지식 라이브러리

이 노트북은 일별 ETF 수익률을 사용해 GARCH 모형이 변동성 군집을 포착하고 이를 세션별 특성으로 만드는 방법을 설명합니다. 먼저 시각적 진단과 ARCH-LM 검정을 사용해 제곱 수익률이 자체 시차에 따라 달라지는지 평가합니다. 그런 다음 GARCH(1,1) 모형으로 최근 충격의 영향과 이전 분산 추정치의 지속성을 구분합니다. 모수 합계가 충격이 얼마나 빠르게 감소하는지를 결정합니다. 적합을 위해 수익률은 백분율로 표시하며, 변동성은 세션별 표준편차로…

이 노트북은 메시지별 주문 데이터를 사용해 단일 종목의 NASDAQ 지정가 주문장을 재구성하는 방법을 설명합니다. 주문 추가, 체결, 취소, 삭제, 대체를 처리하면서 각 활성 주문의 잔여 수량을 유지합니다. 주문 대체는 기존 주문 참조를 종료하고 새 참조를 만들며 이후 메시지가 새 참조를 가리킬 수 있으므로 특별히 처리해야 합니다. 결과 스냅샷에는 초당 주문 흐름 불균형과 함께 최우선 매수·매도호가 및 표시 수량을 기록합니다. 검사 및 해석의 한계도…

이 소스 모듈은 미국 주가, 지수 데이터, 옵션, 시장 미시구조, 펀더멘털, 기관 보유 데이터를 불러오는 기능을 제공합니다. 가장 자세한 방법론은 장중 거래 데이터의 재표본화입니다. 시가, 고가, 저가, 종가, 거래량에는 각각 적절한 첫 값, 최댓값, 최솟값, 마지막 값, 합계 연산을 적용하고, VWAP는 거래량 가중 평균으로 다시 계산해야 합니다. 특히 시가와 종가 무렵처럼 구간별 거래량이 달라질 때 단순 평균은 잘못된 값입니다. 적격 거래가 없는 구간의…

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 가이드는 인과 질문에 맞는 Python 라이브러리를 정리하고, 가정한 인과 구조 아래에서 효과를 추정하는 것과 데이터에서 가능한 구조를 발견하는 것의 차이를 설명합니다. 조정된 처치 효과를 위한 이중 머신러닝, DoWhy를 이용한 그래프 기반 식별과 반증, PCMCI, PC, FCI, GES, LiNGAM, NOTEARS 같은 시계열 또는 횡단면 구조 탐색 방법을 소개합니다. 처치 유형과 추정 대상이 도구 선택에 미치는 영향도 설명합니다. 연속형 처치를…

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 SHAP 특성 기여도가 모델 간소화, 리스크 의사결정 또는 보고를 뒷받침할 만큼 안정적인지 살펴봅니다. ETF 예측 과제에서 예측값은 가깝지만 SHAP 프로필은 다른 테스트 표본을 먼저 찾습니다. 그런 다음 서로 다른 랜덤 시드로 학습한 LightGBM 모델과 Random Forest의 기여도 프로필을 비교하고, 검증 횡단면 정보 계수도 비교합니다. 예시는 설명이 여러 방식으로 가능해지는 두 가지 양상을 보여줍니다. 하나의 모델도 비슷한 출력에…

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 여러 에이전트의 확률 예측을 결합하고 결과 확률을 보정하는 방법을 설명합니다. 패널 크기와 가정된 쌍별 상관관계에 따라 평균 예측을 기준 비율에서 멀어지게 조정하는 Neyman 극대화를 소개합니다. 가정된 상관관계가 낮으면 패널을 여러 증거 원천으로 보아 더 큰 비중을 두고, 높으면 에이전트들이 서로 더 비슷하다고 봅니다. 예시와 합성 그래프는 이 가정이 달라질 때 통합값이 크게 변할 수 있음을 보여줍니다. 이 방법은 평균이 같더라도 예측값의…

이 데이터 유틸리티는 주식 수익률, 기업 특성, 거시경제 시계열, 분할 전 특성 텐서를 포함하는 Chen, Pelger, and Zhu 자산 가격 데이터셋을 지원합니다. 변환 방식은 공개된 학습, 검증, 테스트 텐서로 Parquet 파일을 만듭니다. 아카이브에는 각 블록 안에서 지속되는 익명 기업 위치가 있지만 블록 간 대응 정보가 없으므로, 변환기는 블록마다 서로 겹치지 않는 식별자 범위를 할당합니다. 이를 통해 같은 식별자가 여러 블록에서 알려진 동일…

이 노트북은 금융 특성이 10기간 델타 헤지 옵션 수익률 레이블을 설명하는 데 도움이 되는지 살펴봅니다. 하나의 내재 변동성 특성, 내재 변동성에 종속적인 특성과 독립적인 특성의 그룹, 전체 특성 집합을 사용하는 Ridge 모델을 비교합니다. 모든 비교에서 레이블별 워크포워드 폴드와 검증 키를 동일하게 사용하고, 일별 순위 정보 계수를 불확실성 추정치와 함께 요약합니다. IC 계산에는 최소 횡단면 표본 크기를 일관되게 적용합니다. 추가 점검에서는 선택한 내재…

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 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 예측이 비슷하거나 서로 다른 랜덤 시드와 아키텍처로 모델을 재학습했을 때 SHAP 기여도가 안정적으로 유지되는지 살펴봅니다. ETF 선도 수익률을 사용해 예측값은 가깝지만 SHAP 프로필은 다른 표본 쌍을 찾은 뒤, 여러 LightGBM 적합 결과와 Random Forest의 특성 중요도를 비교합니다. 예측 성능은 횡단면 정보 계수로 평가하고, 기여도 프로필은 평균 절대 SHAP 값으로 비교합니다. 예시에서는 예측 행동이 비슷해도 설명은 다를 수…

이 노트북은 폴리마켓의 암호화폐 결제 이벤트 계약과 칼시의 규제 계약을 비교하며, 접근 규칙과 상장 정책이 각 플랫폼의 가격과 질문을 어떻게 좌우하는지 살펴봅니다. 소규모 폴리마켓 스냅샷의 시장 및 날짜 범위를 확인하고 비트코인 가격 기준치 사다리를 찾아 기준치가 높아질수록 가격이 하락하는지 검정합니다. 확률 특성을 구성하고 두 플랫폼에 중복 상장된 연방준비제도 이벤트 시장도 비교합니다. 스냅샷의 시장별 관측치가 적기 때문에 시계열 분석이 아니라 횡단면 및…

이 노트북은 실제 손실 거래와 모형의 SHAP 설명을 연결하는 거래 단위 진단 절차를 보여줍니다. 지연된 가격 및 변동성 특성과 거시 입력값으로 LightGBM 모형을 학습해 다음 세션 SPY 수익률을 예측합니다. 고정된 예측 임계값에 따라 하루 보유 매수 거래를 열고, 이후 실제 손실이 가장 큰 거래를 골라 정렬된 SHAP 벡터를 군집화합니다. 발견한 패턴은 모형이나 특성을 검토하기 위한 가설로 만듭니다. 노트북은 평균 기여도에만 의존하지 말고 군집 내…

이 노트북은 실행 기록에서 학습하기 위해 행동 복제와 역강화학습(IRL)을 비교합니다. 시연은 위험 중립 목적이 알려진 TWAP 일정에서 가져옵니다. 충격을 줄이기 위해 거래를 고르게 분산하되 타이밍 위험 노출을 감수하는 방식입니다. 행동 복제는 상태·행동 쌍에서 직접 행동을 학습하는 반면, IRL는 해당 행동을 설명할 수 있는 보상을 추정하며 다른 환경으로 전이하는 토대가 될 수 있습니다. 노트북은 두 가지 보상 적합 방법을 소개합니다. 고정된 후보 경로…

이 노트북은 대량 청산 일정을 계획하는 Almgren–Chriss 프레임워크를 소개합니다. 도착 가격을 기준으로 실행 부족분을 측정하고 두 가지 상충하는 비용을 모형화합니다. 거래 강도가 높아지면 시장 충격이 커지고, 미매도 포지션이 가격 변동에 노출된 채 남아 있는 동안 타이밍 위험이 커집니다. 위험 회피 매개변수로 거래 경로를 정하며, 비용과 위험 간 상충관계를 모으면 효율적 프런티어가 형성됩니다. 청산 반감기로 경로를 해석하고 영구적 시장 충격과 일시적…

이 사례 연구는 통화쌍의 상대 순위를 매기고 순위에 따라 매수하거나 매도하는 횡단면 외환 전략의 미래 수익률 레이블을 구성하는 방법을 설명합니다. 먼저 뉴욕장 마감 관례에 따라 4시간 현물 봉을 거래 세션에 배정한 다음 각 통화쌍의 한 세션 및 더 긴 기간 수익률을 측정합니다. 완전한 미래 구간인지, 동일한 상품이 계속 유지되는지, 수익률이 실수로 다른 상품까지 걸쳐 계산되지 않는지를 점검합니다. 진단에는 홀드아웃 시작 전에 결과 구간이 끝나는 사례만…