Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 322개
이 장에서는 근거 없는 주장과 환각의 비용이 클 수 있는 개방형 금융 리서치에서 언어 모델의 유용성을 높이는 방법으로 검색 증강 생성을 소개합니다. 문서 수집과 구조를 고려한 분할부터 메타데이터, 도메인별 임베딩, 어휘 및 의미 기반 하이브리드 검색, 재순위화, 증거에 근거한 생성까지 시스템을 설명합니다. 추적성과 수치 신뢰성을 높이기 위해 인용 제약과 도구로 검증된 계산도 포함합니다. 이 장은 평가를 진단 과정으로 다룹니다. 팀은 검색 실패를 맥락, 종합,…
이 노트북은 신호 규칙, 자산 배분, 리스크 오버레이를 다루는 등록된 검증 백테스트에서 CME 선물 사례 연구를 선택합니다. 두 수익률 구간에 걸쳐 후보를 비교하고 검증 샤프가 가장 높은 설정을 선택합니다. 비용 민감도는 선택 후보군에 후보를 추가하지 않고 선택된 설정만 설명합니다. 재현 가능한 비교를 위해 기준 실행에서 후보 구성을 고정합니다. 그런 다음 선택된 전략의 정확한 전략 사양과 모델 체크포인트를 맞춰 이후 홀드아웃 기간에서 평가합니다. 검증과…
이 노트북은 여러 자산 시계열이 필요한 특성을 개발합니다. 엥글-그레인저와 요한센 공적분 검정을 비교하고, 단순한 동행만으로는 정상적인 스프레드가 보장되지 않는 이유를 설명하며, 전체 표본 회귀와 순방향으로 갱신되는 칼만 필터로 헤지 비율을 추정합니다. 평균 회귀 반감기를 학습 데이터만으로 추정해 신호 구간을 설정함으로써 그 선택에 미래 정보가 쓰이지 않도록 합니다. 시간에 따른 측정치를 횡단면 순위, 벤치마크 대비 값, 전체 투자 가능 종목군의 국면…
이 노트북은 분봉과 NBBO 호가를 사용해 NASDAQ-100 종목의 장중 선행 수익률 레이블을 구성하는 방법을 설명합니다. 신호 다음 봉부터 지정된 미래 시점까지의 수익률을 정의하고, 매수·매도 호가 바운스를 줄이기 위해 호가 중간값을 사용하며, 스프레드는 별도의 마찰 비용 추정치로 다룹니다. 거래소 일정을 기준으로 각 구간을 제한해 레이블이 세션을 넘거나 조기 폐장 후 오래된 패딩 봉을 사용하지 않도록 합니다. 선언된 시간 구간은 관측된 시간 격자를…
이 문서는 일일 시장 데이터를 최신 상태로 유지하는 운영 절차를 제시합니다. 초기 이력을 불러오고, 저장 이력과 일부 겹치는 짧은 증분 구간을 가져오고, 누락된 날짜를 확인하며, 최신성과 검증 문제를 모니터링합니다. 겹치는 구간은 공급업체가 최근 봉을 수정한 내용을 반영하는 데 도움이 됩니다. OHLCV 데이터는 공급업체가 불완전하거나 가격 정보가 빠진 세션을 반환할 수 있으므로 업데이트 종료 시점을 현재 날짜가 아니라 마지막으로 완성된 봉에 맞춰야 합니다.…
이 노트북은 S&P 500 주식 및 옵션 연구에서 주요 레이블을 예측하도록 패치 트랜스포머를 적합합니다. 각 주식의 과거 입력 구간을 연속 패치로 나누고 각 패치를 어텐션 토큰으로 취급합니다. 어텐션은 구간 내 멀리 떨어진 부분을 직접 비교할 수 있고, 패치 방식은 시퀀스 길이를 줄입니다. 패치 크기가 클수록 계산 부담은 줄지만 패치 안의 세부 정보가 압축됩니다. 이 모형은 연구의 다른 딥러닝 아키텍처와 동일한 관측 구간 및 학습 일정을 사용합니다. 학습에는…
이 코드는 금융 특성으로 예측하는 지도 오토인코더 아키텍처를 제시합니다. 인코더는 정규화된 입력을 병목 표현으로 압축하고, 디코더는 규제 과제의 일부로 입력을 재구성합니다. 보조 예측 헤드는 재구성 결과를 사용하며, 더 큰 주 네트워크는 스킵 연결을 통해 원래 정규화 특성과 인코딩된 표현을 결합합니다. 모형은 분류와 회귀 출력을 지원합니다. 학습에는 배치 정규화, Swish 활성화, 가우스 입력 잡음, 드롭아웃을 사용합니다. 구현은 배치 정규화 매개변수를…
이 노트북은 여러 펀드의 가격 수익률에 단일 가중치 계열을 맞추는 ETF 확률적 할인 요인 모형을 설명합니다. 펀드 익스포저와 요인 수익률을 각각 추정하는 모형과 달리, 가격 책정 오차를 기준으로 두 개의 신경망을 학습합니다. 하나는 횡단면 데이터에서 할인 요인 가중치를 구성하고 다른 하나는 각 펀드의 익스포저를 추정합니다. 노트북은 예측 수익률 점수도 보고하지만, 목표는 수익률 예측이 아니라 무차익 가격 책정으로 설정합니다. 모형은 맥락 정보로 거시경제…
이 노트북은 홀드아웃 예측을 실시간 데이터의 오프라인 대용으로 사용해 배포된 트레이딩 모델을 모니터링하는 작업 흐름을 제시합니다. 드리프트를 계산하기 전에 들어오는 특성 패널을 검증한 다음, 모집단 안정성 지수(PSI)와 두 표본 Kolmogorov-Smirnov 검정을 사용해 기준 구간과 현재 구간을 비교합니다. 또한 예측 분포 변화와 론칭 기준선 대비 롤링 순위 상관, 적중률, 평균제곱오차를 추적합니다. 대시보드는 이 측정값을 감시 및 경보 상태로 통합해…
이 노트북은 미래 관측값이 과거 값에 영향을 주지 않도록 US 주식 패널의 모델 기반 특성을 구성하는 방법을 설명합니다. 핵심 방법은 추정 일정입니다. 모델은 워밍업 기간을 사용하고, 설명할 구간보다 앞선 데이터만으로 적합하며, 해당 구간의 특성을 산출한 뒤 다음 구간 전에 다시 적합합니다. 노트북은 이 원칙을 시장 국면 거리, 분수 차분 가격, 조건부 변동성에 적용하며, 개별 주식 변동성 모델과 이력이 짧은 경우를 위한 시장 수준 대체 추정치도 다룹니다.…