Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 43개
이 사례 연구는 다른 모델 계열과 동일한 시점별 CME 선물 특성 행 및 워크포워드 폴드에서 매개변수 효율적인 신경망 앙상블 TabM을 평가합니다. 대부분의 매개변수를 공유하면서 모델 간 변동을 평균 내는 방법으로 TabM을 소개하고, 작고 노이즈가 많은 패널에서 적합과 일반화의 균형을 확인하기 위해 모델 용량을 바꿉니다. 명시된 평가는 동일가중 검증 백테스트와 샤프를 기준으로 정해진 에포크 체크포인트 중 하나를 선택합니다. 노트북은 신뢰할 수 있는 비교를…
이 노트북은 전처리나 특성 공학 전에 금융 데이터셋을 반복해서 진단할 수 있는 점검 절차를 만듭니다. 시간 인덱스 자료형, 비어 있는 타임스탬프, 정렬과 고유성을 확인하고, 완전히 같은 중복과 키 기준 중복을 찾으며, 필드·자산·날짜별 결측값을 측정하고, 공백·이상치·도메인 위반·데이터셋별 달력 문제를 살펴봅니다. 진단 결과는 원본 데이터를 바꾸거나 정리하지 않고 문제를 보고합니다. 점검 대상은 ETF, US 주식, 가상자산, 선물, FX, 기업 특성입니다.…
이 특성 평가에서는 금융 및 모델 기반 후보를 CME 선물의 미래 수익률과 비교해 선별합니다. 각 특성의 데이터 범위와 노후화를 점검하고, 특성값과 미래 수익률의 일간 횡단면 순위 상관을 측정하며, 겹치는 수익률 구간에 따른 불확실성을 조정하고, 검사한 집합 전체에 Benjamini-Hochberg 거짓 발견 통제를 적용합니다. 워크포워드 검증 연도별 결과와 사전에 정한 다른 수익률 구간도 살펴보고, 근거와 함께 진행·수정·중단 판단을 기록합니다. 서로…
이 노트북은 각 선물 수익률 구간에서 검증 순위가 가장 높은 신호 또는 배분 전략에 설정된 손절, 추적 손절, 시간 기반 청산 규칙을 적용합니다. 각 규칙은 자체 상위 전략을 대상으로 평가하며, 검증 가격 경로에 맞춰 조정하지 않고 파라미터를 사전에 고정합니다. 선언된 모든 규칙을 완료해야 이후 선택에서 의도된 후보 집합을 유지할 수 있습니다. 손절은 포지션을 비대칭적으로 청산해 전략의 수익률 분포를 바꾼다고 설명합니다. 평균 회귀형 캐리에서는 신호상…
이 노트북은 주식, ETF, 선물, 외환, 암호화폐 무기한 선물 전반의 거래 비용을 측정하는 단위 인식 프레임워크를 개발합니다. 먼저 거래량과 달러 거래대금으로 환산할 수 없는 활동 지표를 구분하고, 거래 내역으로 환산 근거를 확인할 때까지 각 거래소의 수수료 분모를 유지합니다. 수수료, 스프레드, 시장 충격, 주식 차입료를 나누고, 주어진 회전율에서 전략이 달성해야 하는 연간 총수익률과 거래당 비용을 연결합니다. 노트북은 일별 시장 데이터와 공개된 수수료…
이 노트북은 선물 예측을 위한 LSTM 및 NLinear 시퀀스 모델을 평가합니다. 의사결정마다 특성 행 하나를 사용하는 모델과 달리 시퀀스 모델은 과거 관측값의 순서가 있는 윈도우를 입력으로 받아, 고정 요약에서는 놓칠 수 있는 패턴을 학습할 가능성이 있습니다. NLinear는 각 윈도우의 마지막 값에 대한 변화를 예측하고, LSTM는 윈도우를 따라 정보가 어떻게 전달될지 학습합니다. 정교한 모델은 더 큰 용량을 가질 수 있지만, 선형 기준 모델도 예측…
이 노트북은 CME 선물 패널을 대상으로 신경망 확률할인요인 모형을 제시합니다. 이 모형은 상품 수익률과 캐리, 모멘텀, 변동성 같은 관측 가능한 특성을 함께 사용해 잠재 요인을 구성하고, 미리 정한 미래 수익률 기간에 대한 예측을 생성합니다. 수익률만 사용하는 PCA와 이 접근법을 비교해 특성이 수익률 공분산을 넘어 추가 가격 정보를 제공하는지 검토할 수 있는 방법을 설명합니다. 표현은 각 학습 폴드 안에서 적합하고 검증 데이터는 재적합 없이 변환하며,…
이 노트북은 단일 자산의 가격 이력 외 데이터를 활용해 특성을 만드는 방법을 설명합니다. 동시점의 근월물 및 원월물 선물 가격으로 연율화 선물 롤 수익률을 계산하고, 세 가지 만기를 사용해 정규화된 커브 기울기와 버터플라이 곡률을 산출합니다. 롤링 베타, 선후행 관계, 상대가치, 등가격 내재변동성, 리스크 리버설, 내재변동성 기간 기울기, 분산 리스크 프리미엄 같은 옵션 지표도 소개합니다. 예시에서는 선물, ETF, S&P 500 옵션 데이터를 시각화하고…
이 설정은 주가지수, 국채, 에너지, 금속, 통화, 농산물, 축산물을 아우르는 주간 선물 연구 유니버스를 정의합니다. 금요일 결제를 의사결정 기준 시점으로, 월요일 시가를 실행 시점으로 설정합니다. 전략 틀은 캐리 또는 모멘텀으로 상품 순위를 매기고 동일 위험 또는 명목금액 기준 포지션 규모를 사용하는 롱숏 포지션을 지원합니다. 비용 가정은 상품 유동성에 따라 달라지며 수수료, 스프레드, 롤 슬리피지를 포함합니다. 설정에는 모멘텀, 변동성, 캐리, 추세 및…
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…
이 노트북은 실제 전략 감사에서 LEAN 엔진과 이에 맞춘 ML4T Backtest 프로필의 결과를 비교합니다. 고정된 입력이 지원하는 자산군 작업을 식별하고 체결, 평가액, 평가 시점, 주식 자산곡선의 공백, 최종 가치 전반의 동등성 근거를 보고합니다. CME 선물 작업은 이용 가능한 연속 근월물 가격에 네이티브 LEAN 구독에 필요한 날짜별 계약 체인과 롤 매핑이 없어 제외됩니다. 입력 로딩, 추론, 목표 구성, 준비, 보고를 제외하고 엔진 호출 전후를…
이 노트북은 일별 주식과 시간별 암호화폐 무기한 선물의 수집, 검증, 출처 표시, 저장을 아우르는 종단 간 파이프라인을 구성합니다. 주식 예시는 과거 WikiPrices 데이터와 더 최근의 Yahoo 피드를 결합합니다. 공급자마다 주식 분할 조정 이력이 달라 두 피드가 겹치는 날짜에서 가격 재조정 계수를 추정하고, 과거 OHLC 가격에 적용하며 거래량은 역으로 조정한 뒤 겹치지 않는 기간을 결합합니다. 타임스탬프 처리도 표준화하고 감사를 위해 행마다 공급자를…
이 데이터 가이드는 주가지수, 금리, 에너지, 금속, 통화, 농산물, 축산물을 아우르는 CME 연속 선물 계약 모음을 설명합니다. 시간별 원천 데이터와 여기서 산출한 일별 빈도, 여러 계약 만기, 상품 설정, 로더를 통한 필터링을 다룹니다. 다운로드 워크플로는 상품과 연도별로 파일을 나누고 비용 추정과 실제 다운로드 없는 실행을 지원합니다. 데이터를 요청하기 전에 공급업체 요금을 확인할 것을 권합니다. 계약은 거래량 기반 롤을 사용합니다. 다음 세션 전에…
이 노트북은 캐리, 모멘텀, 변동성처럼 설계된 특징이 아니라 CME 선물 수익률 패널에서 주성분 요인을 구성합니다. PCA은 상품 간 변동을 설명하는 방향을 찾습니다. 첫 번째 요인은 공통 시장 움직임과 비슷할 수 있고, 이후 요인은 섹터 간 동조 움직임을 반영할 수 있습니다. 이러한 패턴은 섹터 레이블을 미리 반영하지 않으며, 주성분은 예측력이 아니라 설명 분산 순으로 배열됩니다. 예측에서는 수익률을 주성분에 투영하고 확장창 평균을 사용해 요인 수익률을…
이 문서는 선물 수익률을 위한 두 가지 잠재 요인 접근법을 소개합니다. 주성분 분석은 수익률 변동을 가장 많이 설명하는 비상관 방향을 찾고, 신경망 확률적 할인인자는 기대수익률의 횡단면 가격결정과 관련된 조합을 찾으며 캐리나 변동성과 같은 상품 특성을 활용할 수 있습니다. 따라서 두 방법은 서로 다른 질문에 답합니다. 광범위한 동조 움직임과 가격에 반영될 수 있는 수익률 구조를 다루며, 추정된 요인의 경제적 의미는 추가 해석이 필요합니다. 두 접근법은 미래…
이 노트북은 선택된 CME 선물 모델 설정의 홀드아웃 예측을 생성하는 방법을 설명합니다. 검증 결과로 설정을 선택한 뒤 홀드아웃 기간이 시작되기 전에 끝나는 데이터로 다시 적합합니다. 레이블 버퍼를 두어 선행 레이블 결과가 홀드아웃까지 이어지지 않도록 학습 관측치와 평가 기간을 분리합니다. 또한 기간 시작 전에 추정한 매개변수를 홀드아웃 기간 내내 고정해 모델 기반 특성을 다시 생성합니다. 예측 집합은 실제로 재적합한 학습 실행과 연결되어야 합니다. 검증…
이 가이드는 주간 선물 포지션 데이터 출처로 공개된 CFTC 트레이더 포지션 보고서를 소개합니다. 딜러, 자산 운용사, 레버리지 자금 등의 참여자를 분류하는 Traders in Financial Futures 보고서와 상업 거래자, 운용 자금, 스왑 딜러 등의 범주를 사용하는 원자재 선물용 세분화 보고서를 구분합니다. 상품별 파일에는 보고 날짜, 미결제약정, 트레이더의 매수·매도·순포지션이 들어 있습니다. 포지션 분석, Z 점수, 역발상 신호, 선물 전략…
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 문서는 선물 상품을 선택해 주간 CFTC 트레이더 포지션 데이터인 Commitment of Traders를 가져오고, 상품별 이력을 Parquet 파일로 저장하는 방법을 설명합니다. COT 보고서는 화요일 포지션을 담아 금요일에 공개되며, 트레이더 범주는 금융 선물과 상품 선물에서 다릅니다. 생성된 데이터에는 보고서 날짜, 미결제 약정, 롱·숏·순포지션이 포함되며 선물 조사 과정에서 포지션 또는 심리 특성으로 활용할 수 있습니다. 다운로더에서 상품과 연도…