Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 507개
이 자료는 자연어 처리 모델의 학습이나 평가에 쓰이는 금융 뉴스 문장 라벨 데이터 모음인 Financial Phrasebank를 소개합니다. 사람 평가자가 긍정, 중립 또는 부정 감성 라벨을 붙입니다. 데이터셋은 평가자 간 합의 수준에 따라 네 가지 기준으로 제공됩니다. 가장 엄격한 하위 집합에는 모든 평가자가 동의한 문장이 포함되며, 기준이 느슨할수록 라벨 합의가 낮은 사례가 더 많이 포함됩니다. 이 자료는 데이터셋을 금융 감성 분류의 벤치마크로 소개하고,…
이 분석은 CME 선물 모델의 횡단면 정보계수(IC)를 해석하는 방법과 이후 포트폴리오 테스트와의 관계를 설명합니다. 각 날짜의 예측 수익률과 실제 수익률 간 순위 상관관계를 계산한 다음, 날짜별 상관계수의 평균을 구합니다. 이는 예측 수익률의 크기는 무시하고 순위에 따라 상품을 선택하는 동일 가중 전략에 해당합니다. 또한 폴드 간 평균과 t 통계량을 일별 시계열 추론과 구분하며, 보고된 t 통계량은 폴드 간 표준오차를 사용하고 예측값이 거의 일정해질 때는…
이 노트북은 모델이나 예측을 만들기 전에 과거 ETF 데이터로 월간 순위 전략을 뒷받침할 수 있는지 평가합니다. 전년도 유동성 정보를 사용해 특정 시점의 편입 자격을 확인하고, 리밸런싱 날짜의 가용 펀드 수를 세며, 주당 수수료와 추정 호가 스프레드의 절반을 가격 대비 비용으로 환산합니다. 수익률 변동으로 해당 비용을 감당할 수 있는지 살펴보고 펀드별 수익률 자기상관도 측정합니다. 또한 홀드아웃을 확인하지 않은 채 개발 표본에 워크포워드 분할을 적용할 수…
이 문서는 디플레이티드 샤프 비율(DSR)이 선택된 전략의 샤프 비율을 테스트한 전략 수, 샤프 추정치 간 변동, 비정규 수익률 분포에 맞춰 조정하는 방법을 설명합니다. 조정하지 않은 확률적 샤프 계산과 비교하고, 상보적 조합 대칭 교차 검증 분할을 사용하는 관련 백테스트 과적합 확률 분석도 개괄합니다. 무효 전략 및 동일 기대값 변형을 시뮬레이션해 최고 결과를 선택하면 실제보다 성과가 좋아 보일 수 있음을 보여줍니다. 실무 지침은 테스트한 모든 변형을…
이 노트북은 같은 종목, 같은 만기의 등가격 콜옵션과 풋옵션을 매도하고 만기까지 보유하는 전략의 후보 특성을 선별합니다. 각 특성에 대해 이용 가능한 종목을 향후 스트래들 결과와 같은 순서로 순위를 매기는지 측정합니다. 분석은 일별 횡단면 순위 일치도를 계산해 시간에 따라 평균하고, 포지션 중첩을 반영해 불확실성 추정치를 넓힙니다. 여러 후보를 테스트하는 유의성 선별도 조정하고 검증 기간 사이에 연관성이 유지되는지 확인합니다. 결과 기록표는 후속 연구 간…
이 노트북은 회사 10-K 공시 문서에서 BM25 키워드 검색, 밀집 임베딩, 상호 순위 융합(RRF), 교차 인코더 재순위를 비교합니다. 각 검색 방식을 구현하고 정확한 질의, 개념 질의, 혼합 질의에 대한 순위 결과를 평가합니다. RRF는 원시 관련성 점수 대신 순위를 결합합니다. 따라서 점수 척도가 달라도 점수 보정 없이 시스템을 결합할 수 있습니다. 재순위 모델은 검색된 후보군을 더 짧은 최종 목록에 맞게 다시 정렬합니다. 사람의 판단 자료가 없으므로…
이 노트북은 동일한 신호를 사용해도 두 백테스트 엔진의 결과가 달라지는 이유를 조사합니다. 미리 계산한 ETF 전략을 고정하고 예측으로 결정론적 포트폴리오를 구성한 뒤, 실행 설정을 한 번에 하나씩 바꿉니다. 설정에는 주식 수 반올림, 수수료 예치 현금, 체결 순서, 리밸런싱 방식, 비용이 포함됩니다. 최종 자산 가치와 체결된 거래를 비교한 다음, 설정별 효과가 단순히 합산된다고 가정하지 않고 설정 간 상호작용을 측정합니다. 핵심 방법은 실행 가정을 명시하고…
이 노트북은 US 주식 패널에서 세 가지 수익률 기간에 걸쳐 LightGBM 모델을 비교합니다. 그리드에서 트리 리프 수와 손실 함수를 바꾸고, 트리 수별 여러 체크포인트에서 각 설정을 채점합니다. 얕은 트리가 특성 간 상호작용을 학습하는 방식, 제곱·절대·Huber 손실이 두꺼운 꼬리 수익률에 서로 다르게 반응하는 방식, 선택을 평가할 때 각 체크포인트를 별도의 후보로 세어야 하는 이유를 설명합니다. 모델이 계속 개선되는지 과적합을 시작하는지 평가하기 위해…
이 노트북은 기관의 보유 현황, 운용자 순위, 공동 보유 네트워크를 연구하기 위해 SEC의 분기별 대량 13F 보유 데이터를 처리합니다. 제출 날짜로 운용자별 최신 공시를 선택하고, 발행사 텍스트가 아니라 CUSIP 기준으로 증권을 집계하며, 주당 보고 가치의 중앙값이 타당한 범위를 벗어난 공시를 걸러냅니다. 가격 일관성 점검에서는 어느 필드의 단위가 잘못됐는지 가정하지 않고 보고 가치와 주식 수의 관계를 활용합니다. 보유 종목 수와 보고된 포지션 규모를…
이 노트북은 주식 및 옵션 연구에서 나온 검증 예측을 롱 온리 주식 포트폴리오로 바꿔 평가합니다. 동일 가중 상위 K개 기준 전략을 사용하고 여러 포트폴리오 집중도를 비교하며 레이블별 의사결정 주기를 따릅니다. 종가에 만든 신호는 다음으로 이용 가능한 시가에 실행하며, 시드가 고정된 무작위 신호 실행은 시스템 연결을 점검하는 데 사용합니다. 검증 날짜의 커버리지가 서로 비슷한지 확인한 뒤 후보 결과 순위를 매깁니다. 불확실성 분석에는 블록 부트스트랩 구간과…
이 노트북은 S&P 500 종목의 단기 등가격 스트래들을 위한 미래 수익률 레이블을 만듭니다. 일별 30일 스트래들 패널은 매 세션 행사가나 만기가 바뀌므로 가격 시계열을 단순히 이동하면 서로 다른 계약을 비교하게 됩니다. 대신 원시 옵션 체인에서 기호, 행사가, 만기로 각 진입 계약을 추적해 진입 시점과 청산 또는 결제 시점에 동일한 포지션의 가격을 산정합니다. 고정 기간 및 델타 헤지 변형도 만들고, 누락 레이블의 원인을 확인하며, 각 계약의 결제일을…
이 노트북은 동일한 ETF 유니버스, 예측치, 리밸런싱 일정, 백테스트 절차를 사용해 동일 가중, 역변동성, 최소 분산, 계층적 리스크 패리티를 비교합니다. 롤링 Ridge 모델은 모멘텀, 이동평균 거리, 변동성 특성으로 ETF 순위를 매깁니다. 각 배분 방식은 공통으로 선택된 자산에 자체 가중 규칙을 적용합니다. 결과는 홀드아웃 전 선택 기간과 그 이후 홀드아웃 기간으로 나누며 위험 조정 수익률, 드로다운, 회전율, 안정성을 진단합니다. 신호와 선택 자산이…
이 노트북은 NASDAQ ITCH 기반 체결 및 주문 메시지로 시장 미시구조 패턴을 보여줍니다. 틱 단위 거래 가격 수익률의 음의 1차 자기상관을 살펴보며, 기초 가치가 변하지 않아도 매수호가와 매도호가에서 체결이 번갈아 발생하면서 가격 반전처럼 보이는 현상이 생길 수 있다고 설명합니다. 수익률 분석에서 매수·매도 호가를 오가며 발생하는 가격 반전 현상을 줄이려면 중간 가격 수익률을 사용하는 것이 유용할 수 있습니다. 이 노트북은 활동 수준이 다른 종목들의…
이 유틸리티 모듈은 트레이딩 데이터 패널을 진단하는 통계 도구를 제공합니다. 자기상관 함수는 각 개체 안에서 곡선을 계산한 뒤 개체 간 결과를 통합해, 한 시계열 끝부분과 다른 시계열 시작 부분 사이의 허위 의존성을 피합니다. 기간 인덱스를 제공하면 결측 기간을 보존해 관측치가 의도된 시차에 맞춰 짝을 이루게 합니다. 통합 추정치, 개체 간 백분위수, 불확실성 참고값, 시차에 따라 달라질 수 있는 개수도 보고합니다. 다른 도구는 퍼지 간격과 홀드아웃 기간을…
이 US 주식 사례 연구는 미래 수익률을 예측하는 것과 모멘텀이 미래 수익률을 유발한다고 주장하는 것을 구분합니다. 최근 한 달을 제외한 주식의 직전 1년 수익률을 처치 변수, 미래 수익률을 결과 변수로 두고, 최근 변동성, 비유동성 순위, 거래량 비율을 교란 변수로 취급합니다. 더블 머신러닝은 먼저 이 교란 변수로 처치와 결과를 모델링한 다음 두 모형의 잔차 간 관계를 이용해 효과를 추정합니다. 워크포워드 적합에 엠바고를 적용해 미래 데이터로 보조 모형의…
이 노트북은 손실 분위수를 나타내는 위험가치(VaR)와 해당 임계값을 넘는 손실의 평균인 조건부 위험가치(CVaR)를 설명합니다. 일간 ETF 수익률을 사용해 역사적, 가우스, Cornish–Fisher 조정, Student-t 몬테카를로 추정치를 비교합니다. 이어 예외 건수를 세고 예외 빈도가 설정된 신뢰 수준과 일치하는지 검정해 VaR 커버리지를 평가합니다. 빈도 검정으로는 예외의 군집 여부를 찾지 못한다는 점도 강조합니다. 다음 부분에서는 5개 ETF로…
이 노트북은 PPO 에이전트가 호가 기울기와 스프레드 폭을 선택하는 시뮬레이션 마켓 메이킹 과제를 구성합니다. 호가가 중간 가격에서 멀어질수록 체결 확률이 낮아지고, 주문 불균형은 체결과 이후 가격 변동 모두에 영향을 줍니다. 예약 가격은 보유 재고에 불리한 방향으로 호가를 이동시킵니다. 보상은 평가된 자산 가치와 재고 페널티를 합산하며, 에피소드 종료 시 남은 포지션에는 청산 비용이 발생합니다. 에이전트는 예약 가격 조정을 이미 적용하는 고정 규칙과…
이 노트북은 ETF 가격과 거시경제 시계열로 룩어헤드 편향을 점검하는 방법을 보여줍니다. 중앙 이동평균은 미래 관측치를 포함해 가격 전환점을 지나치게 잘 따라갈 수 있으며, 미래 입력값이 아직 들어오지 않아 최신 구간이 비어 있습니다. 수준값과 다음 수익률의 상관관계 검정은 명백히 미래 가격을 사용하는 특성도 찾아내지 못합니다. 노트북은 특성 자체의 수익률과 다음 가격 수익률을 비교하는 척도 정렬 검사를 제안하면서, 이 휴리스틱이 타당한 특성 구성의 대안은…
이 탐색적 분석은 4시간 단위 OANDA 패널의 20개 통화쌍을 살펴보고 데이터를 해석하는 방법을 설명합니다. 달러의 위치에 따라 직접, 간접, 교차 통화쌍을 구분하고, 달러 강세 지표를 만들기 전에 직접 호가를 역수로 바꿔야 하는 이유를 보여줍니다. 거래량 필드는 체결 규모가 아니라 거래소의 호가 업데이트 횟수를 세므로, 통화쌍 순위나 값만으로 시장 전체의 유동성이나 통화 회전율을 판단할 수 없습니다. 이 노트북은 OHLC 불변 조건을 위반 건수와 비율로…
이 노트북은 예측에 시장 국면을 활용하는 세 가지 방법을 비교합니다. 국면 입력이 없는 기준 모델, 변동성 국면의 필터링 확률을 입력받는 단일 모델, 확정된 국면 할당 안에서 각각 학습하는 별도 모델입니다. 룩어헤드를 피하기 위해 워크포워드 학습 블록마다 은닉 마르코프 모델을 다시 적합하고, 적합된 분산에 따라 상태 순서를 정한 뒤 테스트 블록을 순방향 재귀해 확률을 계산합니다. 폴드별 스케일링과 학습 데이터와 테스트 데이터 사이의 간격은 미래 관측치와…
이 노트북은 ETF 특성 평가를 수익률 기간 하나에서 특성 10개와 기간 3개의 스캔으로 확장하고 다중검정을 보정합니다. 그런 다음 장기 룩백 12-1 모멘텀과 단기 반전에 작동 원리 기반 진단을 적용합니다. 시점 이동과 IC 지속성, 국채 수익률을 사용한 공통 요인 통제, VIX 국면별 비교를 살펴봅니다. 보고된 스캔에서 장기 모멘텀은 5일 기간의 보정된 발견 항목에 포함됐지만, 더 긴 기간에서 가장 높은 정보계수는 보정 임계값을 통과하지 못했습니다.…
이 노트북은 매수자 주도 부호 거래량 비중이 이후 15분 수익률과 연관되는지 추정하고, 상대 스프레드, 최근 실현 변동성, 직전 월 수익률을 고려합니다. 이중 머신러닝은 교차 적합을 사용해 이 교란 변수들로 결과와 처치를 예측한 다음, 통제 변수로 설명되지 않는 처치 변동을 분리하도록 잔차를 회귀합니다. 분석은 1분 단위 NASDAQ-100 관측치를 사용하고, 적격 모집단, 폴드 경계, 엠바고, 플라시보 설계를 정한 뒤 적합을 수행합니다. 블록 순열 반박은…
이 노트북은 이중 머신러닝(DML)을 사용해 연속형 ETF 모멘텀 지표가 이후 수익률에 미치는 조정 효과를 추정합니다. 최근 및 장기 변동성, 시장 국면, 수익률 곡선 기울기를 통제합니다. 조정하지 않은 회귀를 EconML 및 직접 구현한 DML와 비교하고, 교란 보정용 모델 선택이 추정치에 미치는 영향을 논의합니다. 인과적 해석은 충분한 처치 전 통제 변수와 다른 식별 가정에 달려 있으며, 관측되지 않은 충격과 모델 오지정은 여전히 편향의 원인이 될 수…
이 노트북은 계층적 리스크 패리티(HRP)를 설명합니다. 이는 잡음이 있는 공분산 추정치에 대한 민감도를 낮추도록 설계된 포트폴리오 구성 방법입니다. 세 단계를 소개합니다. 상관 거리로 자산을 군집화하고, 그 결과로 얻은 계층 구조에 따라 순서를 재정렬한 다음, 군집을 반복해서 나누며 분산이 더 낮은 쪽에 더 많은 비중을 배분합니다. 또한 공분산 역행렬이 추정 오차를 키울 수 있는 평균-분산 최적화 및 역행렬을 구하기 전에 공분산 추정치를 안정화하는 축소…