Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 1,616개
이 노트북은 검증에서 선택한 FX 전략이 비례 거래 비용 변화에 어떻게 반응하는지 측정합니다. 예측 라벨마다 신호, 자산 배분, 리스크 오버레이 결과에서 상위 전략을 선택한 뒤 다른 전략 식별 필드는 그대로 유지하며 비용 격자에 따라 다시 실행합니다. 비용 범위 테스트는 이미 결정된 전략의 견고성을 설명하는 교란 분석이며 이후 전략 선택에는 반영되지 않습니다. 환율에 비례하는 FX 스프레드에 베이시스포인트가 적합한 이유와 설정에 스프레드 및 스왑 요소가 각각…
이 노트북은 가상자산 펀딩비 방향 모델의 배포 리허설을 안내합니다. 과거 Binance 기반 무기한 계약 데이터로 3개 클래스 LightGBM 모델을 학습한 뒤 OKX에서 실시간 시간별 캔들과 펀딩비를 가져옵니다. 데이터를 전략의 8시간 주기에 맞춰 집계하고 실시간 특성 세트를 계산한 다음 사용 가능한 상품의 점수를 산출합니다. 매핑된 USD 현물 페어의 체결 환경으로 Alpaca 모의투자를 사용하며, 매칭되지 않는 무기한 계약은 신호만 생성합니다.…
이 노트북은 통합 관리 도구, 미리 정의했거나 직접 만든 심볼 종목군, 분할된 Parquet 저장소를 사용해 금융 시계열을 수집하고 관리하는 절차를 소개합니다. 단일 또는 여러 심볼의 병렬 수집, 저장소에 데이터 로딩, 특정 기간 데이터 읽기, 증분 업데이트, 연구나 백테스트 전 결측 구간 탐지를 다룹니다. 주식, 채권, 금을 아우르는 기준 재조정된 ETF 시계열은 일괄 로딩으로 여러 자산을 한 데이터셋에서 비교하는 방법을 보여줍니다. 이 절차는 반복 가능한…
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 논문은 과거 데이터에서 시장 정보와 가격의 상관관계를 추정하고, 그 관계를 거래에 활용하면서 트레이더가 피드백을 만들어내는 과정을 모형화합니다. 충분히 많은 참여자가 추정된 관계에 따라 움직이면 주문이 가격을 바꾸고, 그 결과 처음 의존했던 상관관계도 변합니다. 이렇게 형성된 피드백은 효율적인 행동을 불안정하게 만들 수 있습니다. 모형은 비영(非零) 상관관계가 자발적으로 나타나고 시장이 지속적인 상태, 즉 관행 사이를 전환하는 임계점을 예측합니다. 가격…
이 분석은 무기한 선물 펀딩에 관한 여러 모델 계열의 검증 예측을 비교합니다. 정보계수는 후속 수익률의 순위를 측정하고, AUC는 상승과 하락 결과를 분류하는 순서를 측정하며, 로그 손실은 확률 품질을 평가하고 확신이 큰 오답에 불이익을 준다고 설명합니다. 이 진단 지표는 서로 다른 질문에 답합니다. 순위가 더 좋다고 확률 보정이 더 잘되는 것은 아니며, 예측만 따로 설명하는 지표로는 어떤 트레이딩 전략이 가장 좋은지 판단할 수 없습니다. 각 모델의 저장된…
이 사례 연구는 DeFi Llama 총예치가치 데이터를 Ether 트레이딩 연구 파이프라인의 입력으로 활용할 수 있는지 평가합니다. 신호 강도, 데이터 품질, 법적 적합성, 상업적 가치를 구분하며 법적 문제와 과거 버전을 재구성할 수 없다는 점을 반드시 통과해야 하는 기준으로 다룹니다. 세 가지 TVL 변환값을 여러 기간의 미래 Ether 수익률과 비교합니다. 수익률 구간이 겹치므로 각 기간에 맞춘 시차의 Newey-West 표준오차를 사용하고, 검토한…
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…
이 사례 연구는 FX-쌍 레이블을 예측하기 위한 LSTM 모델을 설정합니다. 순환 모델이 유지하는 은닉 상태를 고정 과거 구간 변환 및 합성곱 수용 영역과 비교하되, 다른 모델과의 비교는 별도 분석으로 미룹니다. 공통 러너는 학습 전에 시퀀스 길이, 아키텍처 설정, 장치, 레이블, 폴드, 체크포인트 일정을 결정합니다. 누락된 일별 관측값을 가로지르는 과거 구간 윈도우는 제외하므로 검증 커버리지가 원본 패널보다 좁을 수 있습니다. 재현성과 올바른 모델 인계를…
이 노트북은 손절, 트레일링 스톱, 손실 한도, 드로다운 중단, 변동성 목표 규칙을 포함해 사례 연구 백테스트의 리스크 오버레이를 비교합니다. 각 연구의 오버레이 결과를 불러오고 가능한 경우 자산 배분 단계 백테스트에서 기준선을 선택해 오버레이 적용 전후 성과를 비교합니다. 규칙 유형별로 설정을 묶고 샤프 지수 변화의 평균과 중앙값, 개선 비율, 드로다운 결과도 살펴봅니다. 매개변수 탐색에서 찾은 최상의 오버레이와 규칙을 적용했을 때의 일반적인 결과를…
이 사례 연구는 NASDAQ-100 미시구조 특성에 그래디언트 부스팅 트리를 적용해 여러 장중 기간의 수익률과 방향을 예측합니다. 선형 모델과 트리를 비교합니다. 트리는 스프레드에 따라 주문흐름 불균형의 효과가 달라지는 등의 조건부 관계를 찾아낼 수 있지만, 선형 모델은 이런 상호작용을 명시적으로 입력해야 합니다. 탐색에서는 트리 규모, 손실 함수, 부스팅 반복 횟수를 바꾸고 여러 체크포인트에서 예측을 저장합니다. 노트북은 각 체크포인트가 평가를 위한 별도의…
이 노트북은 네 단계로 예측 시스템을 구성합니다. 연구 에이전트 패널, 확률 통합, 대립 토론, 그리고 의견 차이를 찾아 추가 근거를 검색한 뒤 최종 확률을 내는 감독자입니다. 감독자의 영향력은 자체적으로 밝힌 신뢰도에 따라 제한됩니다. 무시하거나 이전 결과와 결합하거나 이전 결과를 대체하도록 할 수 있습니다. 상관 가정, 단계별 가중치, 검색 한도, 신뢰도 처리 설정은 중앙에서 선언합니다. 파이프라인은 중간 확률, 프롬프트, 근거, 단계별 출력을 기록하므로…
이 노트북은 가상의 장중 전략 수익률을 실행 비용이 얼마나 잠식할 수 있는지 추정합니다. 먼저 분봉 호가를 사용해 NASDAQ-100 구성 종목의 거래량 가중 호가 스프레드를 측정한 뒤, 구성 종목 스프레드의 중앙값을 호가를 넘어 시장가로 체결할 때 드는 비용의 실증적 기준으로 삼습니다. 시장 충격, 슬리피지, 수수료 등 다른 비용 요소는 시나리오 가정입니다. 호가를 넘어 시장가로 체결하는 방식, 주문을 나눠 집행하는 방식, 패시브 방식의 실행 비용 구조를…
이 노트북은 설계된 ETF 특성에 차등 프라이버시를 적용해 생성적 적대 신경망을 학습하는 방법을 보여줍니다. 프라이버시 매개변수 엡실론과 델타를 소개하고, DP-SGD가 각 레코드의 그래디언트를 집계 전에 자르고 보정된 노이즈를 추가하는 이유를 설명하며, Opacus로 샘플별 그래디언트와 누적 프라이버시를 관리합니다. 배치 전체에 적용하는 정규화는 레코드 간 정보를 노출할 수 있으므로 판별자에는 호환되는 레이어가 필요합니다. 생성자는 실제 관측값을 직접…
이 노트북은 ETF 특성과 미래 수익률에 고전적인 최소제곱 추론을 적용합니다. 계수 추정치, 표준오차, t 통계량, p값과 이분산성, 잔차 자기상관, 비정규성, 다중공선성 검정을 살펴봅니다. 표본은 자산과 날짜로 구성된 불균형 패널입니다. 워크포워드 학습 폴드를 사용하고 학습 데이터로 특성을 표준화하며, 강건 공분산을 추정하기 전에 선형 종속성이 있는 수익률 합성 변수 여러 개를 제거합니다. 논의에서는 진단 결과가 패널 관측값의 정렬 및 그룹화 방식에 따라…
이 문서는 파싱된 NASDAQ ITCH 메시지를 로드하고 주문 추가, 삭제, 취소, 체결, 대체를 바탕으로 지정가 주문장을 재구성하는 유틸리티를 설명합니다. 주문별 잔여 주식 수를 추적해 이후 주문장 갱신에 현재 수량을 사용하고, 주문 참조를 따라 대체 메시지 연결을 처리합니다. 스냅샷은 여러 매수·매도 호가 단계와 함께 최우선 호가, 스프레드, 중간값을 보여줍니다. 이 문서는 Lee–Ready 방식의 거래 분류도 설명합니다. 각 거래 가격을 현재 중간…
이 노트북은 ETF 순위 신호를 포트폴리오 구성부터 단순화한 백테스트까지 추적합니다. 릿지 회귀와 로지스틱 분류를 워크포워드 분할로 학습한 뒤 모멘텀 및 동일 가중 포트폴리오와 비교합니다. 매월 리밸런싱할 때 활성 신호는 공매도 없이 동일 비중으로 상위 10개 종목 바스켓을 구성합니다. 비교에서는 총수익 및 순수익 성과 지표, 회전율, 횡단면 정보계수를 보고해 신호의 순위 선정 능력과 해당 포트폴리오 거래 결과가 어떻게 다를 수 있는지 보여줍니다. 거래…
이 노트북은 AAPL 거래소의 하루 거래 데이터로 만든 시간 바, 틱 바, 거래량 바, 달러 바, 불균형 바, 런 바를 비교합니다. 앞의 네 가지 표본 추출 방식은 경과 시간, 거래 건수, 거래 주식 수, 거래 명목 금액에 따라 관측값을 묶습니다. 불균형 바와 런 바는 추정된 거래 방향을 사용해 부호가 있는 주문흐름도 포착합니다. 노트북은 거래량 또는 달러 기준 표본 추출이 시간 바보다 정규성을 높이는지 등을 포함해 바 유형별 수익률 분포와 자기상관을 비교할…
이 문서는 암호화폐 무기한 선물과 프리미엄 지수를 함께 연구하기 위한 데이터셋과 워크플로를 설명합니다. 설정된 종목군의 시간별 OHLCV 관측값과 8시간 간격의 프리미엄 값을 다루며, 다운로드, 로드, 필터링, 기본 프로파일링 절차를 안내합니다. 프리미엄 지수는 무기한 선물 가격과 현물 가격 간 상대적 차이로 정의되며, 부호로 무기한 계약이 현물보다 높거나 낮게 거래되는지 나타냅니다. 이 문서는 데이터를 펀딩비 차익거래와 프리미엄 평균회귀 연구의 입력으로…
이 노트북은 시간 순서가 유지된 홀드아웃을 보존하면서 모멘텀 포트폴리오의 손절, 익절, 트레일링 스톱 규칙을 조정하는 방법을 보여줍니다. 1차원 매개변수 탐색, 규칙 조합 그리드, 청산된 거래의 최대 불리 및 유리 변동에서 도출한 손절 또는 목표가 사전분포를 비교합니다. 후보 설정은 보정 데이터에서 선택하고 이후 기간에서 한 번 평가하며, 동결된 설정의 순위는 CAGR 기반 칼마 지수로 매깁니다. 이 예시는 ETF 다섯 종목으로 고정 패널을 구성하고, 종가가…
이 노트북은 사전에 정의한 모델 집합의 하나로 PatchTST를 학습해 S&P 500 옵션을 연구합니다. 과거 시계열을 고정 길이 패치로 나누고 토큰으로 임베딩한 뒤, 어텐션을 사용해 구간 내 위치 간 관계를 학습합니다. LSTM의 단계별 순환과 비교하면 어텐션은 떨어진 시퀀스 구간을 직접 연결하고 구간 전체를 병렬 처리할 수 있습니다. 순서 정보는 위치 임베딩을 통해 학습해야 하며, 매개변수 수가 많아 데이터가 제한적일 때 학습이 더 어려울 수 있습니다.…
이 개요는 자산군, 종목군 규모, 데이터 빈도, 의사결정 주기, 비용 체계, 평가 프로토콜에 따라 여러 거래 사례 연구를 정리합니다. 각 연구에서 명시한 설정을 읽고 학습 및 검증 기간, 폴드 수, 홀드아웃 기간, 신호에서 포지션으로의 매핑을 포함한 비교 표를 제시합니다. 주식, 옵션, 암호화폐, 외환, 선물, 멀티에셋 ETF를 다루며 시장과 이용 가능한 데이터에 따라 연구 선택이 어떻게 달라지는지 보여줍니다. 주요 연구 교훈은 트레이딩 전략의 기간에 맞춰…
이 문서는 미래 수익률 구간이 겹치는 레이블을 위한 두 가지 진단 지표, 즉 통합 패널 자기상관과 레이블 고유성에 기반한 유효 표본 크기를 정의합니다. 자기상관은 원래 바 그리드에서 요청한 거리만큼 떨어진 관측값을 같은 개체 안에서만 짝짓습니다. 통합하기 전에 각 개체 내에서 값을 평균 중심화해 개체별 평균 차이로 생기는 허위 지속성을 방지합니다. 유효한 쌍이 없는 시차도 NaN으로 표시해 둡니다. 유효 표본 크기는 각 레이블의 미래 수익률 구간 중 동시에…
추정 구간의 상관관계 네트워크로 주식 유니버스를 설명하고 네트워크 분산 포트폴리오를 구성하는 방법을 보여줍니다. 평가 전에 이용할 수 있는 데이터만으로 유동성 있는 종목을 선택하고, 수익률 상관관계를 거리로 변환해 최소 신장 트리(MST)를 추출합니다. 차수, 매개 중심성, 근접 중심성으로 트리의 허브와 연결 고리를 요약한 뒤 역중심성을 사용해 구조적으로 중심에 있는 자산의 가중치를 낮춥니다. 동시 충격 전파 민감도 분석을 설명하고 이후 평가 구간에서…