Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 322개
이 장은 각 의사결정 시점에 이용할 수 있는 정보를 지키면서 금융 머신러닝 모델을 평가하는 방법을 설명합니다. 학습, 검증, 최종 홀드아웃을 구분하고, 무작위로 섞은 k-겹 검증에서는 과거를 예측하면서 미래 관측치로 모델을 학습할 수 있는 이유를 설명합니다. 확장형 및 롤링 워크포워드 폴드는 시간 순서를 유지하며, 확장형 구간은 과거 데이터를 계속 보유하고 롤링 구간은 오래된 데이터를 제외합니다. 선행 수익률 레이블은 검증 기간과 겹칠 수 있으므로, 퍼징으로…
이 노트북은 입력 구간 전체를 처리해 미래 경로를 예측하는 완전 연결 신경망 예측 구조인 N-BEATS를 구현합니다. 해석 가능한 변형에서는 다항 추세 및 푸리에 계절성 기저를 통해 블록이 성분을 표현하도록 제약합니다. 잔차 역예측을 사용하면 쌓인 블록이 입력의 각 부분을 차례로 설명할 수 있습니다. 제약을 둔 버전과 두지 않은 버전을 SPY 종가에 적합하고, 이름을 붙인 성분을 도식화해 가장 최근 가격을 반복하는 지속성 예측과 오차를 비교합니다. 이…
이 노트북은 각 사례 연구에서 선택된 신호를 고정하고 배분 단계의 백테스트를 비교해 포트폴리오 자산 배분을 분리해 살펴봅니다. 동일 비중, 역변동성, 점수 가중치, 평균-분산 최적화, 리스크 패리티, 계층적 리스크 패리티 등의 방법을 다룹니다. 각 방법에 대해 리밸런싱 및 상위 K개 변형에서 샤프가 가장 높은 설정을 유지한 다음, 사례별 최적 배분 방법과 가장 높은 샤프를 보인 배분 방법 및 가장 낮은 샤프를 보인 배분 방법 간 차이를 비교합니다. 그 차이는…
단일 종목과 거래일의 DataBento 주문별 시장 메시지로 NASDAQ 지정가 주문장을 재구성하는 방법을 설명합니다. 개별 주문 상태를 추적하고, 주문을 가격 수준별로 집계하며, 매수·매도 측을 유지하는 모듈형 엔진을 제시합니다. 추가, 변경, 취소, 체결, 초기화는 주문장을 갱신하고, 거래 기록은 두 번째 주문장 갱신에 적용하지 않고 체결 테이프 분석에 보관합니다. 최우선 호가만 제공하는 피드와 정의되지 않은 가격도 별도로 처리합니다. 정기 스냅샷마다…
이 노트북은 두 가지 기간의 ETF 수익률을 예측하는 LightGBM 모델과 릿지 기준 모델을 비교합니다. 시장 스트레스에서 모멘텀이 다르게 작동하는 것처럼 트리가 국면별 상호작용을 찾아낼 수 있는 이유를 설명하는 한편, 특성 간 상관관계가 높으면 탐욕적 분할이 불안정해질 수 있다고 짚습니다. 실험에서는 트리 용량과 손실 함수를 달리하고 각 학습 과정의 여러 체크포인트에서 예측을 평가합니다. 제시된 학습 곡선에서는 정보계수가 설정된 학습 길이 전에 정점에…
이 노트북은 디파이 총예치자산(TVL) 시계열을 이더리움 트레이딩의 대체 데이터로 평가합니다. 다음 네 가지 질문을 중심으로 검토합니다. 시계열이 선행 수익률과 관련이 있는지, 데이터가 신뢰할 만하고 재구성 가능한지, 사용이 법적으로 허용되는지, 통합 및 유지보수 비용을 감수할 만큼 가치가 있는지입니다. 신호 분석은 여러 수익률 기간에 대해 다양한 TVL 변환을 테스트하고, 중복 관측치에 따른 불확실성을 조정하며, 비교 횟수를 세고 관계가 시간에 따라…
이 노트북은 13F 공시의 기관 보유 종목을 대상으로 구조화된 그래프 방식 검색과 임베딩 기반 벡터 검색을 비교합니다. 고정된 기준 시점의 보유 현황 스냅샷을 만들고 주식 종목군을 제한한 뒤, 주식 보유자, 기관의 보유 종목, 공통 포지션을 가진 기관에 관한 질문을 생성합니다. 각 질문의 예상 근거 레코드를 정의해 근거 재현율을 측정하고 검색 토큰 예산을 추정합니다. 구조화 검색은 예상 답변도 정의하는 관계형 필터를 사용하므로, 완벽한 재현율은 설계상…
이 노트북은 손실 거래를 각 거래 결정에 연결된 모델 설명과 연계하는 절차를 보여줍니다. 가격 및 거시경제 데이터로 단일 자산 SPY 특성 패널을 만들고, 과거 관측치로 LightGBM 모델을 학습한 다음 이후 관측치로 거래 기록과 SHAP 설명을 구성합니다. 거래 분석기는 최악의 거래에 대한 설명을 군집화해 특성, 국면, 데이터 문제를 조사하는 데 도움이 될 패턴을 찾습니다. 예시에서는 시차를 둔 예측 변수와 시간순 분할을 사용하고, 한 세션 레이블 기간에…
15분봉 예측을 위한 NASDAQ-100 종목 백테스트 워크플로를 설명합니다. 먼저 무작위 신호의 처리 과정을 점검합니다. 무작위 매매는 비용 차감 후 손실이 나야 하므로, 지속적으로 수익이 나는 결과는 미래 데이터 참조, 데이터 정렬 오류 또는 비용 누락 같은 문제를 나타낼 수 있습니다. 그런 다음 공통 백테스트 엔진에서 예측과 진입 방식 조합을 순회하고, 등록된 결과를 수정 샤프 비율을 포함한 통계 지표로 평가합니다. 설명된 설정은 체결 가격으로 구성한…
이 노트북은 NASDAQ ITCH 체결 데이터로 시장 미시구조 지표를 만들고, 거래를 장중 구간으로 집계하며, 유동성 대용 지표와 주문 흐름 신호, 호가창 상태를 구분합니다. 집계 전에 틱 규칙으로 개별 거래를 분류해 매수·매도 거래량으로 의미 있는 주문 흐름 불균형 지표를 만들 수 있게 합니다. 이어서 카일 람다의 비율 근사치, 아미후드 비유동성, 롤 스프레드, 거래 강도를 각각의 입력값 및 해석과 함께 보여줍니다. 핵심 주의점은 구현된 카일 람다가 절대…
이 노트북은 상장 옵션 신호를 읽고 기초 주식을 거래하는 전략에 사용할 선행 수익률 레이블을 만듭니다. 일별 주가에 액면분할과 배당을 반영하고, 지속적으로 유지되는 종목 식별자를 사용하며, 예정된 진입 및 청산 시점에 체결 가능한 가격 간의 수익률을 정의합니다. 각 선행 구간이 완전한지, 하나의 종목 안에 머무르는지 확인하고, 단순히 이용 가능한 행을 이동하는 대신 거래 세션 수를 셉니다. 레이블에는 보유 기간별 수익률, 위험 조정, 방향성 변형이…
이 노트북은 생존한 US 주식의 동일 비중 포트폴리오가 데이터셋에서 제외된 기업을 포함한 포트폴리오보다 수익률을 얼마나 과대평가할 수 있는지 추정합니다. 먼저 패널에 언제부터 퇴출 기록이 있는지 살펴보고, 활용 가능한 퇴출 이력이 후반 연도에야 시작됨을 확인합니다. 패널에는 상장폐지 사유와 최종 수익률이 없으므로, 공개된 CRSP 비율에 맞춘 시나리오로 마지막 호가 이후의 결과를 모델링합니다. 포트폴리오 편향을 계산하기 전에 수정주가에 기업행동이 반영되지…
이 노트북은 서로 대비되는 시장 구간에서 ETF 모멘텀 특성과 암호화폐 무기한 선물 특성의 공변량 드리프트를 모니터링하는 방법을 보여줍니다. 개별 특성 분포의 변화를 측정하는 모집단 안정성 지수(PSI)를 바서스타인 거리 및 기준 표본과 현재 표본을 함께 구분할 수 있는지 검사하는 도메인 분류기와 비교합니다. 운영 모니터링 예시에서는 점수를 경고 단계로 바꾸고 경고를 종합해 재학습 권고를 만듭니다. 도메인 분류기는 인접한 관측값이 폴드 간에 누출되어 분리…
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 공매도 없이 완전 투자하는 마코위츠 체계를 구성합니다. 실행 가능한 포트폴리오, 효율적 투자선, 최대 샤프 및 최소 분산 해를 포함합니다. 포트폴리오 분산이 공분산 행렬에 따라 달라지는 방식과 자산이 함께 움직이지 않을 때 분산투자로 위험을 낮출 수 있는 이유를 설명합니다. 자산 수익률 간 중복과 그에 따른 수치적 민감도를 진단하는 데 조건수를 사용합니다. 핵심 교훈은 기대수익률이 공분산보다 추정하기 훨씬 어렵기 때문에 최적화된 가중치가 불안정할…
이 문서는 금융 데이터셋의 색인 무결성, 중복, 결측, 이상치, 달력상 누락, 도메인별 이상값을 점검하는 재사용 가능한 진단 항목을 제시합니다. 패널 데이터에서 종목별 순서를 포함해 시간 형식, 정렬, 고유성을 확인하며, 완전히 중복된 행과 값이 다른 채로 반복되는 키를 구분합니다. 커버리지 보고서는 필드, 자산, 시점별 결측값을 요약하며, 추가 검사로 잘못된 가격이나 거래량, 비정상적인 수익률 변화 등을 찾습니다. 진단은 정제 전 원시 데이터를 평가하기…
이 문서는 웨이블릿 분해와 롤링 스펙트럼 추정이 여러 시간 척도에서 금융 수익률을 어떻게 설명하는지 다룹니다. 웨이블릿은 수익률을 점차 느려지는 주기의 성분으로 나눠 어떤 척도가 변동의 대부분을 설명하는지 살펴볼 수 있게 합니다. 일별 SPY 수익률에 여러 웨이블릿 계열을 적용한 예시에서는 가장 빠른 성분이 분산의 대부분을 차지하고 느린 성분은 계열별로 대체로 비슷하게 나타납니다. 표준 웨이블릿 분해는 각 시점의 이전과 이후 관측값을 사용하므로 예측 특성으로…
이 노트북은 변동성, 모멘텀, 횡단면 캐리 순위를 조정한 뒤 선물 캐리가 이후 수익률에 영향을 미치는지 이중 머신러닝으로 추정합니다. 인과적 설명과 예측 성과를 구분합니다. 수익을 낸 백테스트는 캐리가 수익률을 예측한다는 점을 보여줄 수 있지만, 캐리 자체가 수익률의 원인이라고 입증하지는 못합니다. 유연한 방해변수 모델이 교란변수로 처치와 결과를 예측하고, 표본 내 편향을 줄이기 위해 교차 적합을 사용합니다. 변동성 군집과 겹치는 수익률 라벨 때문에 잔차가…
이 문서는 자본을 배정하기 전에 현행 모델과 후보 모델을 섀도 평가로 비교하는 방법을 설명합니다. 모델의 역할과 승격 임계값을 사전에 정한 뒤, 연율화 샤프 개선도, 최소 관측 기간, 신호 상관도, 포지션 중복도, 상대 최대 드로다운의 다섯 차원에서 후보를 평가합니다. 두 모델은 순위 기반 롱숏 포트폴리오로 점수를 내며, 각 모델의 거래 회전율에 따라 거래 비용을 부과합니다. 최소 개선폭을 요구하면 짧은 기간의 샤프 추정치가 불안정한 문제에 대응할 수 있고,…
이 노트북은 Parquet 소스, 엔터티, 피처 뷰, 타임스탬프, TTL 정책으로 Feast를 설정한 뒤 학습 예시와 실시간 조회 방식의 특정 시점 쿼리에서 피처를 가져오는 방법을 보여줍니다. Feast의 출력을 직접 작성한 시점 기준 조인과 피처별로 비교하며, 엄격한 허용 오차를 적용해 일반적인 반올림 차이가 아니라 잘못된 행을 선택한 문제를 찾아낼 수 있게 합니다. 비교할 때는 서로 다른 조회 의미를 고려해야 합니다. Feast는 TTL 안에서 이전 값을…
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 장중 주식 수익률에서 연속적인 가격 변동과 점프를 구분하는 방법을 설명합니다. 제곱 수익률로 일별 실현분산을 추정하고, 점프에 강건한 연속 성분 추정치로 바이파워 변동을 사용합니다. 두 값의 음수가 아닌 차이로 점프 분산을 추정합니다. 이어서 같은 거래 세션에서 앞서 발생한 수익률로 계산한 국소 변동성 추정치로 각 수익률을 표준화해 리–마이클런드 검정을 적용합니다. 이 검정은 최대 통계량을 바탕으로 세션 전체에 적용되는 임계값을 사용해 여러 바…
이 설정 노트는 백테스트 식별 정보에 포함되는 설정과 모의 거래 비용에 실제로 영향을 주는 설정을 구분합니다. 설명된 사례 연구에서 등록된 모든 실행은 벡터화된 만기 청산 경로를 사용합니다. 설정된 체결 가격, 수수료율, 슬리피지율 필드는 이 경로에 전달되지 않으며, 호가 기준 체결은 벡터화 실행에서 생성하지 않는 이벤트 기반 브로커에 속합니다. 이 설정을 제거하면 기존 실행의 해시 식별 정보가 바뀌므로 설정에 그대로 남아 있습니다. 실제 비용은 설정…
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…