지식 라이브러리

위험 프리미엄 PCA는 학습 평균 수익률 벡터의 가중 외적을 더해 공분산 행렬을 수정합니다. 가장 큰 고유값에 대응하는 고유벡터가 정적 팩터 포트폴리오를 정의합니다. 가중치가 0이면 일반 PCA를 얻고, 양의 가중치는 평균 수익률과 관련된 방향으로 팩터를 기울입니다. 노트북은 여러 가중치에서 가격결정 적합도, 수익률 재구성, 로딩 공간의 변화를 비교한 뒤, 사전에 정한 가중치를 사용해 하루 앞의 팩터 프리미엄을 예측합니다. 학습 데이터로 로딩을 적합하고,…

이 노트북은 검증 데이터에서 설정을 선택한 뒤, 손대지 않은 홀드아웃 기간의 예측을 생성하는 방법을 설명합니다. 선택한 설정을 확인하고 홀드아웃용 학습 사양을 다시 구성한 다음, 사용 가능한 타임라인과 선택된 레이블의 기간을 바탕으로 학습 구간을 정합니다. 이렇게 확보한 버퍼는 학습 결과가 평가 기간까지 이어지지 않도록 하며, 그 기간의 수익률은 아직 알 수 없었을 것입니다. 노트북은 새 학습 식별 정보를 확인하고 예측 세트를 기록해 재학습이 이루어졌는지…

이 설정은 특정 시점의 NASDAQ-100 투자 종목군에서 주문 흐름 신호를 분석하는 장중 연구를 설명합니다. 각 평가 기간 전에 이용 가능한 유동성 정보로 비용 기준을 통과한 하위 집합을 정하고, 여러 예측 구간의 의사결정 일정을 지정하며, 이를 포지션 모니터링에 쓰는 1분 가격 피드와 구분합니다. 특성군에는 호가 유동성, 마이크로프라이스, 변동성, 주문 흐름, 가격 충격, 기타 미시구조 측정치가 포함됩니다. 세션 내로 제한된 관측 구간과 명시된 시점…

이 노트북은 9개의 요인 및 자산군 수익률 시계열의 공동 움직임을 기준으로 월을 그룹화하는 가우시안 혼합 모델을 사용합니다. 월별 관측치를 표준화하고 결측 월을 제거한 뒤 BIC, AIC, 실루엣 점수로 후보 군집 수를 비교합니다. 이후 날짜가 확인된 시장 이벤트에 비춰 군집을 해석하고 각 그룹 내 요인 성과를 살펴봅니다. 이를 통해 환경별 차이가 통합 평균에 가려질 수 있음을 보여줍니다. 증거는 1927년에 시작되는 AQR의 월별 요인 수익률 기록에서…

이 노트북은 추론과 행동을 ReAct 루프에서 번갈아 수행하는 예측 에이전트를 만듭니다. 행동 범위는 의도적으로 작게 제한해 에이전트가 증거를 검색하거나 확률 예측을 제출할 수 있습니다. 공통된 두 메서드 인터페이스로 루프가 여러 언어 모델 공급자를 사용할 수 있으며, 스키마 검증으로 각 모델 응답이 행동을 일으키기 전에 확인합니다. 잘못된 응답은 수정하도록 되돌려 보내고 단계 예산으로 예측 없이 계속할 수 있는 시간을 제한합니다. 예시는 아직 결과가…

이 노트북은 알려진 시뮬레이터 계열 내 패턴 학습의 벤치마크로 ADIA Lab 인과 발견 챌린지를 살펴봅니다. 이 과제는 알려진 방향 비순환 그래프와 짝지은 여러 합성 데이터셋을 제공하고, 각 변수가 처치 및 결과와 관련해 어떤 역할을 하는지 모델이 분류하도록 평가합니다. 지도학습 모델이 이 설정에서 좋은 결과를 낼 수 있는 이유도 설명합니다. 시뮬레이션 데이터와 역할 레이블 사이의 반복되는 연관성을 학습하고, 하이브리드 방식은 고전적 발견 기법의 결과를…

이 노트북은 선택된 CME 선물 모델 설정의 홀드아웃 예측을 생성하는 방법을 설명합니다. 검증 결과로 설정을 선택한 뒤 홀드아웃 기간이 시작되기 전에 끝나는 데이터로 다시 적합합니다. 레이블 버퍼를 두어 선행 레이블 결과가 홀드아웃까지 이어지지 않도록 학습 관측치와 평가 기간을 분리합니다. 또한 기간 시작 전에 추정한 매개변수를 홀드아웃 기간 내내 고정해 모델 기반 특성을 다시 생성합니다. 예측 집합은 실제로 재적합한 학습 실행과 연결되어야 합니다. 검증…

이 노트북은 위험가치(VaR)와 기대부족액(ES)을 목표로 금융 수익률 시나리오를 생성하는 생성적 적대 네트워크 방식인 Tail-GAN을 설명합니다. 미분 가능한 정렬을 사용해 분위수 추정치를 통한 기울기 전달이 가능하고, VaR와 ES의 관계를 나타내는 제약 조건에 위험 추정치를 투영합니다. ETF 수익률을 롤링 시나리오로 배열하고 무작위 롱·숏 포트폴리오 가중치와 결합해 손익 예시를 만듭니다. 극단값을 표현할 수 있도록 입력값을 생성기의 출력 클램프…

이 특성 엔지니어링 노트북은 펀더멘털, 거시경제 데이터, 달력 맥락을 통해 느린 정보가 빠른 트레이딩 신호에 맥락을 제공하는 방법을 설명합니다. 장부가 대비 시가 비율과 이익수익률 같은 가치 비율, 자기자본이익률과 발생액 같은 품질 지표, 거시 지표와 리스크 국면, 계절성 또는 이벤트 시점을 나타내는 주기 인코딩을 소개합니다. 분기별 재무 데이터의 정렬에는 종목과 발표 날짜를 기준으로 과거 시점에 맞춘 조인을 사용합니다. 따라서 일별 관측치에는 이미 발표된…

이 노트북은 검증 폴드에서 모델과 전략을 선택한 뒤, 선택된 NASDAQ-100 미시구조 설정의 홀드아웃 예측을 생성하는 방법을 설명합니다. 선택된 학습 사양을 재구성하고 사례 연구에서 선언한 기간으로 홀드아웃 폴드를 정한 뒤 이전 데이터만 사용해 모델을 다시 적합합니다. 학습 식별자를 확인해 실제 홀드아웃 재적합과 검증 데이터로 적합한 모델의 예측을 구분합니다. 학습 기간은 홀드아웃 시작 전에 레이블 버퍼를 두고 끝납니다. 이 버퍼는 가장 긴 레이블 구간을…

이 사례 연구는 NASDAQ-100 미시구조 전략의 선행 수익률과 비교해 금융 및 모델 기반 후보 특성을 선별합니다. 시간에 따른 횡단면 순위 정보계수를 계산하고, 의존성과 다중 검정을 반영해 추론을 조정하며, 분위수별 수익률 형태와 특성 중복성을 살펴봅니다. 커버리지와 오래된 값 점검으로 값이 지나치게 희소하거나 변하지 않아 신뢰성 있게 해석하기 어려운 특성을 찾아냅니다. 근거와 함께 진행, 수정, 중단 판단을 선별 기록표에 남깁니다. 각 선행 레이블을…

이 장에서는 근거 없는 주장과 환각의 비용이 클 수 있는 개방형 금융 리서치에서 언어 모델의 유용성을 높이는 방법으로 검색 증강 생성을 소개합니다. 문서 수집과 구조를 고려한 분할부터 메타데이터, 도메인별 임베딩, 어휘 및 의미 기반 하이브리드 검색, 재순위화, 증거에 근거한 생성까지 시스템을 설명합니다. 추적성과 수치 신뢰성을 높이기 위해 인용 제약과 도구로 검증된 계산도 포함합니다. 이 장은 평가를 진단 과정으로 다룹니다. 팀은 검색 실패를 맥락, 종합,…

이 노트북은 여러 자산 시계열이 필요한 특성을 개발합니다. 엥글-그레인저와 요한센 공적분 검정을 비교하고, 단순한 동행만으로는 정상적인 스프레드가 보장되지 않는 이유를 설명하며, 전체 표본 회귀와 순방향으로 갱신되는 칼만 필터로 헤지 비율을 추정합니다. 평균 회귀 반감기를 학습 데이터만으로 추정해 신호 구간을 설정함으로써 그 선택에 미래 정보가 쓰이지 않도록 합니다. 시간에 따른 측정치를 횡단면 순위, 벤치마크 대비 값, 전체 투자 가능 종목군의 국면…

이 사례 연구는 만기까지의 수익률을 예측하는 단기 등가격 스트래들 그래디언트 부스팅 모델을 비교합니다. 트리 용량과 제곱 오차, 절대 오차, 후버 손실의 세 가지 적합 목적을 달리합니다. 변동성 이벤트가 있었던 해를 포함한 두 기간에 워크포워드 검증을 적용하고 정보계수(IC)로 예측을 평가합니다. 각 부스팅 단계에서 자체 예측이 생성되므로 체크포인트를 별도의 모델 후보로 취급합니다. 보고된 양상은 제곱 오차가 다른 목적들과 일관되게 구별되며 IC가 가장…

이 노트북은 S&P 500 주식 및 옵션 연구에서 주요 레이블을 예측하도록 패치 트랜스포머를 적합합니다. 각 주식의 과거 입력 구간을 연속 패치로 나누고 각 패치를 어텐션 토큰으로 취급합니다. 어텐션은 구간 내 멀리 떨어진 부분을 직접 비교할 수 있고, 패치 방식은 시퀀스 길이를 줄입니다. 패치 크기가 클수록 계산 부담은 줄지만 패치 안의 세부 정보가 압축됩니다. 이 모형은 연구의 다른 딥러닝 아키텍처와 동일한 관측 구간 및 학습 일정을 사용합니다. 학습에는…

이 코드는 금융 특성으로 예측하는 지도 오토인코더 아키텍처를 제시합니다. 인코더는 정규화된 입력을 병목 표현으로 압축하고, 디코더는 규제 과제의 일부로 입력을 재구성합니다. 보조 예측 헤드는 재구성 결과를 사용하며, 더 큰 주 네트워크는 스킵 연결을 통해 원래 정규화 특성과 인코딩된 표현을 결합합니다. 모형은 분류와 회귀 출력을 지원합니다. 학습에는 배치 정규화, Swish 활성화, 가우스 입력 잡음, 드롭아웃을 사용합니다. 구현은 배치 정규화 매개변수를…

이 노트북은 여러 펀드의 가격 수익률에 단일 가중치 계열을 맞추는 ETF 확률적 할인 요인 모형을 설명합니다. 펀드 익스포저와 요인 수익률을 각각 추정하는 모형과 달리, 가격 책정 오차를 기준으로 두 개의 신경망을 학습합니다. 하나는 횡단면 데이터에서 할인 요인 가중치를 구성하고 다른 하나는 각 펀드의 익스포저를 추정합니다. 노트북은 예측 수익률 점수도 보고하지만, 목표는 수익률 예측이 아니라 무차익 가격 책정으로 설정합니다. 모형은 맥락 정보로 거시경제…

이 연구는 BTC/USDT 주문 실행을 대상으로 이중 심층 Q 학습과 K-평균으로 구획한 전문가 혼합 모형, 매개변수 수를 맞춘 밀집 신경망을 비교합니다. 평가는 5분 평균 집계 바이낸스 지정가 주문 장부 데이터를 사용하며, 집행 부족분, 학습 시드별 변동, 정책 붕괴, 정책 내 꼬리 위험에 초점을 맞춥니다. 보상과 페널티 설계 때문에 조기 청산 비용이 거의 없는 재생 환경에서 시간가중 평균 가격 및 즉시 청산 기준과 결과를 비교합니다. 학습된 구성 중 기준…

MintEval은 언어 모델이 트레이더의 지시를 의도한 전략대로 동작하는 코드로 옮기는지 평가합니다. 조합 가능한 구성 요소로 기준 전략을 만들고, 이를 일상적인 표현의 지시로 바꾼 뒤 모델에 구현을 요청합니다. 생성된 프로그램과 기준 프로그램을 같은 시장 데이터와 거래 마찰을 적용해 각 봉마다 실행하고 행동을 비교하므로, 시장 성과 차이가 구현 충실도 비교에 영향을 주지 않습니다. 초기 벤치마크는 800개 과제로 구성되며, BTCUSDT 15분 데이터를…

이 논문은 소득이 확률적이고 투자 대상에 주식, 채권, 생명보험이 포함되는 개인의 생애주기 포트폴리오 선택을 연구합니다. 목적 함수는 소비, 사망 보험금, 기말 부를 고려합니다. 볼록 매매 제약은 거래할 수 없는 자산, 공매도 금지, 차입 한도 같은 제한을 나타냅니다. 저자들은 보상 자산 드리프트를 조정해 매매 제약을 반영하는 인공 시장을 구성합니다. 그런 다음 쌍대 변환과 심층 가격 커널 방법으로 원래 최적화 문제의 하한과 상한을 계산합니다. 가격 커널에…

이 연구는 분석적 해가 있는 연속시간 브로커–트레이더 게임에서 근위 정책 최적화가 브로커의 매매 속도 결정을 학습할 수 있는지 검증합니다. 연속시간 목적 함수에서 이산 보상을 도출하고 격자 세분화 및 1단계 항등식으로 구현을 점검한 다음, 확률적 비정보 주문 흐름과 부분 정보의 유무에 따라 학습된 정책을 분석적 기준과 비교합니다. 비정보 흐름이 없으면 피드포워드 PPO 정책은 기준 행동에 근접합니다. 확률적 흐름에서는 지도학습 결과 액터가 목표를 표현할 수…

이 문서는 수익률 상관관계를 부호가 있는 가중 그래프로 표현한 뒤 자산을 군집화하는 그래프 기반 연합 구조 생성 알고리즘 GCS-Q의 활용을 설명합니다. 일반적인 군집화 방식은 부호 있는 상관관계를 변환하는 과정에서 정보를 잃을 수 있고 군집 수를 미리 정해야 할 수 있다는 점이 연구의 동기입니다. 반면 GCS-Q은 분할 단계를 이차 비제약 이진 최적화 문제로 구성해 양자 어닐링으로 탐색할 수 있게 합니다. 저자들은 합성 금융 데이터와 실제 금융 데이터에 이…

이 논문은 근접 정책 최적화, 어드밴티지 액터 크리틱, 심층 결정론적 정책 경사라는 세 가지 액터 크리틱 강화학습 알고리즘을 결합한 자동 주식 트레이딩 방식을 설명합니다. 에이전트는 투자 수익 극대화를 목표로 트레이딩 결정을 학습하고, 각 알고리즘의 강점을 결합해 시장 상황에 적응하도록 만든 앙상블에 통합됩니다. 연속 행동 학습 중 메모리 사용을 제한하면서 대용량 데이터를 처리하기 위해 필요할 때 데이터를 불러오는 기법도 사용합니다. 이 접근법은 다우존스…

이 연구는 심층 강화학습으로 단기 트레이딩 예측을 지정가 주문 배치와 지정가 주문장 내 재고 결정으로 전환합니다. 과거 주문장 메시지로 구축한 모의 NASDAQ 주식 환경에서 ABIDES 시뮬레이터를 사용해 에이전트를 학습합니다. 에이전트는 현재 주문장, 최근 시장 기록, 방향성 신호를 관찰한 뒤 심층 이중 결투 Q 학습과 우선순위 기반 비동기 경험 재생으로 실행 정책을 학습합니다. 특정 예측 방법과 분리해 실행을 평가하기 위해 연구자들은 잡음 수준이 다른…