포착해, 결정론적 규칙으로 단계 개입하고, 모든 조치를 감사 가능한 기록으로 남기는 시장 안전망입니다.
Circuit breaker는 가격 이후 작동하고, AI guardrail은 개별 모델을 검사합니다. 그 사이 — 시장 전체에서 같은 방향의 행동이 짧은 시간 안에 정렬되는 구간 — 은 어느 도구도 보지 않습니다.
이 프로젝트의 학술 무게는 4개 canonical model의 AI-era 확장 통합에서 옵니다. 각 이론은 하나의 시뮬레이션 실험에 대응됩니다.
뱅크런은 자기실현적 예언이며, 합리적 예금자가 동시 인출을 선택하는 다수 균형이 존재한다.
정보 비대칭 하에서 정보 생산 비용이 예금의 information-sensitivity를 결정한다.
네트워크 허브에 충격이 집중되면 미시 충격이 거시 붕괴로 전이된다.
엔트로피 저하 = 다양성 소멸 = 시스템 취약성. 행동 다양성을 측정 가능 지표로 환원한다.
Signal Governance는 모델을 들여다보지 않습니다. 다수 에이전트의 의사결정이 동일한 외부 입력·동일한 목적함수·가속된 반응 균형으로 수렴할 때, 시장과 운영 시스템에 반드시 남는 다섯 개의 행동 흔적을 같은 시간축에 정렬합니다.
다섯 신호를 같은 시간축에 정렬한 Rt aggregator가 결정론적 점수를 만들고, 이 점수가 Stage 전이의 입력이 됩니다.
실시간 의사결정 경로에는 LLM이 들어가지 않습니다. 신호 정규화 · 위험 점수 · Stage 전이 · 규칙 발동은 결정론적 코어가 담당하고, LLM은 사후 설명·감사 보조에 한정됩니다. 이 분리는 미적 선택이 아니라, 시스템이 검증 · 경합 · 개선될 수 있는 유일한 구조이기 때문입니다.
정형/비정형 데이터를 같은 시간축에 정렬해 정규화된 signal vector를 생성합니다. 출력은 원시 데이터가 아니라 의미 있는 행동 좌표.
동일 입력이면 동일 점수·동일 stage·동일 trigger. LLM 판단 없이 작동하는 신뢰 코어. Acemoglu network propagation · Shannon entropy · Diamond–Dybvig run probability를 deterministic aggregator로 융합.
탐지 결과를 조직이 쓸 수 있는 산출물로 변환합니다. 리스크팀 · 감독기관은 점수가 아니라 "왜 조치했는지 설명할 수 있고 재현·감사할 수 있는 거버넌스 구조"를 구매합니다.
▸ rule: liquidity_outflow_velocity > θ1 AND query_concentration · narrative_convergence ↑ AND withdrawal_candidates aligned (cosθ > 0.78) ▸ action: stage := Observe → Alert → Throttle → Pause → Human Review ▸ audit: emit ActionRecord { signal, score, rule_id, threshold, transition }
Track A는 사람-매개 사건의 sanity check, Track B는 이론 융합의 ablation, Track C는 AI-era 동학을 직접 시험하는 합성 LLM-agent 시장입니다. Track C가 본 연구의 주된 empirical 기여입니다.
사람-매개 사건의 timeline에서 5개 신호를 재구성. price-based alert 대비 lead-time을 측정. 본 track은 sanity check이며, AI-era 가설을 직접 검증하지 않음을 명시합니다.
세 이론 중 하나를 ablate한 변형 detector와 통합 detector의 false-positive · false-negative 비교. 통합이 단일 이론보다 유의미하게 우월함을 보입니다.
합성 LLM-agent 시장에서 foundation model 다양성 K, intra/inter cluster 상관을 sweep하며 effective Shannon entropy와 run probability를 측정. AI-era regime을 직접 시험.
ⓘ Synthetic stress test · SVB 2023 timeline calibrated. 합성 데이터 기반이며, 본 차트는 검증 결과의 시각화입니다.
Observation · Audit 계층은 고정되고, Deterministic Rule Model만 도메인 지식으로 교체됩니다. AgentOps 플랫폼이 직접 만들기보다 가져오고 싶어 하는 radar layer를 지향합니다.
| Domain | Rule Model에 들어가는 지식 | 감지하려는 수렴 | Status |
|---|---|---|---|
| Bank Runv1 | 유동성 이탈 · 인출 속도 · 정보 확산 | 송금 · 인출 행동 후보 수렴 | VALIDATED |
| Stablecoinv0.5 | 상환 큐 · 준비자산 · 페그 압력 | redeem · swap 행동 수렴 | PILOT |
| Healthcarespec | triage · 병상/검사 슬롯 · 공정 배분 | 특정 병원 · 검사 자원 쏠림 | HYPOTHESIS |
| Energy Gridspec | 예비력 · 피크 부하 · DR 스케줄 | 같은 시간대 부하 이동 | HYPOTHESIS |
| Autonomousspec | 도로 용량 · 경로 선택 · 병목 전이 | 동일 우회 경로 선택 | HYPOTHESIS |
ⓘ 본 시점에서는 Bank Run row만 검증되어 있습니다. 나머지 도메인은 cross-domain knowledge fusion thesis (AAAI 2027 Supplementary S3)에 기반한 가설입니다.
이 프로젝트가 무엇이고, 무엇이 아니며, 어떤 약점을 가지고 있는지 명시적으로 적습니다. 이 약점들을 숨기지 않는 것 자체가 전략적 선택입니다.
학술 · 정책 · 오픈소스 세 경로로 발전합니다. AAAI 2027 Submission Package에서 9-month research roadmap (M1–M9)으로 구체화되어 있습니다.
S01–S06 결과를 통합 논문으로 정리. SSRN working paper → AAAI 2027 / Journal of Financial Economics 제출 트랙. 핵심 기여는 4개 canonical model의 AI-era 확장 통합 프레임워크.
한국은행 경제연구원 · 금융감독원 금융연구소 제출. 원화 스테이블코인 법안과 CBDC 공존 경로의 안정성 함의. 2026 하반기 BOK Economic Research Institute 워킹페이퍼 트랙.
GitHub 레포 공개 유지. 후속 연구자가 S02–S06 프레임워크를 재사용하도록 코드 · 문서 지속 관리. MIT (코드) / CC-BY (문서). open-core 표준화 지향.
스테이블코인 발행사 · 규제기관 · 자산운용사 · 프로토콜 DAO 모두 같은 기본 요소가 필요합니다. 신호 파이프라인 · 규칙 엔진 · 단계 머신 · 감사 로거 · handover 프로토콜은 오픈소스로, 도메인 vertical pack은 누구나 작성하고 독립 감사 가능하게.