지식 라이브러리

이 노트북은 근거를 검색하고 이진 질문에 대한 구조화된 확률을 반환하는 연구 에이전트를 구성합니다. 행동 파싱 및 검증, 턴 예산, 근거와 실행 세부사항을 기록하는 저장된 예측 아티팩트를 설명합니다. 유효하지 않은 응답은 수정 요청을 받고, 턴을 모두 썼지만 예측을 내놓지 않은 에이전트는 확률을 제시한 에이전트와 구분됩니다. 모형이 예측과 근거를 제공하고, 코드는 감정, 신뢰도, 근거 유형, 핵심 발견 사항 같은 필드를 산출합니다. 이 지표는 휴리스틱에…

이 노트북은 PCA을 입력 특성 없이 잠재 요인을 사용하는 기준선으로 삼아 ETF 수익률을 예측하는 방법을 설명합니다. 각 펀드의 로딩과 추정된 요인 프리미엄을 사용해 각 레이블의 학습 구간 수익률 행렬을 분해하고 예측치를 구성합니다. 같은 펀드가 구간 내내 열로 유지되므로 이 방법은 고정된 ETF 유니버스에 적합하며, 개체의 정체성이 시간에 따라 바뀌는 경우에는 적절하지 않습니다. 노트북은 이 접근법을 입력 특성 기반 모델과 비교하고 워크포워드 학습 및…

이 모듈은 멀티 에이전트 예측 파이프라인의 두 구성 요소를 설명합니다. 토론 에이전트는 강세와 약세 논거를 번갈아 제시하며 각 입장이 상대 주장을 다루고 근거와 함께 확률 추정치를 내도록 합니다. 각 라운드를 기록하고 최대 라운드 수를 지키면서 두 추정치가 설정된 합의 범위 안에 들면 일찍 종료할 수 있습니다. 감독 에이전트는 먼저 의견 불일치, 모호성, 누락된 기저율, 검증이 필요한 주장을 찾아 검색어를 제안합니다. 날짜가 포함된 검색 결과를 모으고 그…

이 노트북은 사전에 인과 그래프를 지정하지 않고 PCMCI로 ETF와 변동성 수익률 간 지연 관계를 탐색하는 방법을 보여줍니다. 패널 기반 조건부 독립성 검정을 쌍별 Granger 검정과 비교합니다. Granger 검정은 대상 변수 자체의 과거 이력을 고려하지만 다른 변수에 조건을 걸지는 않습니다. 최대 시차는 거래일 기준 5일로 미리 설정합니다. 자기상관 그래프는 각 시계열의 지속성을 설명하지만 어떤 시계열 간 지연을 검정할지 결정하지는 않습니다.…

이 노트북은 PatchTST가 고정 길이의 연속 시장 특성 패치로 NASDAQ-100 레이블을 예측하는 방법을 설명합니다. 어텐션은 매분 관측치에 적용할 때보다 시퀀스 길이를 줄이면서 한 시간의 후행 구간에 있는 패치 간 관계를 학습합니다. 워크포워드 폴드에서 여러 예측 기간의 회귀 목표를 적합하며, 현재 시퀀스 실행기에서 분류 목표를 제외한 이유도 설명합니다. 워크플로는 적합 전에 데이터 적격성과 폴드 경계를 확정하고, 중첩 결과를 줄이도록 각 레이블…

이 문서는 선형 및 그래디언트 부스팅 모델과 동일하게 가공된 특성 행과 워크포워드 폴드를 사용하는 CME 선물 TabM 실험을 설명합니다. TabM은 앙상블 구성원 간 대부분의 가중치를 공유해 여러 신경망 평균화의 분산 감소 효과 일부를 전체 계산 비용 없이 얻습니다. 설정마다 모델 용량이 달라지며, 선언한 모든 학습 체크포인트는 이후 검증 백테스트와 샤프 비율 기반 선택을 위해 공개됩니다. 이 비교는 특성 열, 레이블, 폴드 계약을 일관되게 유지하면서…

문서는 장중 특성으로 NASDAQ-100 주식 수익률을 예측하는 최소 시퀀스 모델 NLinear를 소개합니다. 고정된 후행 윈도우에서 최신 관측값을 빼 모델이 수준값 대신 변화량을 사용하게 하고, 결과 특성을 단일 선형 계층에 통과시킵니다. 이 설정은 시퀀스 윈도우 접근에서 비롯된 개선과 더 복잡한 아키텍처에서 비롯된 개선을 구분하는 데 도움이 됩니다. 목표에는 여러 선행 수익률 기간이 포함되며, 전략과 관련된 목표는 15분 앞입니다. 학습은 워크포워드…

문서는 SEC 8-K 공시를 구조화된 기업 이벤트로 변환하는 파이프라인을 설명합니다. 언어 모델이 이벤트 관계를 추출하고 명시적인 스키마 검사로 개체명, 관계 유형, 범주, 날짜를 검증합니다. 결정론적 정규화로 개체 형식을 바로잡으며, 지원되지 않는 값이 포함된 레코드는 검토를 위해 미해결 상태로 둡니다. 공시 항목 번호를 맥락으로 전달하고 여러 항목을 보존하며, 누락된 항목은 추론하지 않고 누락으로 표시합니다. 워크플로는 추적 가능성과 시간적 무결성을…

이 모듈은 날짜 구간과 적합값은 그대로 둔 채 라이브러리가 워크포워드 폴드 번호를 변경한 뒤 레지스트리를 마이그레이션하는 방법을 설명합니다. 학습 명세, 예측 키, 입력 지문, 모델 매개변수, 산출물, 후속 해시에 폴드 식별자가 포함되어 있으므로 레이블을 바꾸려면 관련 식별자와 참조의 연결된 흐름을 갱신해야 합니다. 마이그레이션은 저장된 구간 경계로부터 순열을 도출한 다음 식별자에 포함되는 다이제스트를 다시 계산하고, 쓰기 전에 파생 값을 저장된 결과와…

이 노트북은 은닉 마르코프 모델이 수익률과 최근 변동성으로 관측되지 않은 시장 상태를 추론하는 방법을 설명합니다. 먼저 스트레스는 변동성 지수 임계값으로, 추세는 장기 이동평균 대비 가격으로 판단하는 간단한 비교 규칙을 설정합니다. 두 상태 예시는 현재 세션까지 이용 가능한 관측치로 상태 확률을 갱신하는 전방 알고리즘을 보여줍니다. 노트북은 전체 관측 시퀀스를 사용하는 평활 확률과 필터링 확률을 구분하고, 추론이 필터링 방식이어도 전체 표본으로 추정한 모델…

이 노트북은 모멘텀 신호의 겉보기 품질이 합리적인 연구 선택에도 유지되는지 확인하는 틀을 제시합니다. 지정된 홀드아웃 기간 이전의 실제 ETF 데이터로 과거 관측 기간 매개변수를 한 번에 하나씩 바꾸고, HAC 보정 통계량으로 횡단면 정보계수를 측정합니다. 관측된 최고 매개변수를 목표로 삼는 대신, 성과가 정점에 가까운 설정의 폭으로 매개변수 견고성을 정의해 넓은 평탄 구간과 좁은 최적점을 구분합니다. 추가 검사는 레짐별 조건부 IC, 신호의 대안 구현,…

이 노트북은 불완전하거나 서로 맞지 않는 평가 표본이 결과를 왜곡하지 않도록 S&P 500 옵션 예측 모델을 비교하는 방법을 설명합니다. 각 모델을 계열, 설정, 체크포인트별로 식별하고, 예측이 등록된 적격성 계약을 충족하는지 확인하며, 모집단이 동일한 교차검증 식별자를 공유하는지도 검증합니다. 시퀀스 모델은 과거 관측 이력이 필요해 더 적은 행을 포함할 수 있습니다. 따라서 적격성 그룹이 다른 모델끼리 비교하면 모델 차이와 표본 차이가 뒤섞입니다. 폴드별로…

이 노트북은 Ridge 회귀와 세 가지 컨포멀 방법인 분할 컨포멀 예측, 컨포멀화 분위수 회귀, 적응형 컨포멀 추론을 사용해 ETF 선행 수익률의 불확실성 구간을 만듭니다. 워크포워드 폴드로 이를 평가하고, 유한 표본 보정 규칙을 설명합니다. 보간된 분위수가 아니라 필요한 순위에 해당하는 보정 점수를 선택합니다. 적응형 컨포멀 추론은 시간에 따라 미포괄률 목표를 갱신하며, 선행 수익률 레이블이 확정될 때까지 피드백을 지연합니다. 분석에서는 전체 커버리지뿐…

이 노트북은 처치 전 통제 변수 여섯 개를 조정한 뒤 무기한 선물 프리미엄 Z 점수가 다음 8시간 수익률과 연관되는지 이중 머신러닝으로 추정합니다. 별도 적합과 처치·국면 상호작용을 사용해 고변동성 국면과 저변동성 국면의 효과를 비교합니다. 데이터는 여러 심볼의 패널로 구성되므로 교차 적합, 엠바고 적용, Driscoll–Kraay 표준 오차 계산 시 각 타임스탬프를 하나의 의사결정 기간으로 취급합니다. 노트북은 시간적 지속성을 유지하면서 심볼별 처치값을…

이 장은 금융 데이터를 시장, 펀더멘털, 대체 데이터 출처별로 정리한 뒤 자산군에 따라 가격, 유동성, 관측값의 의미가 어떻게 달라지는지 비교합니다. 타임스탬프, 조정, 식별자, 수정 이력이 데이터셋 정의의 일부이며 연구 결론을 바꿀 수 있다고 강조합니다. 예시로는 생존 편향을 고려한 주가, 기업 활동 조정, 선물 세션 봉과 연속 계약, 옵션 지표, 암호화폐 펀딩 데이터가 포함됩니다. 핵심 부분에서는 시점 기준 정확성, 생존 편향, 기업 활동, 식별자…

이 노트북은 합성 금융 시계열을 생성하는 순환 생성적 적대 신경망인 TimeGAN을 소개합니다. 다섯 가지 모듈이 임베딩과 복원을 학습하고, 다음 잠재 상태를 예측하며, 노이즈에서 시계열을 생성하고, 생성된 시계열과 실제 시계열을 구별합니다. 학습은 표현 학습, 시간적 지도 학습, 공동 적대 학습 순으로 진행됩니다. 예제에서는 US 주식 패널의 일별 로그 수익률을 사용하고, 평가를 위해 데이터의 가장 최근 구간을 홀드아웃합니다. 평가에서는 분포 점검,…

이 문서는 사례 연구 평가 설정에서 워크포워드 검증 분할을 생성하는 공통 방법을 설명합니다. 폴드 구성은 달력을 고려하는 분할기에 맡기고, 패널 행의 정렬을 유지하도록 고유 타임스탬프를 사용하며, 지정된 홀드아웃 경계에서 거꾸로 진행합니다. 학습 및 검증 구간에는 롤링 기간을 사용할 수 있고, 경계를 넘어 이어지는 결과의 누수를 줄이기 위해 레이블 버퍼로 두 구간을 분리합니다. 핵심 설계 선택 중 하나는 버퍼를 세는 방식입니다. 시장 달력과 세션 격자로…

이 노트북은 1년 동안 두 가지 US 주식 선형 모델 설정에서 나온 실제 검증 예측 오차에 순차 감지기 두 개를 적용합니다. 두 구간 평균 변화 감지기는 오차 크기의 변화를 찾고, 오답 빈도 모니터는 방향 예측이 틀리는 빈도를 추적합니다. 각 감지기는 초기 기간에 보정한 뒤 이후 세션을 모니터링하므로 평가 대상 기간에 맞춰 임계값을 조정하지 않습니다. 경보를 롤링 변동성 기반 시장 혼란 대리 지표와 비교하고, 혼란 구간까지의 부호 있는 거리를 기록해 조기…

이 노트북은 ETF의 선행 수익률을 예측하는 지도 오토인코더를 소개합니다. 네트워크는 펀드의 특성 행을 저차원 표현으로 압축하고, 그 표현에서 직접 수익률을 예측합니다. 같은 모델 계열의 조건부 오토인코더와 달리, 수익률이 소수의 공통 팩터에서 생성된다고 가정하지 않습니다. 재구성 손실과 수익률 예측 손실을 함께 학습하므로 목표 레이블을 바꾸면 별도로 적합한 모델이 만들어집니다. 노트북은 예정된 각 학습 체크포인트에서 예측값을 공개하고, 검증 정보계수로…

이 문서는 기존 워크포워드 검증 명세에서 단일 홀드아웃 학습 구간을 도출하는 방법을 설명합니다. 연구 설정에 선언된 홀드아웃 날짜를 가져오고, 검증 폴드 전체에서 가장 이른 학습 시작일을 사용하며, 가장 긴 레이블 버퍼를 포함하는 간격을 남기도록 학습을 충분히 일찍 끝냅니다. 이 버퍼는 학습 결과가 홀드아웃 평가를 위해 남겨둔 기간까지 닿지 않게 합니다. 특성 데이터가 폴드별로 더 좁은 과거 구간에만 존재한다면, 학습 시작일 하한을 두어 해당 특성이 실제로…

이 노트북은 S&P 500 주식의 등가격 숏 스트래들에 대한 선행 수익률 레이블을 만듭니다. 일별 패널에서 명목 30일물 스트래들은 매 세션마다 다른 계약을 나타내므로, 가격 시계열을 단순히 이동하면 상품이 뒤섞입니다. 대신 레이블은 실제 진입한 콜·풋 계약을 추적하고 이후 가격이나 결제 값을 가져와 각 거래에 유효한 진입 및 청산 데이터가 있는지 확인합니다. 또한 만기 보유 수익률을 고정 기간 진단과 구분하며, 여기에는 델타 헤지 변형도 포함됩니다.…

이 노트북은 트레이딩 신호나 공시 같은 이벤트가 시장 기준수익률을 넘어서는 수익률을 예측하는지 테스트하는 방법을 설명합니다. 유동성 높은 ETF의 모멘텀 돌파를 예시로 워크플로를 보여줍니다. 이벤트 전 수익률로 시장 모델을 추정하고, 이벤트 구간의 비정상 수익률을 계산한 뒤, 일별 평균을 신뢰구간 및 유의성 통계와 함께 누적 평균 비정상 수익률(CAAR)로 합산합니다. 중요한 구현 세부 사항은 이벤트 구간이 상대적인 행 오프셋을 사용하도록 자산과 기준지수를…

이 분석은 9개 트레이딩 사례의 특징 선별 대장을 비교합니다. 벤자미니–호크버그 거짓 발견률 유의성과, 사례별 효과 크기 하한 및 폴드별 부호 안정성을 결합하는 두 번째 PROCEED 결정 경로를 구분합니다. 결정이 두 경로의 합집합을 따르므로 PROCEED 특징 수가 FDR 기준을 통과한 수보다 많을 수 있습니다. 이어 각 사례의 PROCEED 비중과 검증 및 홀드아웃 Sharpe를 대응시켜 특징의 생존 여부가 전략의 생존 여부를 예측하는지 탐색합니다.…

이 노트북은 금융 문장 감성을 3개 클래스로 분류하도록 트랜스포머 체크포인트 3개를 미세 조정하고 정확도, 매크로 평균 F1, 혼동 행렬, 파라미터 수, 학습 시간을 비교합니다. Financial PhraseBank를 학습·검증·테스트로 계층 분할하고, 일반 난수와 Trainer 난수의 시드를 설정하며, 동적 배치 패딩을 적용합니다. 모델에는 특정 도메인용 FinBERT 체크포인트와 범용 체크포인트 2개가 포함됩니다. 핵심 교훈은 테스트 점수를 해석하기 전에…