지식 라이브러리

이 장은 트레이딩 아이디어를 문서화된 특성 명세로 바꾸는 프레임워크를 제시합니다. 연구자는 특성의 시간 범위를 의도한 의사결정에 맞추고, 구동 요인 가설을 밝히며, 예측 신호와 맥락을 설명하는 상태 변수를 구분해야 합니다. 기준 관점, 표현 방식, 집계 방법은 경제적 주장에 따라 정해야 합니다. 가설을 바꾸는 변환과 주로 노이즈를 조절하는 변환도 구별해야 합니다. 이 장은 가격·거래량 특성, 시장 미시구조, 상품 간 관계, 파생상품 내재 지표, 펀더멘털,…

이 가이드는 인과 효과 추정과 인과 구조 발견을 구분하고, 일반적인 연구 질문에 적합한 파이썬 라이브러리를 안내합니다. 조정 구조를 알고 있거나 명시적으로 지정한 경우 EconML과 DoWhy로 효과를 추정할 수 있으며, Tigramite와 causal-learn은 시계열 또는 횡단면 데이터에서 구조를 제안합니다. 이산 처치에 초점을 둔 CausalML이나 베이지안 구조적 시계열 방법이 더 적합할 수 있는 경우도 설명합니다. 선택은 처치 유형, 데이터 형태,…

이 개요는 주식, 암호화폐, 외환, 선물, 옵션, 멀티자산 포트폴리오를 아우르는 9개 트레이딩 사례의 설정 데이터를 정리합니다. 각 사례의 투자 대상군, 데이터 빈도, 의사결정 주기, 비용 모형, 신호와 포지션 간 매핑을 비교합니다. 예시는 전략과 데이터셋에 따라 이러한 선택이 어떻게 달라지는지 보여주며, 거래 비용이 특히 큰 영향을 미치는 설정도 다룹니다. 노트북은 워크포워드 학습·검증 구간, 폴드 수, 별도로 보류한 홀드아웃 기간도 요약합니다. 핵심 연구…

이 노트북은 백테스트와 실거래 파이프라인이 일관되게 작동하는지 확인하는 결정론적 프레임워크를 제시합니다. 가격 봉에서 의사결정으로 이어지는 특성 계산, 예측, 신호, 주문 규모 단계를 비교합니다. 고정된 합성 가격 테이프를 사용해 두 파이프라인에 동일한 입력을 제공하므로 시장 변동과 기술적 불일치를 더 쉽게 구분할 수 있습니다. 검사는 릴리스 게이트로 설계되었습니다. 예상하지 못한 차이가 있으면 테스트 묶음이 실패하고, 의도적인 차이는 명시적으로 정의하고…

이 노트북은 암호화폐 무기한 선물 시장의 시간봉에 걸쳐 고정된 매도 주문을 배분하는 강화학습 에이전트를 학습합니다. 상태에는 시차 수익률, 변동성, 직전 시간 거래량, 현물 대비 무기한 계약 프리미엄, 펀딩 정산까지 남은 시간이 포함됩니다. 날짜를 기준으로 학습과 평가를 나누고, 동일한 평가 구간에서 여러 체결 일정을 대응 차이와 표준오차로 비교합니다. 프리미엄과 펀딩이 매도자의 체결 조건에 어떤 영향을 줄 수 있는지 설명하면서, 이를 가격 방향 신호가 아닌…

이 사례 연구는 다른 모델 계열과 동일한 시점별 CME 선물 특성 행 및 워크포워드 폴드에서 매개변수 효율적인 신경망 앙상블 TabM을 평가합니다. 대부분의 매개변수를 공유하면서 모델 간 변동을 평균 내는 방법으로 TabM을 소개하고, 작고 노이즈가 많은 패널에서 적합과 일반화의 균형을 확인하기 위해 모델 용량을 바꿉니다. 명시된 평가는 동일가중 검증 백테스트와 샤프를 기준으로 정해진 에포크 체크포인트 중 하나를 선택합니다. 노트북은 신뢰할 수 있는 비교를…

이 노트북은 최근 6개월을 건너뛴 모멘텀이 21일 미래 수익률에 영향을 주는지, 그 효과가 시장 변동성에 따라 달라지는지 살펴보는 절차를 제시합니다. 학습 데이터에서 이중 머신러닝으로 효과를 추정하며 변동성과 수익률 곡선을 통제 변수로, 시장 변동성을 효과 조절 변수로 사용합니다. 변동성 레짐은 홀드아웃 이전 데이터로 정의하고, 추정 결과를 제한 및 축소된 포지션 규모 조정 규칙에 반영합니다. 그런 다음 홀드아웃 구간에서 거래 비용을 포함해 해당 규칙을 단순…

이 사례 연구는 S&P 500 구성 종목의 등가격 스트래들을 매주 진입해 만기까지 보유하고 매일 델타 헤지를 하는 전략을 평가합니다. 만기 보유 수익률을 모형화하는 것이 핵심 방법론입니다. 옵션 포지션에는 진입 스프레드가 발생하지만 청산 스프레드는 없고, 헤지 거래에는 기초자산의 일일 비용이 발생합니다. 수익률과 스프레드가 옵션 프리미엄에 연동되는 경우 명목 금액의 베이시스 포인트로 표시한 비용이 마찰을 크게 과소평가할 수 있다고 설명합니다. 전략의 실행…

이 장은 퀀트 트레이딩 연구에서 인과 주장을 평가하는 틀을 제시합니다. 처치, 결과, 추정 대상, 반사실, 조정 집합을 명확히 정의한 다음 연구 질문에 맞는 방법을 연결합니다. 연속 노출에는 이중 머신러닝(DML), 개별 사건에는 베이지안 구조적 시계열, 관측 자료에서 후보 관계를 찾는 데는 인과 발견 방법을 사용합니다. DAG와 식별 설계를 바탕으로 조정 변수를 선택하며, 시간 교차 적합과 처치 전 시점 설정은 추정 과정의 누출 방지에 도움이 됩니다.…

이 노트북은 1분 간격으로 관측한 NASDAQ-100 미시구조 특성에 선형 모델을 적합해 여러 미래 구간의 수익률을 예측합니다. 표현력이 더 높은 모델을 살펴보기 전에 단순한 기준선을 마련하는 것이 목적입니다. 스프레드 및 불균형 특성은 측정값과 관측 구간에 따라 겹치므로 설계 행렬에 다중공선성이 생깁니다. 노트북은 릿지, 라쏘, 엘라스틱넷을 비교합니다. 릿지는 상관된 계수를 축소하고 라쏘는 계수를 0으로 만들 수 있으며, 엘라스틱넷은 두 페널티를…

이 노트북은 이전에 선택한 FX 전략을 홀드아웃 예측으로 평가하는 방법을 설명합니다. 선택 구성에 등록된 백테스트 명세를 재사용하며 신호, 배분, 위험 통제, 리밸런싱 규칙, 비용, 계좌 설정을 고정합니다. 파생된 학습 식별자를 사용해 예측 집합을 확인하고, 명세에 일관되게 홀드아웃 구간을 평가할 수 있도록 전략에 지정된 워밍업 데이터를 포함해 가격 프레임을 불러옵니다. 워크플로는 누락되거나 중복된 홀드아웃 예측과 동일 홀드아웃 구간에서 다른 구성을 사용해…

이 특성 평가에서는 금융 및 모델 기반 후보를 CME 선물의 미래 수익률과 비교해 선별합니다. 각 특성의 데이터 범위와 노후화를 점검하고, 특성값과 미래 수익률의 일간 횡단면 순위 상관을 측정하며, 겹치는 수익률 구간에 따른 불확실성을 조정하고, 검사한 집합 전체에 Benjamini-Hochberg 거짓 발견 통제를 적용합니다. 워크포워드 검증 연도별 결과와 사전에 정한 다른 수익률 구간도 살펴보고, 근거와 함께 진행·수정·중단 판단을 기록합니다. 서로…

이 노트북은 거래 비용 가정이 선택된 S&P 500 주식 및 옵션 배분의 검증 샤프에 미치는 영향을 평가합니다. 고정된 후보 집합에서 선택한 구성이 있으면 그 구성을 이어받고, 거래 명목 금액의 비율로 부과하는 편도 비용과 주당 수수료에 고정된 하프 스프레드를 더한 탐색적 비용을 여러 값으로 적용해 같은 계보를 다시 실행합니다. 선택된 수익률 경로의 불확실성을 보여주기 위해 블록 부트스트랩 구간도 함께 제시합니다. 두 비용 축은 서로 다른 관례를 나타내므로…

이 노트북은 순수 PyTorch, sktime, Darts로 단변량 SPY 가격을 예측하는 구현을 비교합니다. 주된 목적은 코드 길이, 인터페이스 요건, 설치 성공 여부, 학습과 예측을 합친 소요 시간 등 실무상의 수고를 평가하는 것입니다. 마지막으로 관측한 가격을 예측값으로 쓰는 단순한 방식이 기준점을 제공하며, 라이브러리 사례는 공통 학습·예측 인터페이스가 모델 변경을 어떻게 쉽게 하는지, 래퍼가 어떤 제약을 줄 수 있는지 보여줍니다. 이 비교에는 중요한…

이 장은 지속 가능한 트레이딩 연구에는 변화하는 시장, 노이즈가 있는 근거, 실행 비용에 적응하는 체계적인 과정이 필요하다고 주장합니다. 구조적 단절, 레짐, 데이터 드리프트, 개념 드리프트의 차이를 소개한 뒤, 시점별 데이터와 명확한 범위 설정, 반복 개발, 현실적인 전략 설계, 배포와 모니터링을 중심으로 연구부터 운영까지의 절차를 제시합니다. 탐색과 확인이 어떻게 다른지도 설명하며, 실험 기록, 봉인된 홀드아웃, 선택 과정을 고려한 평가를 강조합니다. 이…

이 평가 노트북은 금융 및 모델 기반 특성이 가상자산 무기한 선물의 다음 8시간 수익률과 어떤 관계가 있는지 선별합니다. 워크포워드 검증 구간으로 평가 표본을 구성하고 최종 홀드아웃은 분석에서 제외하며, 각 결제 시점의 횡단면 순위 상관으로 특성별 점수를 매깁니다. 의존성을 고려한 불확실성 추정치로 평균 정보계수를 요약하고, 검증 연도별 성과를 확인하며, 다중 비교에 맞춰 유의성 검정을 조정합니다. 특성 원장에는 근거와 판단을 기록하지만, 모델 입력에서 열을…

이 노트북은 각 선물 수익률 구간에서 검증 순위가 가장 높은 신호 또는 배분 전략에 설정된 손절, 추적 손절, 시간 기반 청산 규칙을 적용합니다. 각 규칙은 자체 상위 전략을 대상으로 평가하며, 검증 가격 경로에 맞춰 조정하지 않고 파라미터를 사전에 고정합니다. 선언된 모든 규칙을 완료해야 이후 선택에서 의도된 후보 집합을 유지할 수 있습니다. 손절은 포지션을 비대칭적으로 청산해 전략의 수익률 분포를 바꾼다고 설명합니다. 평균 회귀형 캐리에서는 신호상…

이 노트북은 이전에 선택된 US 주식 설정을 홀드아웃 예측값에 적용합니다. 선택된 모델, 예측값, 배분 방식, 포트폴리오 집중도, 리스크 오버레이, 리밸런싱 주기, 거래 비용 가정은 앞 단계에서 가져옵니다. 핵심 방법은 학습 ID와 체크포인트에서 적절한 홀드아웃 예측 집합을 도출한 다음 홀드아웃 성과를 근거로 추가 선택을 하지 않고 백테스트를 실행하는 것입니다. 컨포멀 구간 폭으로 포지션 규모를 정하는 배분 방식은 검증 잔차로 보정하며, 선행 수익률 구간이…

이 노트북은 합성 ETF 수익률 시퀀스를 생성하도록 Diffusion-TS을 적용하는 방법을 설명합니다. 노이즈 제거기는 원래의 깨끗한 시퀀스를 다항식 추세, 푸리에 계절성, 잔차 성분의 합으로 예측하며, 시간 영역과 푸리에 영역의 손실을 결합해 각 지점과 주파수 구조의 충실도를 모두 높입니다. DDIM 샘플러는 생성에 쓰이는 역방향 단계를 줄입니다. 노이즈가 있는 시퀀스로 학습된 별도 분류기는 저변동성 또는 고변동성 국면 레이블이 붙은 표본을 만들도록…

이 문서는 무기한 선물 펀딩 패널 데이터를 모델링하는 데 TabM을 사용하는 이유를 설명합니다. 공유 신경망 백본은 모든 입력 특징을 결합하고 비선형 층은 상호작용을 표현할 수 있습니다. 각 분할에서 하나의 특징을 선택하는 트리와 달리 이 설계는 상관된 열을 함께 사용할 수 있습니다. TabM 앙상블 구성원은 네트워크 대부분을 공유하면서 별도의 스케일링 벡터와 출력층을 유지하므로 개별 네트워크를 학습하는 것보다 낮은 비용으로 평균을 낼 수 있습니다. 회귀,…

이 노트북은 이전에 선택한 ETF 설정을 확보해 둔 홀드아웃 구간에 적용합니다. 선택된 학습 ID와 체크포인트에서 해당 홀드아웃 예측값을 가져온 다음, 홀드아웃에서 조정하지 않고 전략의 기존 포트폴리오 집중도, 배분, 리스크 오버레이, 리밸런싱 주기, 비용 가정을 사용합니다. 실행 결과는 홀드아웃 백테스트로 등록됩니다. 같은 예측 집합에서 서로 다른 두 번째 설정을 평가하면 홀드아웃 결과 중 선택하게 되어 검정이 훼손되므로 이를 방지하는 보호 장치가…

이 평가 작업 흐름은 NASDAQ-100 장중 패널의 금융 및 모델 기반 특징을 선행 수익률과 비교해 선별합니다. 먼저 최종 테스트 기간을 따로 떼어 두고, 해당 구간 안에 선행 레이블이 확정되는 관측값은 제외합니다. 각 특징에 대해 레이블 기간에 맞춘 간격으로 횡단면 순위 정보 계수(IC)를 측정하고, 시계열 의존성을 Newey-West 방식으로 조정하며 다중 검정을 고려합니다. 데이터 범위, 반복값 빈도, 분위별 수익률 형태, 쌍별 중복성도 품질 및 진단…

이 분석은 모멘텀이 수익률을 얼마나 잘 예측하는지 묻는 대신, 최근 기간을 건너뛰고 계산한 모멘텀이 ETF의 선행 수익률에 인과적 변화를 일으키는지 추정합니다. 이중 머신러닝은 명시된 교란 변수를 사용해 결과와 처치를 모델링한 다음, 두 모델이 설명하지 못한 부분으로 관계를 추정합니다. 교란 변수에는 실현 변동성, 시장 국면 지표, 수익률 곡선 기울기가 포함됩니다. 분석은 적합 전에 모집단, 시점 규칙, 엠바고, 플라시보 설계를 확정하고 결과를 예측 모델…

이 벤치마크 생성 방법은 사례 연구에서 지정한 자산으로 동일 가중 일별 수익률 시계열을 만듭니다. 먼저 각 세션의 심볼별 마지막 종가를 가져온 다음 종가 간 수익률을 계산하고, 이용 가능한 심볼 수익률의 평균을 구합니다. 자산이 관측 패널에 새로 들어오거나 빠질 때 인위적인 수익률이 생기지 않도록 연속된 세션에 가격이 있는 경우에만 해당 심볼을 포함합니다. 벤치마크는 일별 격자로 만들어 같은 주기의 전략과 수익률 및 연환산 지표를 비교할 수 있습니다. 이…