지식 라이브러리

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 일별 트레이딩 의사결정을 위한 느리게 변하는 맥락 특징인 재무 비율, 거시경제 여건, 달력 효과의 표현 방식을 설명합니다. 이익수익률, 수익성, 발생액, 레버리지, 현금흐름 수익률과 같은 가치 및 품질 지표를 소개하고, 발표일과 기준 시점 조인을 사용해 분기별 재무 정보를 일별 관측치에 맞춥니다. 거시 시계열에는 발표 지연과 전방 채우기가 필요하며, 달력 패턴에는 주기 인코딩과 이벤트까지 남은 시간 변수를 사용할 수 있습니다. 핵심 우려는 시점…

이 노트북은 등가격 스트래들을 매도해 만기까지 보유하는 전략의 후보 특징을 선별합니다. 각 거래일에 특징별 가용 종목의 횡단면 순위를 만기 시점 스트래들 결과의 순위와 비교한 뒤, 검증 기간에 걸친 순위 일치도를 평균합니다. 여러 후보를 함께 시험하므로 중첩 포지션에 따른 불확실성을 조정하고 거짓 발견을 통제합니다. 워크플로는 데이터 범위와 오래된 값도 점검하고 기간별 일관성을 비교하며, 근거와 처리 결정을 선별 대장에 기록합니다. 통계적 선별과 모델 선택을…

이 문서는 관측일의 수정 종가와 이후 거래 세션의 가격을 사용해 ETF의 일별 선행 수익률 레이블을 만드는 방법을 설명합니다. 월 단위 기본 레이블과 더 짧은 주 단위 변형을 만들며, 적격성 필터를 적용하기 전에 각 심볼의 전체 정렬 가격 이력을 바탕으로 레이블을 계산합니다. 단언문으로 미완성 후반 구간, 이례적으로 긴 달력상 기간, 심볼 경계, 레이블 유형을 확인합니다. 노트북은 결과 기간의 중첩, 수익률 구간이 홀드아웃 내에서 끝나는 개발 행의 제거,…

이 Python 모듈은 일별 표본 외 수익률을 사용해 전략 백테스트의 불확실성을 정량화하는 방법을 설명합니다. 수익률 시계열 통계에 대한 정상성 블록 부트스트랩 구간, 자기상관과 비정규성을 조정한 Sharpe 표준오차, 평균 수익률에 대한 Newey–West 표준오차를 결합합니다. 블록 길이는 가능하면 리밸런싱 간격을 기준으로 정하고, 그렇지 않으면 최적 크기 추정기를 사용하되 수익률 산출 기간을 바탕으로 하한을 둡니다. 또한 일별 수익률 차이를 이용한 대응…

이 노트북은 ETF 미래 수익률 예측에 대해 분할 컨포멀 예측, 컨포멀화 분위수 회귀, 적응형 컨포멀 추론을 비교합니다. 워크포워드 폴드에서는 한 부분으로 학습하고, 다른 부분에서 구간 오차를 보정한 뒤 이후 관측값을 평가합니다. 분할 컨포멀은 보정 잔차 순위를 사용해 구간 너비를 정합니다. CQR는 보정 전에 하한과 상한 분위수 모델을 적합하므로 상황에 따라 구간 너비가 달라질 수 있습니다. ACI는 지연된 결과를 이용할 수 있게 되면 미포함률을…

이 노트북은 검증 예측을 롱온리 주식 포트폴리오로 평가합니다. 각 레이블의 주기에 따라 결정 일정을 정하고, 상위 K개 종목을 동일 비중으로 선택합니다. 시드가 있는 무작위 신호 실행으로 종가부터 다음 시가까지의 사건 순서를 점검한 뒤 같은 백테스트 과정으로 포트폴리오 집중도 선택을 스윕합니다. 옵션에서 파생된 변수는 예측 입력으로 쓰고, 거래 대상은 주식입니다. 이 분석은 검증 날짜 커버리지가 비슷한 예측 세트끼리만 비교하고 비용을 반영합니다. 블록…

이 문서는 날짜가 있는 엔터티 기록을 잠재 팩터 사례 연구용 배열로 변환하는 방법을 설명합니다. 한 방법은 적격성 데이터셋에서 학습한 커버리지 기준을 충족하는 엔터티만 남깁니다. 누락된 관측값은 NaN으로 유지해 일관된 엔터티 축을 만듭니다. 두 번째 방법은 불규칙한 횡단면을 만들고 각 날짜에 관측된 최대 크기까지 채웁니다. 슬롯 위치는 날짜별로만 유효하며 날짜가 바뀌어도 동일한 엔터티를 나타내지는 않습니다. 또한 각 날짜 안에서 특성 순위를 제한된 척도로…

이 공용 유틸리티 모듈은 퀀트 리서치를 위한 공통 그래디언트 부스팅 파이프라인을 제공합니다. 용량별 프리셋을 정의하고 표준 파라미터 이름을 LightGBM, XGBoost, CatBoost 및 scikit-learn 히스토그램 부스팅에 해당하는 설정으로 매핑합니다. 또한 CPU 또는 CUDA 실행, 스레드 수, 라이브러리별 호환성 같은 런타임 선택을 처리하고, 재현성을 위해 설정과 실행 이력 정보를 기록합니다. 모듈의 더 넓은 역할은 등록된 모델 실행을…

이 노트북은 주문장 활동이 NVDA의 단기 수익률을 예측하는지 연구합니다. 주문별 시장 데이터에서 추가, 취소, 체결 정보를 이용해 거리에 따라 가중한 주문장 압력 지표를 만들고, 부호가 있는 활동을 평활화해 중간 가격 부근의 유동성 변화를 나타냅니다. 여러 미래 기간에 걸쳐 주문 흐름 불균형을 평가하고, 중간가, 지연 조정 가격, 실행 가능 가격을 포함한 여러 마크아웃 정의로 수익률 상관관계와 십분위 패턴을 비교합니다. 이 비교는 지연과 매수·매도 호가…

이 노트북은 키워드 기반 ESG 헤드라인 파이프라인을 살펴보고 구조화된 분류기 출력과 검색 증강 생성 어시스턴트가 충족해야 할 요건을 비교합니다. 첫 번째 키워드 목록으로 헤드라인을 고르고, 두 번째 목록으로 환경·사회·지배구조 레이블을 지정합니다. 선택된 전체 집합에 분류기를 적용하면 환경 항목이 크게 치우친 것으로 나타납니다. 노트북은 환경 관련 용어를 더 쉽게 선택하는 키워드 목록과 겹치는 경우 환경 항목을 우선하는 분류 순서에서 불균형의 원인을…

이 노트북은 SHAP를 사용해 FinBERT의 3개 클래스 금융 감성 확률을 토큰 단위로 설명합니다. 모델 체크포인트를 고정하고 출력 레이블을 명시적으로 정렬한 뒤, 구성된 여러 헤드라인에서 어떤 토큰이 예측 클래스 확률을 높이거나 낮추는지 살펴봅니다. 통제된 비교에서는 “narrowed”를 “widened”로만 바꿔 토큰의 기여도가 고정된 단독 감성을 나타내는 것이 아니라 문장 전체 맥락에 따라 달라짐을 보여줍니다. 또한 소수의 구성된 예시에서 긍정 클래스…

이 노트북은 전체 데이터셋을 불러오지 않고 Parquet 스키마를 읽어 9개 시장 사례 연구의 모델 기반 특성 열을 목록화합니다. 식별자 필드는 제외하고 시장별 열 수를 세며, 이름에 포함된 토큰을 기준으로 변동성 모델, 레짐 지표, 자기회귀 예측, 분수 차분 등의 특성군을 분류합니다. 목록의 토큰과 일치하지 않는 열을 조사할 수 있도록 이름 일부도 제공합니다. 이 목록은 어떤 산출물과 이름이 존재하는지를 기록할 뿐 예측력을 평가하지 않습니다. 토큰 매칭은…

이 노트북은 개별 추정치를 정확히 계산하더라도 많은 팩터나 전략을 검색하면 선택된 우승 후보의 겉보기 성과가 부풀려지는 이유를 설명합니다. 시뮬레이션한 잡음 팩터 집합은 가장 큰 정보계수가 우연히도 인상적으로 보일 수 있음을 보여줍니다. 이어 이분산성과 자기상관에 강건한 추론을 적용한 뒤 거짓 발견률을 통제하는 보정 절차를 구성하고, 더 보수적인 선별을 위한 패밀리 단위 오류 통제도 논의합니다. 상관된 팩터 변형에는 Rademacher 복잡도 보정을…

이 사례 연구는 S&P 500 주식 및 옵션 특성 패널에서 시퀀스 모델을 비교합니다. 과거 참조 구간에서 게이트 상태를 유지하는 LSTM와 최신 수준을 제거한 뒤 선형 매핑을 적합하는 N-Linear 기준 모델을 함께 살펴봅니다. 이 기준 모델은 같은 구간을 더 단순하게 매핑하는 것보다 순환 메모리가 가치를 더하는지 평가합니다. 목표에는 미래 주식 수익률과 위험 조정 수익률 레이블이 포함됩니다. 이 연구는 특정 시점의 특성과 워크포워드 폴드에 맞춰 모델…

이 노트북은 TimeGAN의 5개 구성 요소를 설명합니다. 임베더와 복원 네트워크는 원시 관측값과 잠재 공간 사이를 변환하고, 감독자는 시간적 전이를 학습하며, 생성자와 판별자는 적대적으로 학습합니다. 단계별 학습을 설명하고 미국 주식 US 종목 패널의 일별 로그 수익률에 모델을 적용합니다. 수익률을 선택한 이유는 시그모이드로 제한되는 출력 및 최소-최대 스케일링과 관련이 있습니다. 추세를 보이는 가격 수준은 학습 범위를 벗어날 수 있어 홀드아웃 평가를…

이 노트북은 공유 ETF 모멘텀 전략 인터페이스를 Alpaca에 연결하는 방법을 보여주며, 기본적으로 시뮬레이션 오프라인 경로를 제공합니다. 브로커와 시장 데이터 어댑터를 바꿔도 전략, 주문 로그, 섀도 모드 래퍼는 동일하게 유지되는 방식을 설명합니다. 페이퍼 환경의 라이브 연결에 앞서 선택적 SDK 사용 가능 여부, 자격 증명, 계정 상태를 각각 확인합니다. 계정 스냅샷에는 현금, 자산, 포지션이 포함됩니다. 섀도 모드는 주문을 전송하지 않고 제안된 주문을…

이 기록은 연속된 분기 GDP 감소 또는 NBER의 경기침체 판정일을 기준으로, 미국이 2026년 말까지 경기침체에 진입할지 조사한 멀티 에이전트 연구 실행을 문서화합니다. 세 에이전트는 성장률 전망, 경기침체 지표, 통화정책 전망, 과거 기본 발생률을 검색한 뒤 확률 추정치와 근거를 제시했습니다. 한 에이전트는 긍정적인 성장 전망과 비교적 낮은 경기침체 위험 지표를 근거로 시장 내재 확률이 높다고 주장했습니다. 다른 에이전트는 우호적인 현재 상황과 함께…

이 노트북은 롤링 ETF 수익률 구간을 합성곱 신경망용 2채널 이미지로 변환합니다. Gramian Angular Summation Field는 각 구간 내 값을 재조정해 각도로 매핑하고 시간 위치 쌍 사이의 삼각함수 관계를 기록합니다. Markov Transition Field는 구간별 분위수로 값을 나누고 위치 쌍의 구간 간 전이를 나타냅니다. 따라서 두 방법 모두 원래 시퀀스를 그대로 제시하지 않고 위치 간 관계를 인코딩합니다. 실험에서는 5일 ETF…

이 노트북은 설명된 S&P 500 숏 스트래들 엔진에 일반적인 목표 비중 리스크 오버레이가 적합하지 않은 이유를 설명합니다. 엔진은 고정 자본 비중을 주간 코호트에 할당하고 각 코호트 안에서 비중의 합이 1이 되도록 정규화합니다. 따라서 비중을 낮춰도 정규화 과정에서 원래대로 돌아가 드로다운이나 변동성 오버레이가 통제할 현금 배분이 남지 않습니다. 대신 헤지 기준, 결제 규칙, 진입 비용, 코호트 수를 포함한 전략 사양에 관련 통제를 두어야 합니다. 노트북은…

이 문서는 암호화폐 무기한 선물의 포지션 쏠림이 상대 수익률을 예측하는지 연구하기 위한 특성을 개발합니다. 펀딩 지급의 방향과 프리미엄 지수의 역할, 그리고 원시 펀딩 또는 프리미엄 값에 과거 z점수, 횡단면 순위, 감쇠 측정치 같은 보완 표현이 필요한 이유를 설명합니다. 가격 변동성, 프리미엄 분산, 결제 시점 등 시장 환경을 나타내는 다른 특성도 다룹니다. 핵심 절차는 각 바의 값이 완성되어 관측 가능해지는 시점에 타임스탬프를 찍고, 조인, 시프트, 롤링…

위험 프리미엄 PCA는 학습 평균 수익률 벡터의 가중 외적을 더해 공분산 행렬을 수정합니다. 가장 큰 고유값에 대응하는 고유벡터가 정적 팩터 포트폴리오를 정의합니다. 가중치가 0이면 일반 PCA를 얻고, 양의 가중치는 평균 수익률과 관련된 방향으로 팩터를 기울입니다. 노트북은 여러 가중치에서 가격결정 적합도, 수익률 재구성, 로딩 공간의 변화를 비교한 뒤, 사전에 정한 가중치를 사용해 하루 앞의 팩터 프리미엄을 예측합니다. 학습 데이터로 로딩을 적합하고,…

이 노트북은 선택된 US 기업 특성 전략의 검증 성과가 가정한 수수료와 슬리피지에 따라 어떻게 달라지는지 측정합니다. 동일한 설정을 명시된 비용 그리드 전반에서 다시 실행하고, 총 비용을 수수료와 슬리피지에 균등하게 나눕니다. 전략을 고정하면 샤프 곡선을 통해 거래 비용 가정에 대한 민감도를 분리해 볼 수 있습니다. 비교를 위해 선언된 비용 수준을 스윕 안에 표시하며, 등록된 결과는 다시 계산하지 않고 재사용할 수 있습니다. 전략은 선언된 비용 수준에서 얻은…

이 노트북은 검증 데이터에서 설정을 선택한 뒤, 손대지 않은 홀드아웃 기간의 예측을 생성하는 방법을 설명합니다. 선택한 설정을 확인하고 홀드아웃용 학습 사양을 다시 구성한 다음, 사용 가능한 타임라인과 선택된 레이블의 기간을 바탕으로 학습 구간을 정합니다. 이렇게 확보한 버퍼는 학습 결과가 평가 기간까지 이어지지 않도록 하며, 그 기간의 수익률은 아직 알 수 없었을 것입니다. 노트북은 새 학습 식별 정보를 확인하고 예측 세트를 기록해 재학습이 이루어졌는지…