📈 경제학

Are Whitepaper Claims Reflected in Market Structure? A Contamination-Aware Pipeline and a Power-Limited Null

본 논문은 암호화폐 백서의 내러티브와 시장 구조 사이의 이전에 보고된 연관성이 데이터 오류로 인한 인위적 현상이었음을 밝혀내는 오염 인지형 파이프라인을 제시하며, 정제된 데이터셋에 대한 정직한 귀무 결과는 현재의 텍스트 기반 방법론이 약한 정렬을 탐지할 통계적 검정력을 결여하고 있으나 강한 대응 관계는 확신 있게 배제할 수 있음을 나타낸다.

원저자: Murad Farzulla

게시일 2026-09-23

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Murad Farzulla

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

금융 세계에는 기업의 이야기가 주가에 얼마나 중요한지를 두고 오랫동안 이어져 온 논쟁이 있습니다. 한쪽에서는 전통적인 경제 이론을 근거로, 기업이 명확하고 유용한 계획을 발표하면 시장이 그 정보를 빠르게 흡수하여 자산 가격에 적절히 반영한다고 주장합니다. 반면, 내러티브 경제학이라 불리는 분야에서는 돈에 대해 우리가 스스로에게 들려주는 이야기가 때로는 현실에서 벗어나, 실제 효용보다는 과장된 광고나 감정에 의해 가격을 움직일 수 있다고 주장합니다. 암호화폐는 이러한 긴장 관계를 테스트할 수 있는 독특한 실험실을 제공합니다. 수년간의 수익 보고서와 애널리스트의 검토를 통해 서서히 본질을 드러내는 전통적인 주식과 달리, 암호화폐 프로젝트들은 종종 탄생하는 바로 그 순간에 '백서(whitepaper)'라고 불리는 단 한 권의 문서에 자신들의 목적, 기술, 목표를 모두 담아냅니다. 이는 매우 흥-미로운 질문을 던집니다. 즉, 이 창립 문서들에 담긴 기능적 약속들이 실제로 해당 토큰의 시장 행동에 나타나는가 하는 점입니다. 만약 어떤 프로젝트가 빠른 결제를 위한 도구라고 주장한다면, 그 토큰은 결제 시스템처럼 거래됩니까? 만약 부의 저장소로서 안전한 금고라고 주장한다면, 그 토큰은 가치 저장 수단처럼 작동합니까?

무라드 파줄라(Murad Farzulla)라는 연구자는 43개의 암호화폐 백서에 담긴 단어들이 실제 해당 토큰의 시장 행동과 일치하는지 확인하기 위해 엄격한 테스트를 구축함으로써 이 질문에 답하고자 했습니다. 이 연구는 2023년 1월부터 2024년 12월까지의 특정 기간에 초점을 맞추어, 수십 개의 자산에 대한 시간당 가격 데이터를 수집했습니다. 연구자는 먼저 고급 언어 소프트웨어를 사용하여 백서를 읽고 이를 '가치 저장', '스마트 컨트랙트', '데이터 저장'과 같은 10가지 기능적 테마로 분류했습니다. 이 카테고리들은 각 프로젝트가 무엇이라고 주장하는지에 대한 지도가 되었습니다. 다음으로, 연구자는 각 토큰의 시장 성과를 측정하기 위해 변동성, 거래량, 전반적인 추세와 같은 7가지의 서로 다른 통계적 척도를 계산했습니다. 목표는 주장(claims)의 지도와 시장 행동의 지도가 서로 일치하는지 확인하는 것이었습니다. 최종 테스트를 실행하기 전, 팀은 데이터를 매우 신중하게 정제해야 했습니다. 그들은 초기 수집된 문서들이 오류로 오염되어 있다는 사실을 발견했습니다. 파일의 약 4분의 1이 깨진 다운로드 파일이거나, 심지어 '코스모스(Cosmos)'라고 표시된 파일이 실제로는 '바이낸스 스마트 체인(Binance Smart Chain)'이라는 다른 네트워크의 백서인 경우처럼 완전히 잘못된 문서인 사례도 있었습니다. 일단 이러한 오류들을 제거하고 문서의 진위 여부를 확인한 후에야 분석이 시작되었습니다.

연구 결과는 놀라울 정도로 조용했습니다. 연구자들이 주장의 지도와 시장 행동의 지도를 정렬했을 때, 유의미한 연결 고리를 찾지 못했습니다. 백서의 패턴은 토큰이 시장에서 어떻게 움직이는지를 예측하지 못했습니다. 이를 이해하기 위해 설명하자면, 만약 시장이 백서의 약속을 완벽하게 반영한다면 두 지도는 밀접하게 일치했겠지만, 실제로는 서로 아무런 관련이 없었습니다. 연구진은 이것이 이야기가 무의미하다는 것을 증명하는 것이 아니라, 자신들의 특정 테스트가 연결 고리를 찾아내지 못했다는 점을 명확히 설명했습니다. 이 연구는 사용 가능한 프로젝트의 수가 적었다는 점과, 암호화폐 문서의 복잡하고 기술적인 뉘우침을 정확하게 포착하는 데 있어 언어 소프트웨어를 사용하는 것의 어려움이라는 한계를 가지고 있었습니다. 백서를 읽는 데 사용된 소프트웨어가 완벽하게 신뢰할 수 있는 것은 아니었기에, 설령 미약한 연결 고리가 존재하더라도 이를 감지하기가 더 어려웠습니다. 이 연구는 텍스트와 시장 사이의 강력하고 명백한 연결 고리가 없다는 점을 배제하기에는 충분히 강력했지만, 미묘하고 숨겨진 연결이 존재하는지 혹은 두 가지가 완전히 별개인지까지 확정적으로 말할 수는 없었습니다.

연구의 특히 교육적인 부분은 데이터 정제 과정 중에 발생한 '가짜 알람(false alarm)'과 관련이 있습니다. 검증되지 않은 초기 데이터 버전에서 연구자들은 명확한 패턴을 발견했다고 생각했습니다. 즉, 용도가 좁은 특화된 토큰들은 시장 행동과 일치하는 것처럼 보였던 반면, 광범위한 인프라 토큰들은 그렇지 않다는 것이었습니다. 그러나 데이터가 정제되자 이 패턴은 완전히 사라졌습니다. 겉으로 드러난 패턴은 오염된 파일들이 만들어낸 환상이었습니다. 시장 행동과 일치하는 것처럼 보였던 그 '특화된' 토큰들은 사실 잘못된 문서를 바탕으로 하고 있었던 것입니다. 이 발견은 향후 연구를 위한 경고의 메시지가 됩니다. 즉, 소스 문서가 검증되지 않는다면 얼마나 쉽게 허위 결과가 만들어질 수 있는지를 보여줍니다. 최종 결론은, 이 43개 프로젝트의 백서에는 수많은 주장이 풍부하게 담겨 있지만, 해당 연구 기간 동안 그 주장들이 시장 구조에 반영되지는 않는다는 것입니다. 시장은 다른 힘에 의해 움직이거나, 혹은 그 연결 고리가 현재의 방법으로는 감지할 수 없을 만큼 너무 희미한 것으로 보이며, 이로써 암호화폐의 내러티브와 시장의 현실 사이의 관계는 여전히 미결된 과제로 남게 되었습니다.

기술 요약: "백서의 주장이 시장 구조에 반영되어 있는가? 오염 방지 파이프라인과 전력 제한적 귀무가설"

문제 제기
본 논문은 암호화폐 백서에서 기술된 기능적 내러티브가 해당 토큰의 실제 시장 행동과 일치하는지를 조사한다. 효율적 시장 가설은 정보가 담긴 내러티브가 가격에 빠르게 반영된다고 제안하지만, 내러티브 경제학은 이야기가 가격을 펀더멘털로부터 분리할 수 있다고 가정한다. 기존 연구는 주로 백서의 품질에 기반한 발행 성공 여부나 상장 후 수익률 예측에 집중해 왔다. 본 연구는 두 가지 표현 공간, 즉 백서의 의미론적 주장과 토큰의 횡단적 시장 통계 사이의 동시적 구조적 대응성을 테스트하는 데 초점을 맞춘다.

방법론
저자는 구조적 정렬을 측정하기 위해 3단계의 오염 방지 파이프라인을 개발하였다:

NLP 주장 추출:
- 데이터: 공식 출처에서 수집된 43개의 내용 검증된 백서(BTC, ETH, ADA 등 포함). 이 과정에서 초기 데이터셋에 실패한 다운로드 스텁(stub) 및 잘못된 문서 파일(예: Cosmos 항목에 Binance Smart Chain 텍스트가 포함된 경우)이 포함된 "코퍼스 오염"을 선별하는 중요한 단계가 포함되었다.
- 분류: 백서 텍스트를 500단어 단위로 분할하고, BART-large-MNLI를 이용한 제로샷 분류를 통해 10가지 의미론적 범주(예: 가치 저장 수단, DeFi, 프라이버시 등)로 분류하였다.
- 신뢰도 점검: 연구는 BART-NLI를 DeBERTa-v3 및 로컬 LLM과 비교하여 상호 방법론적 신뢰도를 명시적으로 측정하였다. 평균 쌍 상관계수( $\rho$ )는 약 0.31이며, 일부 쌍은 거의 제로에 가까운 일치도를 보여 텍스트 도구가 통계적 검정력의 구속 요인임을 확인하였다.
시장 통계 구축:
- 데이터: Binance의 시간별 OHLCV 데이터(49개 자산, 2023년 1월~2024년 12월)를 사용하여 17,543개의 타임스탬프를 확보하였다.
- 특징: 각 자산에 대해 7가지 횡단적 금융 지표를 계산하였다: 평균 수익률, 변동성, 샤프 지수, 최대 낙폭(MDD), 평균 거래량, 변동성의 변동성(vol-of-vol), 가격 추세.
정렬 및 추론:
- 정렬: 프로베르스 회전(Orthogonal Procrustes rotation)을 사용하여 프로베르스 노름을 최소화하는 최적의 회전을 찾아 주장 행렬( $C \in \mathbb{R}^{43 \times 10}$ )과 시장 통계 행렬( $S \in \mathbb{R}^{43 \times 7}$ )을 정렬하였다.
- 지표: Tucker의 일치 계수( $\phi$ )를 사용하였으며, 이는 평균 중심화(mean-centering)를 하지 않은 코사인 유사도와 같다.
- 차원 처리: 두 가지 추정치를 사용하였다: "제로 패딩(zero-padded)" 변형(7차원 시장 행렬을 10차원으로 패딩하여 이론적 최대 $\phi$ 를 0.70으로 제한)과 "매칭 차원(matched-dimension)" 변형(SVD를 통해 10차원 주장 행렬을 7차원으로 축소하여 이론적 $\phi$ 를 1.0으로 허용)이다.
- 검정력 분석: 알려진 일치성을 실제 시장 요인 행렬에 주입하는 양성 대조 몬테카를로 시뮬레이션을 통해 최소 탐지 가능 효과(MDE)를 결정하였다. 연구 결과, 텍ext 도구의 낮은 신뢰도( $\rho \approx 0.31$ )로 인해 80% 검정력을 갖기 위한 현실적인 MDE는 $\phi \approx 0.66$ 임이 밝혀졌다.

주요 결과

코퍼스 오염 아티팩트:
- 오염된 코퍼스( $n=37$ )에 대한 초기 분석에서는 "특화된(specialized)" 토큰(예: 프라이버시, DeFi)이 "인프라(infrastructure)" 토큰보다 시장 구조와 더 강하게 정렬되는 구조적 질서가 나타났다.
- 그러나 내용 검증 및 스텁/잘못된 문서 제거 후, 이 질서는 붕괴되었다. 정제된 코퍼스( $n=43$ )에서는 단일 토큰이 정렬에 유의미하게 기여하거나 저해하는 현상이 나타나지 않았으며, 특화 토큰 대 인프라 토큰의 구분이 사라졌다. 이는 발견 사항이라기보다 오염 진단 결과로 보고되었다.
검정력이 제한된 귀무가설:
- 주요 추정치: 매칭 차원 정렬은 $\phi = 0.303$ ( $p=0.353$ )을 나타냈다. 보수적인 제로 패딩 추정치는 $\phi = 0.223$ ( $p=0.459$ )였다.
- 해석: 두 추정치 모두 중간 정도의 유사성 임계값인 0.65를 훨씬 밑돈다.
- 검정력 제약: 양성 대조 시뮬레이션은 파이프라인이 주입된 신호를 정확히 회복한다는 점에서 민감함을 입증하였다. 그러나 NLP 도구의 낮은 신뢰도로 인해, 본 연구는 강한 정렬( $\phi \ge 0.70$ )을 탐지할 때만 80% 이상의 검정력을 가진다. 즉, 약한 정렬( $\phi \approx 0.3$ )과 정렬이 전혀 없는 상태를 구분할 검정력이 부족하다.
- 결론: 이 결과는 강한 정렬의 "증거 부재"를 나타내며, "부재의 증거"는 아니다. 데이터는 강한 내러티브-시장 결합과는 일치하지 않으나, 약한 결합 가능성을 배제할 수는 없다.
강건성:
- 롤링 타임 윈도우, 서브샘플 리샘플링, 잭나이프 테스트, 대체 정렬 지표(RV 계수, 거리 상관계수, CCA, PLS) 전반에서 귀무 결과가 유지되었다.
- 시장 지배력이 높은 비트코인조차 정렬 지표에 미치는 영향은 무시할 만한 수준이었다 ( $\Delta \phi = -0.001$ ).

의의 및 기여
본 논문은 방법론적 프레임워크이자 텍스트 기반 내러티브 경제학에 대한 경고로서 기여를 정의한다:

방법론적 기여: 텍스트와 시장의 표현 공간을 비교하기 위한 재현 가능한 오염 방지 파이프라인을 도입하였으며, 이러한 비교가 무엇을 탐지할 수 있는지 명시적으로 한계를 짓는 양성 대조 검정 장치를 결합하였다.
경험적 발견: 정제된 코퍼스에서 주장-시장 간의 정렬이 나타나지 않음을 보고하였다. 저자는 강력한 정렬은 배제되지만, 도구의 노이즈로 인해 약한 정렬과 정렬 없음 사이를 판정할 수는 없음을 강조하였다.
경고적 사례: 본 연구는 탐지되지 않은 코퍼스 오염(예: 잘못된 문서 파일)이 어떻게 가짜 횡단적 신호를 만들어낼 수 있는지를 보여준다. 저자는 텍스트-시장 분석의 전제 조건으로서 콘텐츠 수준의 검증(단어 수, 출처 확인 등)이 필수적이라고 주장한다.
한계점: 저자는 본 연구의 결과가 백서 분석의 "가치가 제한적"이라거나 내러티브가 부차적이라는 주장을 뒷받침하는 것은 아니라고 명시하였다. 결과는 표본 크기( $n=43$ ), 도메인 특화되지 않은 제로샷 분류기의 낮은 신뢰도, 그리고 창립기 백서와 2023-2024년 시장 데이터 사이의 시간적 불일치에 의해 제한된다.

본 논문은 백서의 주장이 시장 구조를 반영하는지에 대한 질문이 여전히 열려 있으며, 현재의 "제한된 귀무(bounded null)"를 넘어서기 위해서는 더 큰 규모의 코퍼스, 도메인 적응형 분류기, 그리고 시간적 흐름이 반영된 내러티브 데이터가 필요하다고 결론짓는다.

유사한 논문