지식 라이브러리

이 노트북은 과거 가격에서 직접 계산하는 지표를 보완하기 위해 외환 가격 이력에서 적합 모델 기반 특성을 만듭니다. 세 가지 접근법을 설명합니다. 천천히 변하는 가격 수준과 관련 값을 추정하는 상태 공간 필터, 달러 변동성 국면의 확률을 추정하는 2상태 은닉 마르코프 모델, 한 단계 예측 오차로 예상 밖 변화를 측정하는 고정 차수 ARIMA 수익률 모델입니다. 4시간 봉은 공통 거래일 달력을 사용해 세션 단위로 집계합니다. 각 모델에는 사전에 지정된 워밍업…

이 노트북은 스트래들을 매도하는 S&P 500 옵션 전략의 포트폴리오 가중 규칙을 비교합니다. 선택된 종목과 다른 전략 설정은 고정하고 동일가중 기준선을 모델 예측 또는 기초자산 수익률 리스크 추정치를 활용하는 배분기로 대체합니다. 비교 옵션은 점수 가중, 변동성 역수, 리스크 패리티, 계층적 리스크 패리티, 축소 평균분산 최적화, 예측 구간 너비에 기반한 컨포멀 가중입니다. 워크플로는 선택 전에 변경 불가능한 후보 세트를 고정하고, 모델 설정을 검증 샤프로…

이 노트북은 이미 선택된 암호화폐 무기한 계약 설정에 체결 비용이 미치는 영향을 측정합니다. 모델, 체크포인트, 진입 규칙, 배분기, 리스크 통제를 고정한 뒤 거래 명목금액에 부과되는 왕복 비용을 사전에 정한 격자에 따라 바꿔 전략을 다시 실행합니다. 그 결과로 얻는 비용 감소 곡선은 후보의 순위를 매기거나 선택하는 대신, 해당 설정이 어느 정도의 마찰 비용을 감당할 수 있고 어느 지점에서 성과가 손익분기에 이르는지 보여주려는 것입니다. 분석은 비용률과…

이 노트북은 S&P 500 기업의 분기별 MD&A 공시를 트레이딩 특성으로 바꾸는 워크플로를 설명합니다. 공시 접수일을 시점 기준점으로 삼고, 같은 날짜에 한 기업이 여러 공시를 제출한 경우 가장 최근 기간의 공시만 남깁니다. 그런 다음 두 가지 신호를 만듭니다. 청크 단위 FinBERT 감성을 문서별 평균과 분산으로 집계하고, sentence-transformer 임베딩을 기반으로 전 분기 대비 의미 변화를 계산합니다. 또한 연차 보고서가 제출되는 분기에…

이 장은 실용적인 질문을 바탕으로 시계열 딥러닝을 살펴봅니다. 관측 순서에는 횡단면 예측이 놓치는 정보가 언제 담기며, 어떤 모델 구조가 그 정보를 활용할 수 있을까요? 순차 학습 부담이 있는 순환 신경망, N-BEATS 같은 분해 모델, 어텐션 기반 접근법, 시간 합성곱, 믹싱 네트워크, 상태 공간 모델, 이미지 인코딩, 사전 학습 예측기를 다룹니다. 노트북에서는 강력한 선형 기준선을 포함해 구조를 비교하고, 워크포워드 평가와 함께 순서를 섞어 모델의 시간…

이 읽기 전용 분석은 여러 모델 계열의 검증 예측을 모아 데이터가 완전한지, 주식 순위를 얼마나 잘 매기는지, 폴드 전반에 걸쳐 순위 예측력이 이어지는지, 겉보기에 비슷한 모델이 서로 다른 정보를 제공하는지 살펴봅니다. 예측값과 이후 수익률 사이의 횡단면 순위 상관인 정보계수를 사용하고, 수익률 윈도우 중첩으로 인한 의존성을 반영하는 구간을 함께 제시합니다. 쌍별 비교에는 공통 날짜와 패널 키를 사용해 표본 불일치나 중복 조인으로 인한 오해를 피합니다. 또한…

이 노트북은 앙상블 구성원 간에 2층 특성 네트워크를 공유하는 표 형식 신경망 구조 TabM을 적용합니다. 각 구성원은 자체적으로 학습한 벡터로 공유 표현의 크기를 조정하고 자체 출력층을 사용합니다. 구성원 예측을 평균하면 완전한 네트워크를 각각 학습하는 것보다 낮은 비용으로 앙상블 다양성을 유지하는 것이 목표입니다. 사전에 지정한 세 설정은 다른 학습 설정을 고정한 채 층 너비와 구성원 수를 다르게 하며, 목표값은 숏 스트래들 수익률입니다. 워크플로는 적합…

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 노트북은 SHAP으로 ETF 수익률에 대한 릿지 회귀 예측을 설명합니다. 선형 모델에서 특성 기여도는 적합 계수와 배경 특성값으로부터의 편차 사이에 폐쇄형 관계가 있으므로, 분석은 설명 결과를 정확한 분해와 대조해 확인할 수 있습니다. 전역 중요도, 단일 예측의 워터폴 설명, 큰 폭의 예측 중 맞은 경우와 틀린 경우의 비교를 보여줍니다. 모델은 마지막 워크포워드 폴드에서 학습하고, 폴드 전반의 추가 적합 결과로 특성 중요도가 시간에 따라 어떻게 변하는지…

이 노트북은 금융 가격에서 특성을 추출하는 방법으로 칼만 필터링을 설명합니다. 국소 선형 추세 상태는 잠재 가격 수준과 기울기를 함께 추적하고, 관측 모델은 종가의 노이즈를 반영합니다. 각 업데이트는 필터링된 수준, 기울기, 혁신, 불확실성 추정치를 만듭니다. 칼만 이득은 모델과 관측의 불확실성에 따라 새로운 관측값이 상태를 얼마나 바꾸는지 조절합니다. 또한 두 자산 사이에서 시간에 따라 변할 수 있는 헤지 비율을 필터링으로 추정합니다. 노이즈 분산을 직접…

이 노트북은 이전에 선택한 S&P 500 옵션 모델의 아웃오브샘플 예측 세트를 만드는 방법을 설명합니다. 검증 결과로 설정을 고정하고, 홀드아웃 이전 데이터로 해당 설정을 다시 학습한 뒤 홀드아웃 구간 예측을 등록합니다. 학습 식별 정보를 확인해 실제 재학습과 검증 학습 실행에 잘못 연결된 예측을 구별합니다. 고정 기간 목표와 달리 만기까지의 수익률은 나중에 확정되므로 학습 종료 시점에는 전체 옵션 주기만큼의 라벨 버퍼도 포함합니다. 노트북은 선택한…

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 분석은 여러 자산을 아우르는 ETF 패널의 워크포워드 검증 결과를 사용해 등록된 모델 계열을 비교합니다. 모델은 21거래일 수익률을 예측하며, 각 날짜 안에서 펀드 순위를 예측이 얼마나 잘 매기는지 측정하는 횡단면 정보계수로 평가합니다. 노트북은 평균 점수의 단순 순위보다 신뢰구간과 폴드별 일관성을 강조하고, 모델 계열이 비슷하거나 서로 다른 신호를 포착하는지 살펴봅니다. 또한 예측 순위와 특성의 인과적 증거를 구분합니다. 유니버스에는 주식 섹터, 국가,…

이 노트북은 시간봉 BTC, ETH, SOL 무기한 계약 데이터에서 두 모델을 사용하는 청산 설계를 시험합니다. 진입 분류기는 이례적으로 높은 선행 수익률을 식별하고, 예측 확률은 기술적 특성과 함께 별도 모델에 입력되어 다음 24시간 수익률이 음수일지 추정합니다. 청산 모델 학습에 사용하는 진입 확률은 확장 윈도우 방식의 아웃오브폴드 예측으로 생성하며, 라벨이 이후 기간에 걸쳐 들어가지 않도록 폴드 경계에서 퍼지합니다. 비교는 시간순으로 구성하고 퍼지를…

이 노트북은 NASDAQ TotalView-ITCH 메시지를 분석해 시장 전반의 활동을 살펴보고 재사용 가능한 거래 데이터를 만듭니다. 메시지 유형별 개수를 세고, 주식 위치 식별자를 티커에, 주문 참조를 원래의 주문 추가 메시지에 연결해 주문 체결 메시지를 보강합니다. 대체 메시지가 새로운 주문 참조의 연쇄를 만들 수 있으므로, 해당 연결을 따라 원주문까지 거슬러 올라가며 티커와 매수·매도 방향을 이어받고 호가 가격은 대체 메시지에서 가져옵니다. 그런 다음…

이 문서는 모델 학습과 롤링 추론을 위한 시계열 패널을 준비하는 데이터셋 유틸리티를 설명합니다. 학습 데이터셋은 설정 가능한 시퀀스 길이, 날짜 범위, 간격에 따라 특성, 선행 수익률, 변동성 척도, 마스크의 슬라이딩 시퀀스를 반환합니다. 날짜 범위는 사용 가능한 패널 날짜에 맞춰지며, 완전한 시퀀스를 제공할 수 없는 범위는 생성자가 거부합니다. 추론 데이터셋은 선택된 시간 인덱스에서 끝나는 윈도우를 생성하고, 각 예측 단계의 특성, 마스크, 해당 인덱스를…

이 노트북은 광범위한 US 주식 유니버스를 순위화하기 위해 가격에서 파생한 특성을 만듭니다. 모멘텀, 변동성, 이동평균, 기술적 지표 계열을 설명한 뒤, 이를 1세션 선행 수익률 라벨과 비교해 평가합니다. 핵심 설계 원칙은 전체 세션 시퀀스에서 종목별 롤링 특성을 계산하고, 적격성 필터를 적용한 다음에야 횡단면 순위를 계산하는 것입니다. 이렇게 하면 윈도우의 의미를 보존하면서 매일의 순위가 실제로 거래할 수 있었던 종목을 반영합니다. 또한 노트북은 같은…

이 장은 전략 설계와 실거래 운영의 일부로 리스크 관리를 다룹니다. VaR와 조건부 VaR를 사용한 꼬리 위험 측정, 드로다운의 깊이와 회복, 익스포저 분해, 스트레스 테스트, 적응형 제어, 거버넌스를 설명합니다. 제시된 방법에는 과거·모수적·Cornish-Fisher 꼬리 추정, 위기 상황 재현과 가상 시나리오, 팩터 회귀, 변동성 목표 설정, 포지션 청산, 드리프트 모니터링, 킬 스위치가 포함됩니다. 배포 전에 한도와 상향 보고 규칙을 정하고 의사결정…

이 연구는 NVDA 거래일의 시장별 주문 데이터를 사용해 일일 거래 활동이 바 샘플링에 미치는 영향을 살펴봅니다. 거래를 미국 정규 US 시장 시간으로 필터링하고 거래소 라벨로 공격자 방향을 분류하며, 거래 건수, 주식 수 거래량, 거래대금의 일별 변화를 보고합니다. 이후 시간, 틱, 거래량, 거래대금, 불균형 바 임계값을 목표 일일 바 수에 맞춰 보정합니다. 세션 간 매개변수 안정성을 판단하기 위해 일별 바 수와 바 통계를 비교합니다. 공격자 방향을 확인할…

이 노트북은 기관 13F 보유 종목 데이터에서 규칙 기반 관계형 검색과 임베딩 검색을 비교합니다. 고정 기준 시점 전에 각 기관이 가장 최근에 보고한 보유 수량을 남겨 특정 시점 스냅샷을 만든 다음, 주요 보유 기관, 공동 보유, 기관별 최대 보유 종목에 관한 질문을 구성합니다. 기대 근거 레코드는 같은 보유 데이터로 정의합니다. 그래프 방식은 근거 정의와 일치하는 명시적 필터 및 교집합 연산을 적용하므로 구조상 완전 재현율이 보장됩니다. 독립적으로 검증된…

이 노트북은 LSTM 배분기를 구축해 ETF 수익률과 롤링 변동성 특성의 시퀀스를 롱온리 포트폴리오 비중으로 직접 매핑합니다. 소프트맥스 출력은 비중이 음수가 되지 않고 자금이 전부 투자되도록 합니다. 수익률을 예측해 최적화기에 넣는 대신 학습 목표에서 미분 가능한 샤프 비율을 직접 최대화합니다. 시간 순서에 따라 학습, 검증, 테스트를 나눈 뒤 학습된 비중을 동일가중 및 역변동성 포트폴리오와 비교합니다. 예측 단계를 없애도 추정 불확실성은 사라지지 않는다고…

이 데이터 가이드는 FRED 시계열을 가져와 일별 달력에 맞추고 선택한 지표를 분석용으로 불러오는 절차를 설명합니다. 예시에는 국채 수익률, 10년물과 2년물 간 스프레드, VIX, 고용 지표, 물가, 산업 생산, GDP가 포함됩니다. 원래 발표 주기가 다른 데이터를 결합한 뒤 앞 방향으로 채우면 결과 패널을 일별 전략 데이터와 비교할 수 있습니다. 제안된 활용법은 국면 필터링입니다. 수익률 곡선 기울기를 대략적인 위험 선호, 주의 또는 위험 회피 신호로…

이 노트북은 가격 변동에 계속 노출되는 위험과 시장 충격의 균형을 고려해 포지션을 청산하는 Almgren–Chriss 해법을 전개합니다. 도착 가격 대비 Implementation Shortfall을 사용하고, 영구적 충격과 일시적 충격을 따로 모델링해 일정의 실행 비용과 위험을 도출합니다. 위험 회피도를 바꿔 효율적 프런티어를 그립니다. 청산 반감기로 일정도 설명해 매개변수의 실무적 의미를 보여줍니다. 짝지은 모의 가격 경로에서 일정을 비교해 무작위 표본…

이 문서는 이중 머신러닝(DML)이 스프레드, 단기 변동성, 과거 수익률을 통제한 뒤 매수 주도 거래량 비중이 미래 수익률에 영향을 주는지 추정하는 방법을 설명합니다. 교차 적합으로 처치 변수와 결과 변수 모두에서 통제 변수의 영향을 제거한 뒤 잔차 간 관계를 이용해 효과를 추정합니다. 예시는 1분 단위 NASDAQ-100 관측값과 15분 결과 기간을 사용하며, Lee-Ready 규칙으로 주문 흐름을 분류합니다. 시간상 안전장치를 라벨 기간에 맞춰야 한다고…