지식 라이브러리

이 분석은 9개 자산 그룹에 속한 고정된 100 ETF 집합을 프로파일링합니다. 펀드와 연도별 데이터 범위를 확인하고, 가격 패널이 그룹 설정과 일치하는지 검증하며, 결측값과 OHLC 순서를 살펴보고 그룹별 거래량을 비교합니다. 종가가 이미 분할과 배당을 반영해 조정되었으므로 종가에서 바로 수익률을 계산할 수 있다는 점도 설명합니다. 연말 펀드 수는 상품이 출시되면서 증가한 뒤, 선정된 유니버스의 모든 펀드가 계속 상장되어 있어 일정하게 유지됩니다. 이…

이 노트북은 암호화폐 무기한 선물의 수익률과 방향을 예측하는 그래디언트 부스팅 모델을 연구합니다. 탐색 격자는 트리 용량과 제곱 오차, 절대 오차, 후버 목적 함수 등 손실 함수를 바꾸며 학습 중 여러 시점에서 모델을 평가합니다. 트리가 거의 중복된 프리미엄 특징을 반복해서 분할하면 정보를 더하지 않은 채 학습 표본의 세부 사항에 맞춰질 수 있는 이유를 설명합니다. 후보는 서로 다른 예측 목표끼리 비교하는 대신 각 레이블별로 비교합니다. 노트북은 탐색 횟수…

이 문서는 다변량 시계열 예측을 위한 PatchTST 신경망 백본을 소개합니다. 각 입력 시계열을 서로 겹치는 패치로 나누고, 각 패치를 학습된 특징 공간에 투영한 뒤 위치 인코딩을 더해 여러 트랜스포머 인코더 층으로 처리합니다. 인코더는 어텐션 층을 통해 각 입력 변수를 독립적으로 다룬 다음, 예측 헤드가 인코딩된 패치를 목표 예측 구간에 매핑합니다. 이 아키텍처는 가역적 인스턴스 정규화, 선택적 끝부분 패딩, 드롭아웃, 잔차 어텐션을 지원하며, 예측…

이 노트북은 사례 연구 레지스트리에서 모델 실험 카탈로그를 재구성하고 그 내용을 MLflow와 비교하는 방법을 설명합니다. 학습 실행, 예측 세트, 백테스트 실행을 따라가며 각 단계를 앞 단계와 연결합니다. 표준화된 명세에는 결정론적 해시를 부여해 반복 실행이 같은 결과를 내도록 하고 설정 변경을 식별할 수 있게 합니다. 그런 다음 조회를 통해 검증 지표, 포트폴리오 백테스트 결과, 산출물의 출처를 검색 가능한 뷰로 모읍니다. 예측 순위와 배포용 선택을…

이 장은 주식, 거시경제 시계열, 선물, 암호화폐, 예측시장 전반에서 시간 일관성을 갖춘 펀더멘털 및 대체 데이터 분석을 구축하는 방법을 정리합니다. 핵심 방법은 이중 시간 데이터 저장과 특정 시점 기준 조회, 출처별 발표 시점 관리, 시간에 따라 유효한 엔터티 매핑, 감사 가능한 공시 텍스트 추출입니다. 노트북은 이 아이디어를 SEC 공시와 XBRL, 거시 지표 발표, CFTC 포지션, 온체인 지표, 기관 보유 정보, 시장 예측 데이터에 적용합니다.…

이 노트북은 분산된 ETF 유니버스를 위한 롱온리·완전 투자 평균분산 프레임워크를 구축합니다. 실현 가능한 포트폴리오와 효율적 투자선을 구성한 뒤 추정 수익률과 공분산으로 샤프 지수 최대화 및 분산 최소화 비중을 풉니다. 추정이 덜 필요한 동일 비중, 역변동성, 동일 위험 기여도 같은 간단한 대안과 최적화 포트폴리오도 비교합니다. 핵심은 기대수익률을 추정하기 어렵고, 공분산을 훨씬 더 많은 관측치로 추정하더라도 기대수익률이 최적화 결과를 좌우할 수 있다는…

이 노트북은 예측, 집중도, 배분 규칙을 고정한 채 성과가 좋은 ETF 배분 설정을 두 가지 비용 격자에서 다시 가격 책정합니다. 주식 수에 따라 ETF 거래 비용이 달라지는 사례 연구의 주당 수수료 및 스프레드 절반 모형과, 거래 금액에 비례해 비용을 부과하는 베이시스포인트 격자를 비교합니다. 여러 비용 수준에 등록된 백테스트를 통해 감소 곡선을 만들고, 순 샤프 지수가 0이 되는 지점이나 시험한 격자 범위에서 교차점이 얼마나 벗어나는지 확인할 수…

이 노트북은 이미 선택된 암호화폐 무기한 선물 설정에 체결 비용이 미치는 영향을 측정합니다. 모형, 체크포인트, 진입 규칙, 배분, 위험 통제를 고정하고 거래 명목금액에 대한 왕복 비용 격자에서 백테스트를 다시 실행합니다. 결과로 각 레이블의 비용에 따른 성과 감소 곡선을 제시해 다른 설정을 선택하는 대신 성과 변화와 손익분기 지점을 보여줍니다. 비용률과 회전율에 따라 변하는 체결 비용과 포지션 보유에서 발생하며 격자 전반에서 바뀌지 않는 펀딩 지급액을…

이 설정은 기업 특성 순위에 따른 월간 롱숏 US 주식 포트폴리오를 설명합니다. 46개 특성의 완전 사례 유니버스, 월말 의사결정, 다음 시가 체결, 롱·숏 각각의 동일 비중, 차입 비용을 포함한 주요 거래 비용을 명시합니다. 특성 목록은 가치, 품질, 투자, 모멘텀 같은 신호를 묶고, 가정한 갱신 지연과 실패 유형을 기록합니다. 월간 수익률 레이블과 홀드아웃 2016 기간을 포함한 워크포워드 평가도 설정합니다. 중요한 설계 논점은 배분 방식의 추정입니다.…

이 노트북은 포트폴리오 수익률부터 모의 거래까지 월간 ETF 로테이션 백테스트를 구축합니다. 후행 위험조정수익률을 기준으로 10개 펀드의 순위를 매기고, 미국 국채 수익률 곡선 국면에 따라 상위 펀드와 방어적 채권 배분 중 하나를 선택해 다음 거래일 시가에 체결합니다. 수수료, 현금 한도, 60/40 벤치마크도 동일한 시뮬레이터에서 처리합니다. 신호일에 이용할 수 있었던 정보만 사용하고 날짜, 가격, 비용이 일치하는 포트폴리오끼리 비교하는 절차를 강조합니다.…

이 노트북은 가중치를 공유하는 신경망 앙상블 TabM을 암호화폐 무기한 선물 특성 패널에 적용합니다. 구성원은 신경망 백본을 공유하지만 별도의 스케일링 벡터와 출력 계층을 사용해, 효율적인 앙상블과 상관된 입력 간 비선형 상호작용을 결합합니다. 작업 흐름은 회귀, 이진 방향, 3개 클래스 방향 타깃을 처리하며, 불균형 라벨에 대해서는 폴드별 클래스 가중치도 적용합니다. 또한 여러 학습 체크포인트에서 예측을 저장하고 등록해 각 체크포인트를 별도의 후보 모델로…

이 노트북은 금융 및 모델 파생 특성이 후속 수익률을 기준으로 ETF 순위를 매길 수 있는지 선별합니다. 날짜별로 각 특성의 횡단면 순위와 선도 수익률 순위를 비교해 정보 계수를 계산한 뒤, 그 시계열을 살펴봅니다. 겹치는 수익률 라벨로 인한 불확실성을 조정하고, 동시에 수행한 여러 특성 검정에서 거짓 발견을 통제하며, 워크포워드 검증 구간에서 연관성의 방향이 유지되는지 확인합니다. 또한 중복된 근거를 나타내는 고상관 특성을 식별합니다. 평가는 검증 날짜로…

이 노트북은 RSI 임계값으로 진입과 청산을 결정하는 비트코인 롱온리 전략의 감사 가능한 보고서를 만듭니다. 총수익과 순수익을 비교한 뒤, 동일한 데이터, 워밍업, 익스포저, 체결, 비용을 적용한 바이앤드홀드 벤치마크와 성과를 비교합니다. 조건을 일치시키면 트레이딩 규칙의 효과를 구분하기 쉬워집니다. 보고서는 포트폴리오 수익률, 벤치마크 대비 지표, 시장 익스포저, 청산된 거래 통계를 나눠 보여줍니다. 또한 표본 종료 시점의 자기자본에 영향을 주는 미청산…

이 노트북은 학습된 무기한 선물 펀딩 특성의 시퀀스 표현이 프리미엄, 즉 무기한 선물과 현물 가격 간 격차를 사람이 만든 요약값보다 더 잘 포착하는지 집중적으로 시험합니다. 최근 윈도우 안의 변화에 선형 매핑을 적용하는 NLinear와 순환형 LSTM를 비교합니다. 두 모델은 특성 순서, 폴드, 결측 데이터 규칙, 체크포인트 일정이 같으므로 측정된 차이를 아키텍처에 더 명확히 귀속할 수 있습니다. 노트북은 실험을 정의하고 검증 예측을 기록하며, 전략 선택은…

이 노트북은 20개 통화쌍의 후보 특성을 하나씩 선행 수익률과 비교해 평가합니다. 분석은 워크포워드 검증 기간으로 제한하고 각 세션에 폴드를 표시하며, 홀드아웃 전에 완충 구간을 둬 라벨이 해당 예약 기간 안에 확정되지 않게 합니다. 홀드아웃 자체는 측정하지 않습니다. 먼저 커버리지와 움직임이 충분한 특성을 필터링한 뒤, 특성값과 다음 세션 수익률의 일별 횡단면 Spearman 순위 일치도를 측정합니다. 인접 세션 간 연관성을 허용해 불확실성을 추정하고,…

이 노트북은 모델 순위를 단순한 암호화폐 무기한 선물 포트폴리오로 변환합니다. 각 펀딩 시점에 진입 규칙이 순위 상위 또는 하위 계약을 골라 동일 비중을 배정합니다. 동일 비중은 비교 기준을 제공하므로, 포지션 규모를 일정하게 유지한 채 차이를 순위에 따른 것으로 볼 수 있습니다. 노트북은 선언된 예측 구성을 진입 규칙에 적용하고, 후속 분석을 위해 결과를 등록합니다. 백테스트에서는 해당 시점까지 보유한 포지션을 대상으로 펀딩을 정산한 뒤, 그 시점의 거래를…

이 노트북은 등가격 S&P 500 옵션 스트래들의 검증 샤프가 가정된 실행 비용과 두 옵션 유니버스에 따라 어떻게 달라지는지 측정합니다. 옵션 프리미엄과 기초자산 명목 금액의 차이가 크므로 스프레드 비용을 옵션 호가 스프레드 절반에 대한 비율로 나타냅니다. 각 모델 계열에서 재현 가능한 방식으로 선택한 기준 전략 하나를 정해진 스프레드 비율 범위에서 평가하고, 다른 비용과 집중도는 고정합니다. 호가 스프레드로 선정한 유동성 높은 하위 집합과 전체 옵션 표면도…

이 모듈은 여러 모델 계열에 공통으로 사용할 워크포워드 학습 및 검증 폴드 준비 방식을 설명합니다. 시간 윈도우 분할, 폴드별 모델 기반 특성 적용, 라벨 누락 행 제거, 학습 데이터 샘플링 등 비용이 큰 모델 비종속 작업을 이후의 모델별 변환과 분리합니다. 원시 폴드를 재사용하면 구성마다 같은 준비 과정을 반복하지 않아도 됩니다. 선형 모델에는 결측값 대체와 표준화를 적용하고, 그래디언트 부스팅 트리는 결측값을 유지한 채 자체 결측값 분기 방식을…

이 노트북은 선물 예측을 위한 LSTM 및 NLinear 시퀀스 모델을 평가합니다. 의사결정마다 특성 행 하나를 사용하는 모델과 달리 시퀀스 모델은 과거 관측값의 순서가 있는 윈도우를 입력으로 받아, 고정 요약에서는 놓칠 수 있는 패턴을 학습할 가능성이 있습니다. NLinear는 각 윈도우의 마지막 값에 대한 변화를 예측하고, LSTM는 윈도우를 따라 정보가 어떻게 전달될지 학습합니다. 정교한 모델은 더 큰 용량을 가질 수 있지만, 선형 기준 모델도 예측…

이 노트북은 무기한 선물 펀딩 연구를 위해 여러 모델 계열의 검증 예측을 비교합니다. 정보 계수는 예측값과 후속 수익률 간 순위 연관성을, AUC는 상승 또는 하락 라벨에 대한 순위 성능을 측정하며, 로그 손실은 확신에 찬 오답에 큰 페널티를 부과해 확률 예측의 정확성을 평가한다고 설명합니다. 지표마다 답하는 질문이 다르므로 AUC가 개선되는 동안 로그 손실은 악화될 수 있습니다. 어느 순위 지표도 유용한 수익률 규모나 확률 보정을 입증하지 않습니다.…

이 구현은 딥러닝 연구에 쓰이는 패널 데이터에서 배치 시퀀스 윈도우를 만드는 방법을 설명합니다. 각 자산의 관측값을 연속된 행으로 압축하지 않고 패널에서 예상되는 달력을 따릅니다. 관측되지 않은 셀과 관측 여부 및 최신성 지표를 사용해 누락된 세션을 표시하므로, 명목상 룩백 기간이 의도보다 더 긴 달력 기간을 조용히 포괄하지 않습니다. 적격성 규칙은 최소 관측 비중을 요구하고 연속 결측 구간을 제한합니다. 효율성을 위해 종목별 특성 및 타깃 배열을…

이 노트북은 중복 처리, 결측 구간 표시, 도메인 필터, 반전 기반 급등락 탐지, 이상치 클리핑, 범주형 인코딩, 빈도가 다른 데이터셋 간 정렬 등 시장 및 기업 데이터의 실용적인 정제 방법을 소개합니다. 핵심은 스케일링이나 클리핑 경계처럼 데이터에서 학습하는 전처리 매개변수를 학습 분할에만 적합한 뒤 검증 또는 테스트 데이터에 적용해야 한다는 점입니다. 전체 표본으로 적합하면 모델 개발 과정에 미래 정보가 누수될 수 있습니다. 재사용 가능한 분할 인식…

이 노트북은 포지션 규모 산정과 최대 불리·유리 움직임 분석을 연결합니다. 고정 비율 포지션 규모 산정에서는 포트폴리오 위험 예산과 진입가에서 손절가까지의 거리를 기준으로 보유 수량을 결정하고, 포지션 집중도에 상한을 둡니다. 지연된 추정치를 사용해 정규화한 역변동성 가중치도 제시하고, 이를 공분산을 고려하는 위험 균형과 구분합니다. 이후 보정 및 미래 표본으로 움직임, 손절 및 목표 임계값, 전량 청산과 분할 청산 정책을 살펴봅니다. 노트북은 시점과 해석을…

이 노트북은 주식 특성과 내재변동성, 스큐, 기간 구조 등 옵션에서 도출한 지표를 결합한 S&P 500 횡단면 연구에서 예측, 구조, 인과 모형의 근거를 비교합니다. 주간 미래 수익률 순위를 다른 레이블 기간, 잠재 요인 결과, 인과 추정치, 십분위수별 움직임, 신호 상관관계와 함께 평가합니다. 핵심 질문은 옵션 특성이 직접 또는 잠재 요인을 통해 유용한 정보를 더하는지, 어떤 결과를 후속 전략 시뮬레이션에서 살펴볼 가치가 있는지입니다. 보고된 근거는…