Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 48개
이 노트북은 각 주식에 고정 로딩을 할당하는 대신 관측 가능한 주식 특성에 따라 잠재 팩터 로딩을 조정하는 방법으로 도구변수 주성분 분석을 설명합니다. 특성에서 팩터 익스포저로 이어지는 공통 매핑을 통해 학습 패널에 없던 주식의 로딩을 계산하고, 주식 특성이 바뀔 때 로딩을 조정할 수 있습니다. 일반 PCA와 나란히 방법을 제시하며, 의도된 비교에서는 팩터 수, 패널, 워크포워드 폴드를 동일하게 유지합니다. 예측에 나중에 사용되는 수익률에서 누출이 발생하지…
이 노트북은 주식 팩터 모델링을 위한 지도 오토인코더를 소개합니다. 횡단면을 재구성해 병목 표현을 학습하는 비지도 오토인코더와 달리, 이 모델은 학습 목표에 미래 수익률도 포함합니다. 따라서 목표값은 예측뿐 아니라 학습된 표현에도 영향을 줍니다. 각 라벨이 손실 함수에 직접 들어가므로 미래 수익률 라벨에 따라 서로 다른 모델이 학습됩니다. 이 설정은 예측값에 더 잘 맞출 수 있지만, 목표값을 좇는 일을 제한할 수 있는 재구성 제약도 약화한다는 점을 노트북은…
이 노트북은 9개 자산군에 걸친 사례 연구를 대상으로 엔지니어링 금융 특성을 목록화합니다. 각 가용 특성 패널에서 특성과 이름 기반 특성군의 수를 세고 특성 공간의 크기를 비교하며, 각 사례 연구의 모델 레지스트리에 기록된 가장 강한 정보계수를 요약합니다. 모멘텀, 변동성, 수익률처럼 반복되는 접두어는 시장 간 비교가 가능하지만, 특수 지표와 일관되지 않은 명명 때문에 특성군 수는 대략적인 참고치에 그칩니다. 노트북은 유니버스 폭과 신호 강도의 관계도…
이 사례 연구는 US 기업 특성으로 구성한 월간 롱숏 십분위 전략을 평가합니다. 시점별 회계 데이터 시차, 워크포워드 검증, 시대별 거래 비용을 반영해 선형 모델, 그래디언트 부스팅, 잠재 요인 접근법을 비교합니다. 검증 결과가 가장 좋은 것으로 보고된 계열은 윈저화한 선행 수익률에 그래디언트 부스팅 모델을 적용한 방식입니다. 지도 학습 오토인코더도 독립형 신호로 신뢰할 만하다고 설명합니다. 연구에서는 여러 폴드에 걸쳐 긍정적인 검증 성과를 보고했으며, 대안…
이 모듈은 주성분, 도구변수 주성분, 신경망 오토인코더를 비롯한 여러 잠재 요인 모델의 워크포워드 학습과 평가를 조율합니다. 패널 데이터와 폴드를 준비하고 모델별 실행기를 호출하며 예측값, 폴드 수준 메타데이터, 등록된 학습 실행을 관리합니다. 모델 사전 설정은 명시된 우선순위 규칙에 따라 사용자가 제공한 설정과 병합되므로, 런타임 선택권은 사용자에게 있습니다. 오케스트레이션은 예상 학습 식별 정보와 체크포인트 집합도 구성한 뒤, 캐시된 레지스트리 항목과…
이 노트북은 SEC XBRL 데이터로 분기별 주식 펀더멘털 패널을 구축하고 살펴보는 방법을 설명합니다. 각 관측치에는 해당 회계 기간과 정보가 공개된 신고일이 모두 포함됩니다. 과거 테스트에서는 이 구분이 중요합니다. 기간 종료일만으로 필터링하면 투자자가 아직 알 수 없었던 수치가 포함될 수 있기 때문입니다. 노트북은 개념별 커버리지와 신고 지연을 측정하고, 신고일을 고려한 시점별 조회로 얻은 최신 관측치와 기간 기준 조회 결과를 비교합니다. 예시에서는 매출…
이 노트북은 회계 및 가격 기반 특성이 다음 달 US 주식 수익률을 단독으로 예측하는지 평가합니다. 각 특성과 수익률 라벨 간 월별 횡단면 순위 상관을 계산한 다음 개발 기간의 여러 달에 걸쳐 요약합니다. 이 과정은 별도로 보류한 홀드아웃을 제외하고, 패널 무결성을 확인하며, 최소 커버리지와 횡단면 폭을 요구하고, 워크포워드 학습 및 검증 기간에도 연관성이 지속되는지 살펴봅니다. 관련된 월별 관측치와 다수 후보 테스트에서 생기는 불확실성을 반영하고, 어떤…
이 노트북은 조건부 오토인코더가 계측 주성분 모델을 어떻게 확장하는지 설명합니다. 신경망이 주식 특성을 요인 노출로 매핑하며, 노출과 요인 수익률을 곱하는 구조는 그대로 유지합니다. 학습 구간별로 설정된 미래 수익률 라벨을 재구성하도록 모델을 적합한 다음, 고정된 요인 평균을 검증일의 노출에 적용해 다음 구간에서 주식 순위를 매기는지 평가합니다. 재구성에 나중에 정보계수로 점수화하는 동일 라벨을 사용하므로, 양의 점수가 독립적인 발견은 아닙니다. 그래도 검증…
이 문서는 ETF 수익률을 모델링하기 위한 계측 주성분 분석을 설명합니다. 각 펀드에 고정된 요인 노출을 부여하는 일반 PCA와 달리, IPCA는 각 펀드의 노출을 관측 가능한 특성의 공통 선형 함수로 모델링합니다. 교대 최소제곱법을 통해 특성에서 노출로 이어지는 매핑과 요인 수익률을 함께 추정합니다. 제안된 제약은 펀드와 날짜 전반의 정보를 통합하지만, 특성과 노출의 관계를 선형으로 가정한다는 한계가 있습니다. 이 노트북은 워크포워드 폴드에서 5일 및…
이 노트북은 옵션 표면 특성을 포함한 주식 패널에 도구변수 주성분 분석(IPCA)을 적용하는 방법을 설명합니다. 각 종목의 수익률 이력에서 익스포저를 추정하는 일반 PCA과 달리, IPCA는 내재 변동성, 스큐, 기간 구조, 내재 분산과 실현 분산의 차이 등 종목별 날짜 특성의 공통 선형 함수로 익스포저를 모델링합니다. 교대 최소제곱법은 공통 팩터 수익률과 함께 이 매핑을 추정합니다. 특성으로 익스포저를 계산하므로 연속적인 수익률 이력이 없는 종목을 포함한…
이 노트북은 기업 특성으로 수익률을 예측하는 잠재 요인 접근법인 도구화 주성분 분석(IPCA)을 소개합니다. 각 특성에 직접 수익률 가중치를 부여하는 대신, IPCA는 각 기업의 요인 노출을 해당 기업 특성의 선형 함수로 모델링합니다. 공통 매핑은 패널 전체에서 추정하고, 요인 수익률은 월별로 달라집니다. 교대 최소제곱법은 Ridge 페널티를 적용해 매핑과 요인 수익률을 함께 추정하며, 적합된 노출과 수익률로 검증 월의 예측값을 생성합니다. 이 노트북은…
이 노트북은 옵션 분석 연구에서 주식 수익률 예측을 위한 무조건부 잠재 요인 기준선으로 주성분 분석을 제시합니다. PCA는 과거 수익률 패널로 공통 움직임과 각 주식의 노출도를 추정한 다음 학습 구간에서 추정한 요인 평균으로 예측값을 만듭니다. 내재 변동성, 스큐, 기간 구조 및 기타 옵션 특성은 의도적으로 제외합니다. 이 기준선을 통해 관련 모델에서 노출도를 옵션 특성에 따라 조정했을 때의 기여도를 측정할 수 있습니다. 노트북은 선언된 수익률 라벨 전반에…
이 노트북은 정보 계수, 분위수 수익률, 상하위 스프레드, 분류 진단을 사용해 횡단면 모멘텀 팩터를 평가합니다. Spearman IC를 신호와 후속 수익률 간 날짜별 순위 상관으로 소개하고, 전체 날짜·자산 관측값을 합친 상관과 구분합니다. 통합 IC에는 수익률의 시간 변동도 반영되므로 두 방식의 결과가 달라질 수 있습니다. 또한 ICIR, 유의성 지표, 분위수 단조성, 회전율, 신호 감쇠를 상호 보완적인 진단으로 설명합니다. 사례에서는 ETF 데이터를…
이 노트북은 넓은 US 주식 종목 패널의 공통 움직임을 주성분 분석으로 나타냅니다. PCA은 수익률의 공통 변동을 설명하는 방향을 추출하며 각 주식의 로딩은 해당 방향에 대한 노출도를 나타냅니다. 제한된 요인 집합으로 재구성한 예측은 종목 고유 정보를 버리는 대신 패널과 공유하는 주식 움직임을 포착합니다. 미래 수익률을 요인 추정에 사용하지 않도록 각 워크포워드 학습 폴드 안에서 요인을 적합한 뒤 검증 행에 적용합니다. 요인 개수는 탐색이 아닌 사전 설정으로…
이 노트북은 조건부 오토인코더가 도구변수 PCA를 확장해 ETF 수익률을 모델링하는 방식을 설명합니다. 두 방법 모두 펀드 특성을 요인 익스포저로 매핑하고 이를 요인 수익률과 결합합니다. 오토인코더는 IPCA의 선형 특성-익스포저 매핑을 신경망으로 대체합니다. 학습에는 워크포워드 폴드를 사용하며, 미리 정한 에포크 일정에 따라 레이블마다 여러 체크포인트를 생성합니다. 노트북은 모든 체크포인트를 공개해 이후 모델 선택 시 후보 집합을 확인하고 검증 백테스트…
이 노트북은 도구변수 주성분 분석(IPCA)을 설명합니다. 공통 요인을 추정하면서 각 주식의 요인 익스포저를 같은 날의 옵션 표면 특성으로 이루어진 공통 선형 함수로 표현합니다. 이러한 특성에는 내재 변동성, 풋콜 스큐, 기간 구조 기울기, 내재 분산과 실현 분산이 포함됩니다. 교대 최소제곱법으로 특성에서 익스포저로 이어지는 매핑과 요인 수익률을 적합합니다. 노트북은 이를 수익률 이력에서 익스포저를 구하며 균형 패널이 필요한 일반 PCA와 비교합니다. 제안된…
이 노트북은 광범위한 ETF 동조화를 통제한 뒤 운용 포트폴리오 전략 4개가 SPY 수익률을 설명하는지 검정합니다. 전략은 시차 모멘텀, 변동성 또는 최근 수익률로 ETF 순위를 매깁니다. 장기 이력이 있는 균형 잡힌 ETF 집합에서 주성분 10개를 통제 변수로 쓰며, 요인 구성 유니버스에서는 SPY를 제외합니다. 각 전략의 단변량 SPY 로딩과 통제 변수를 선택한 뒤 추정한 조건부 로딩을 비교합니다. 이중 선택 후 LASSO는 결과와 각 핵심 전략을 모두…
이 문서는 자산 가격결정 모델의 벤치마크로 쓰이는 Chen, Pelger, Zhu의 월별 US 주식 패널을 소개합니다. 경제적 주제별로 분류한 기업 특성 46개, 다음 달 초과수익률, 시간순으로 나눈 훈련·검증·테스트 구간을 설명합니다. 매월 각 특성을 횡단면 순위로 매긴 뒤 공통된 제한 범위에 매핑합니다. 이를 통해 극단적인 원시 값의 영향을 줄이고 단위를 비교할 수 있지만 수준 정보는 버립니다. 분석은 각 특성과 이후 수익률 사이의 월별 순위 상관을…
이 분석은 기업 특성에 기반한 월간 US 주식 전략의 등록된 백테스트 파이프라인을 살펴봅니다. 샤프 불확실성, 샤프 확률과 과대추정 보정 지표, 쌍체 전략 비교, 홀드아웃 성과 저하, 마이크로캡의 낮은 유동성을 반영하도록 설계된 비용 분석을 보고합니다. 검증 데이터로 전략 구성을 선택하고, 홀드아웃은 선택을 한 차례 더 진행하는 용도가 아니라 고정된 구성을 평가하는 데 사용합니다. 측정된 변화와 점추정치 차이를 구분하기 위해 쌍체 지표와 신뢰구간을…
이 노트북은 학습 기간 평균 수익률의 가중 외적을 더해 수익률 공분산 행렬을 수정하는 위험 프리미엄 PCA을 설명합니다. 가장 큰 고유벡터는 정적 요인 포트폴리오를 정의하며, 가중치를 높이면 분산은 더 작더라도 평균 수익률을 설명하는 방향으로 요인이 기울어집니다. 노트북은 가중치별 가격결정 적합도, 평가 기간 수익률 재구성, 적재 공간 변화를 비교한 다음 사전에 선택한 가중치로 1일 선행 요인 프리미엄을 예측합니다. 학습 데이터로 로딩을 적합하고, 전체…
이 유틸리티는 선택적으로 모멘텀을 포함하는 Fama–French 3요인 또는 5요인 모델로 전략 수익률을 설명하는 방법을 다룹니다. 일별 요인 데이터를 전략 수익률에 맞추고 수익률 빈도를 감지하며, 전략 관측 빈도가 일별보다 낮으면 요인 수익률을 복리로 계산합니다. 보통최소제곱법으로 알파와 요인 노출을 추정하고, Newey–West 이분산성 및 자기상관 일치 표준오차로 추론을 지원합니다. 롱온리 전략은 무위험 수익률을 초과하는 수익률로 모델링하고, 달러 중립…
이 노트북은 ETF 횡단면의 가격결정을 위한 확률적 할인 요인 모델을 소개합니다. 펀드 익스포저와 요인 수익률을 따로 추정하는 대신, 펀드 수익률과의 공분산이 평균 수익률을 설명하는 공통 할인 요인 시계열을 신경망으로 학습합니다. 학습 목표는 가격결정 오차를 최소화하는 것이며, 예측 수익률과 정보계수는 후속 진단 지표로 보고합니다. 모델을 해석할 때 최적화 대상과 보고된 예측 점수를 구분하는 것이 핵심입니다. 학습 전에 구현부는 설정을 적격 펀드·날짜 행,…
이 노트북은 발표된 팩터 수익률을 포트폴리오 구성 요소로 평가합니다. 세 가지 질문을 구분합니다. 팩터 평균 수익률이 까다로운 통계 기준을 넘는지, 지속될 가능성이 있는 근거를 바탕으로 팩터들이 서로 분산 효과를 제공하는지, 선정된 위기 기간에 어떤 움직임을 보였는지 살펴봅니다. 장기 이력이 있는 AQR 및 Fama-French 시계열을 활용하고, 평균 수익률 통계를 시계열 상관에 맞게 보정하며, 일반적인 유의성 기준을 광범위한 팩터 탐색을 고려하기 위한 더…
공개된 US 기업 패널로 기업 특성 기반 월간 롱숏 전략을 연구할 수 있는지 평가합니다. 데이터 인코딩, 시간에 따른 가용 유니버스 변화, 리밸런싱마다 양쪽 포지션을 채울 만큼 기업이 충분한지, 특성 스프레드가 가정한 거래 비용을 넘어설 수 있는지 점검합니다. 홀드아웃을 열어보지 않은 채 개발 이력으로 워크포워드 평가를 할 수 있는지도 살펴봅니다. 기업 순위를 매겨 상위 그룹을 매수하고 하위 그룹을 매도하며 월간 수익률을 결과로 삼는 전략을 설명합니다.…