공유 익스포저를 확인하세요
상관관계 행렬은 함께 움직이는 전략을 보여줍니다. 유효 베팅 수를 통해 전략의 개수와 독립적인 익스포저의 규모를 구분할 수 있습니다.
포트폴리오 구성
AI 포트폴리오 에이전트는 기존 북의 맥락에서 후보 전략을 검토합니다. 포트폴리오 분석은 이용 가능한 중첩 기간의 이력을 사용해 수익률 관계, 배분 선택 및 위험 기여도를 비교합니다.

이 단계가 AI 트레이딩 전략 팩토리에 어떻게 기여하는지 살펴보세요.
상관관계 행렬은 함께 움직이는 전략을 보여줍니다. 유효 베팅 수를 통해 전략의 개수와 독립적인 익스포저의 규모를 구분할 수 있습니다.
동일 가중, 역변동성 가중 및 리스크 패리티를 살펴보세요. 각각의 방식은 과거 포트폴리오가 자본과 위험을 배분하는 방식을 바꿉니다.
포트폴리오 샤프 지수, 낙폭, 분산 및 위험 기여도를 함께 확인하세요. 편입 여부는 기존 전략과 이용 가능한 페이퍼 거래 용량도 고려합니다.
포트폴리오 분석에는 충분히 겹치는 수익률 이력이 필요합니다. 안심을 주는 분산 점수로 바꾸기보다 부족한 근거가 그대로 드러나도록 해야 합니다.
공통 관측 기간에 걸쳐 전략을 비교합니다.
상관관계와 유효 독립 베팅 수를 확인합니다.
배분과 위험 기여도를 함께 분석합니다.
근거를 AI 포트폴리오 검토 및 출시 점검과 결합합니다.
결합 수익률을 해석하기 전에 관계를 확인하세요. 상관관계와 위험 기여도는 포트폴리오의 서로 다른 측면을 설명합니다.
이 예시에서 A와 B는 수익률 행태의 상당 부분을 공유합니다. C를 추가하면 익스포저 구성이 달라지지만, 가중치와 개별 변동성이 각 전략이 기여하는 위험의 규모를 여전히 결정합니다.
포트폴리오 선택기는 분석상의 비교 대상을 변경합니다. 구성 방식을 선택해도 거래소에 주문이 제출되거나 실제 자금 운용이 승인되지는 않습니다.
모든 열을 보려면 가로로 스크롤하세요.
| 방식 | 배분 방식 | 해석 |
|---|---|---|
| 동일 가중 | 각 전략에 동일한 자본 가중치를 부여합니다. | 단순한 자본 균형이 동일한 위험을 의미하지는 않습니다. |
| 역변동성 | 변동성이 낮은 전략에 더 높은 가중치를 부여합니다. | 개별 변동성을 사용하며, 상관관계는 결합된 위험에 계속 영향을 줍니다. |
| 리스크 패리티 | 포트폴리오 분산에 대한 기여도를 균형 있게 맞추려고 합니다. | 추정된 공분산과 이용 가능한 이력에 따라 달라집니다. |
로그인한 워크스페이스의 포트폴리오 섹션에서 승급된 전략을 분석할 수 있습니다. 의미 있는 포트폴리오 통계를 계산하려면 충분히 겹치는 수익률 이력이 필요합니다.
아닙니다. 과거 포트폴리오 분석을 다시 계산할 뿐입니다. 거래소 계정을 변경하거나 주문을 제출하거나 실시간 배분을 승인하지 않습니다.
유효 베팅 수는 상관관계 행렬에 존재하는 독립적 변동의 규모를 요약합니다. 상관관계가 높은 여러 전략은 여러 독립 베팅이라기보다 하나의 베팅처럼 움직일 수 있습니다.
변동성과 상관관계가 각 전략의 포트폴리오 분산 기여도를 결정합니다. 적은 자본을 배분해도 위험의 큰 비중을 차지할 수 있습니다.
아닙니다. 이용 가능한 근거를 평가할 뿐입니다. 스트레스 상황에서는 상관관계와 손실이 변할 수 있으므로, 과거의 분산이 미래의 보호를 보장하지는 않습니다.
신호 북은 하나의 전략 안에서 예측을 결합합니다. 포트폴리오 분석은 여러 전략의 수익률을 결합합니다. 두 기능은 서로 다른 수준의 익스포저를 다루므로 함께 검토해야 합니다.
AI 에이전트, 테스트 엔진 및 실행 제어 기능이 전략 팩토리 전반에서 어떻게 함께 작동하는지 확인하세요.
Stratmill은 AI 트레이딩 전략 플랫폼이며, 금융 자문이나 브로커가 아닙니다. 백테스트 및 페이퍼 트레이딩 결과는 가상의 결과입니다. 트레이딩에는 손실 위험이 따릅니다.