본문으로 건너뛰기

지식 라이브러리

Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.

라이브러리 검색

문서 119개

Machine Learning for Trading

이 노트북은 RSI 임계값으로 진입과 청산을 결정하는 비트코인 롱온리 전략의 감사 가능한 보고서를 만듭니다. 총수익과 순수익을 비교한 뒤, 동일한 데이터, 워밍업, 익스포저, 체결, 비용을 적용한 바이앤드홀드 벤치마크와 성과를 비교합니다. 조건을 일치시키면 트레이딩 규칙의 효과를 구분하기 쉬워집니다. 보고서는 포트폴리오 수익률, 벤치마크 대비 지표, 시장 익스포저, 청산된 거래 통계를 나눠 보여줍니다. 또한 표본 종료 시점의 자기자본에 영향을 주는 미청산…

가상자산평균 회귀기술 지표백테스트
Machine Learning for Trading

이 노트북은 모델 순위를 단순한 암호화폐 무기한 선물 포트폴리오로 변환합니다. 각 펀딩 시점에 진입 규칙이 순위 상위 또는 하위 계약을 골라 동일 비중을 배정합니다. 동일 비중은 비교 기준을 제공하므로, 포지션 규모를 일정하게 유지한 채 차이를 순위에 따른 것으로 볼 수 있습니다. 노트북은 선언된 예측 구성을 진입 규칙에 적용하고, 후속 분석을 위해 결과를 등록합니다. 백테스트에서는 해당 시점까지 보유한 포지션을 대상으로 펀딩을 정산한 뒤, 그 시점의 거래를…

가상자산무기한 선물백테스트포트폴리오 구성
Machine Learning for Trading

이 노트북은 등가격 S&P 500 옵션 스트래들의 검증 샤프가 가정된 실행 비용과 두 옵션 유니버스에 따라 어떻게 달라지는지 측정합니다. 옵션 프리미엄과 기초자산 명목 금액의 차이가 크므로 스프레드 비용을 옵션 호가 스프레드 절반에 대한 비율로 나타냅니다. 각 모델 계열에서 재현 가능한 방식으로 선택한 기준 전략 하나를 정해진 스프레드 비율 범위에서 평가하고, 다른 비용과 집중도는 고정합니다. 호가 스프레드로 선정한 유동성 높은 하위 집합과 전체 옵션 표면도…

옵션미국 시장백테스트주문 집행
Machine Learning for Trading

이 문서는 실거래 주문의 생애주기를 유한한 상태 집합과 유효한 이벤트 기반 전이로 표현하는 방법을 설명합니다. 주문 제출, 브로커 확인, 거래소 승인, 부분 및 전체 체결, 취소 요청, 거부, 만료, 중단을 다룹니다. 전이 표를 이용하면 현재 주문 상태에 비춰 브로커 콜백의 유효성을 확인하고 주문이 결과에 도달한 과정을 기록할 수 있습니다. 주요 운영 사례는 취소 요청과 체결이 경합하는 상황입니다. 브로커가 확인하기 전까지 취소 요청은 대기 상태이며, 그…

주문 집행시장 미시구조리스크 관리
Machine Learning for Trading

이 노트북은 명시적인 거래, 금융, 펀드 비용 가정에 따라 세전 수익률을 세후 성과로 환산하는 방법을 보여줍니다. 비용 항목에는 스프레드와 시장 충격, 수수료와 거래소 비용, 증거금 이자, 주식 대차, 운용 및 관리 비용이 포함됩니다. 매개변수화된 계산으로 실제 일간 ETF 수익률 시계열에서 고회전율 롱 온리, 레버리지 롱숏 스프레드, 저회전율 롱 온리 구성을 설정해 비용을 차감한 다음 세전·세후 수익률, 샤프 비율, 드로다운을 비교합니다. 이 비교는…

주식주문 집행백테스트리스크 관리
Machine Learning for Trading

이 노트북은 실행 기록에서 학습하기 위해 행동 복제와 역강화학습(IRL)을 비교합니다. 시연은 위험 중립 목적이 알려진 TWAP 일정에서 가져옵니다. 충격을 줄이기 위해 거래를 고르게 분산하되 타이밍 위험 노출을 감수하는 방식입니다. 행동 복제는 상태·행동 쌍에서 직접 행동을 학습하는 반면, IRL는 해당 행동을 설명할 수 있는 보상을 추정하며 다른 환경으로 전이하는 토대가 될 수 있습니다. 노트북은 두 가지 보상 적합 방법을 소개합니다. 고정된 후보 경로…

주문 집행머신러닝통계백테스트
Machine Learning for Trading

이 노트북은 대량 청산 일정을 계획하는 Almgren–Chriss 프레임워크를 소개합니다. 도착 가격을 기준으로 실행 부족분을 측정하고 두 가지 상충하는 비용을 모형화합니다. 거래 강도가 높아지면 시장 충격이 커지고, 미매도 포지션이 가격 변동에 노출된 채 남아 있는 동안 타이밍 위험이 커집니다. 위험 회피 매개변수로 거래 경로를 정하며, 비용과 위험 간 상충관계를 모으면 효율적 프런티어가 형성됩니다. 청산 반감기로 경로를 해석하고 영구적 시장 충격과 일시적…

주문 집행시장 미시구조리스크 관리통계
Machine Learning for Trading

이 노트북은 Interactive Brokers를 실시간 데이터 소스이자 주문 실행 플랫폼으로 사용해 일간 FX 통화쌍 모델을 배포하는 절차를 살펴봅니다. 과거 패널로 릿지 회귀 모델을 학습하고 일간 수익률, 모멘텀, 변동성, 가격에서 도출한 특성을 간결하게 계산한 뒤 최근 봉 데이터를 가져옵니다. 통화쌍 유니버스의 점수를 매겨 예측 수익률이 가장 높은 통화쌍으로 구성한 바스켓을 계획하고, 모델 아티팩트와 모니터링 및 감사를 위한 실행 기록도 저장합니다.…

외환머신러닝주문 집행리스크 관리
Machine Learning for Trading

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…

백테스트주문 집행주식선물
Machine Learning for Trading

이 노트북은 거래 시간 동안 대규모 주식 주문을 여러 하위 주문으로 나누는 두 가지 방법을 비교합니다. TWAP는 각 구간에 대략 같은 수량을 주문하며 시장 예측이 필요하지 않습니다. VWAP는 추정한 장중 거래량 프로필에 따라 주식 수를 배분해 보통 유동성이 더 큰 시간대에 더 많이 거래하려 합니다. 앞선 세션의 분봉 데이터로 프로필을 추정한 다음 이후 NASDAQ-100 세션에서 두 일정을 평가하고, 체결 가격을 각 세션의 실제 거래량 가중 평균 가격과…

주식주문 집행시장 미시구조백테스트
Machine Learning for Trading

이 노트북은 거래 비용으로 손실을 보는 모든 봉 단위 NASDAQ-100 전략을 포트폴리오 구성으로 만회할 수 있는지 테스트합니다. 선언된 선택 유니버스에서 기준선 예측을 추린 다음 전체 유니버스에서 배분을 비교합니다. 보유 종목 수를 바꾸고 15분 거래 주기는 고정한 채 동일 가중, 점수 가중, 역변동성 포지션 크기를 비교합니다. 테스트한 모든 배분 방식의 결과가 상당한 손실로 남았다는 결론을 보고하며, 따라서 배분 선택과 집중도보다 회전율 부담이 더…

주식포트폴리오 구성포지션 규모 설정주문 집행
Machine Learning for Trading

이 장은 백테스트, 모의투자, 실거래 환경에서 실행할 수 있는 전략 로직을 바탕으로 연구에서 실거래 실행까지 이어지는 과정을 설명합니다. 브로커 및 플랫폼 통합, 배포 절차, 데이터와 특성의 일치 여부 점검, 주문 수명 주기 처리, 운영 준비를 다룹니다. 주문 흐름은 상태 기계로 모델링해 부분 체결, 취소, 거부, 중단 후 복구를 명시적으로 처리할 수 있습니다. 리스크 관리에는 주문 및 포지션 한도, 오래된 데이터 확인, 섀도 트레이딩, 대사, 킬 스위치가…

주문 집행리스크 관리백테스트시장 미시구조
Machine Learning for Trading

이 노트북은 이벤트 기반 백테스팅 엔진으로 BTC/USDT 무기한 계약 봉에 대한 롱 온리 RSI 평균회귀 규칙을 구현합니다. 장중 관측값을 UTC 일봉으로 집계하고, 단순 롤링 상승·하락 기준으로 RSI를 계산합니다. 지표가 과매도 임계값 아래로 내려가면 진입하고 과매수 임계값 위로 올라가면 청산합니다. 전략은 자본의 명시된 비율을 목표로 하고 수수료와 슬리피지를 모델링합니다. 순차 엔진은 의사결정, 대기 주문, 체결, 포지션, 현금을 명시적으로 표현해…

가상자산무기한 선물평균 회귀기술 지표
Machine Learning for Trading

이 문서는 TWAP와 VWAP가 거래 세션 동안 대규모 부모 주문을 여러 자식 주문으로 나누는 방법을 설명합니다. TWAP는 각 시간 구간에 동일한 수량을 배정하고, VWAP는 구간별 거래량 예측에 비례해 수량을 배정합니다. 노트북은 과거 분봉 데이터로 거래량을 예측한 다음, 이후 NASDAQ-100 세션에서 두 일정을 테스트합니다. 각 구간의 거래량 가중 가격으로 체결을 시뮬레이션하고, 가용 거래량 중 해당 주문 조각의 비중에 따라 제곱근 시장 충격 비용을…

주문 집행시장 미시구조백테스트주식
Machine Learning for Trading

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…

주식옵션백테스트포트폴리오 구성
Machine Learning for Trading

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…

주식시장 미시구조주문 집행통계
Machine Learning for Trading

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…

주식모멘텀주문 집행리스크 관리
Machine Learning for Trading

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…

주식백테스트주문 집행리스크 관리
Machine Learning for Trading

이 설정은 특정 시점의 NASDAQ-100 투자 종목군에서 주문 흐름 신호를 분석하는 장중 연구를 설명합니다. 각 평가 기간 전에 이용 가능한 유동성 정보로 비용 기준을 통과한 하위 집합을 정하고, 여러 예측 구간의 의사결정 일정을 지정하며, 이를 포지션 모니터링에 쓰는 1분 가격 피드와 구분합니다. 특성군에는 호가 유동성, 마이크로프라이스, 변동성, 주문 흐름, 가격 충격, 기타 미시구조 측정치가 포함됩니다. 세션 내로 제한된 관측 구간과 명시된 시점…

주식미국 시장시장 미시구조머신러닝
Machine Learning for Trading

이 노트북은 거래량 참여 한도가 각 시장 구간에서 체결될 수 있는 부모 주문의 수량을 어떻게 제한하는지 설명합니다. 브로커는 관측된 거래량으로 허용 수량을 계산하고 미체결 잔량을 다음 구간으로 넘깁니다. 참여 한도가 낮으면 시장 영향은 줄지만 완료 시간이 길어지고, 한도가 높으면 체결 속도가 빨라지는 대신 시장 충격에 더 노출됩니다. 최소 거래량 기준을 두면 특히 유동성이 낮은 시간대의 거래를 막을 수 있습니다. 이 시연은 실제 NASDAQ-100 분봉…

주문 집행시장 미시구조리스크 관리주식
Machine Learning for Trading

이 노트북은 실제 ETF 데이터와 가격 기반 모멘텀 사례를 사용해 단일 요인을 평가합니다. 선행 수익률에 대한 횡단면 스피어만 정보계수를 측정하고, 기간을 비교하며, 일별 횡단면 IC의 평균과 전체 표본 상관계수 계산의 차이를 설명합니다. ICIR, 통계적 불확실성, 분위수 수익률, 상위-하위 스프레드, 단조성, 회전율, 신호 감쇠도 다룹니다. 커버리지와 오래된 값 점검으로 요인이 예상대로 존재하고 갱신되는지 확인합니다. 이 장은 폴드 정보를 반영한 평가를…

주식모멘텀통계백테스트
Machine Learning for Trading

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…

주식시장 미시구조주문 집행통계
Machine Learning for Trading

이 구성은 S&P 500 종목을 대상으로 주간 등가격 스트래들 매도 연구를 설명합니다. 포지션은 금요일에 열어 만기까지 보유하며, 옵션 델타 변화가 발생하면 주식 헤지를 매일 실행합니다. 포트폴리오 자본은 겹치는 코호트에 나누어 배분하며, 주요 성과 지표는 만기까지의 수익률입니다. 평가는 시간순 학습·검증·홀드아웃 기간을 사용하고 여러 포트폴리오 배분 방식과 분산 리스크 프리미엄이 수익률을 설명할 수 있는지 분석합니다. 비용 모형에는 옵션 및 헤지 스프레드,…

옵션변동성리스크 관리백테스트