지식 라이브러리

이 유틸리티 모듈은 검증 및 홀드아웃 데이터에서 예측 모델을 평가하는 표와 그림을 만듭니다. 진단 항목에는 정보계수의 신뢰구간, 검증에서 홀드아웃으로의 성과 저하, 선택 편향을 보정한 백테스트 통계, 폴드별 비교, 시장 국면 포괄률, 컨포멀 구간 포괄률이 포함됩니다. 저장된 학습, 예측, 백테스트 기록을 조회하고 비교 가능한 구성을 선택하며, 관련 결과가 아직 없으면 일관된 빈 표 스키마를 반환합니다. 설계는 모델 평가를 위한 몇 가지 안전장치를 강조합니다.…

이 장에서는 연속시간 가격 과정, GARCH 변동성, 부트스트랩 재표본추출, 모델 비교 등 합성 금융 데이터를 생성하는 전통적 접근법을 설명합니다. 기하 브라운 운동, 점프 확산, 평균 회귀, 헤스턴 같은 모델이 수익률, 점프, 변동성 변화에 대해 서로 다른 가정을 어떻게 반영하는지 살펴보고, 드리프트 보정과 분산 절단 같은 실무 구현 세부사항도 다룹니다. 모수적 모델은 관측된 과거를 넘어선 결과를 생성할 수 있지만, 그 결과의 특성은 모델 가정이 함의하는…

이 문서는 자산별 시계열과 맥락 정보를 상한과 하한이 있는 포트폴리오 리스크 비중으로 변환하는 신경망 정책 네트워크의 구조를 설명합니다. 자산별 기본 구조는 맥락 임베딩, 특성별 조절, 변수 선택, LSTM, 인과적 시간 어텐션을 결합합니다. 이후 지연된 횡단면 어텐션으로 자산 간 관계를 처리하며, 선택적으로 거시경제 인접 그래프로 범위를 제한한 어텐션을 적용할 수 있습니다. 정적 맥락에는 자산 정체성, 그룹 소속, 거래 비용을 담을 수 있고, 마스크는 이용…

이 노트북은 주요 S&P 500 주식 신호 구성에 적용할 포트폴리오 비중 산정 방식을 비교합니다. 먼저 검증 샤프를 기준으로 각 구성에서 전체 구간을 포괄하는 가장 우수한 체크포인트를 선택한 뒤, 점수 가중, 컨포멀 가중, 역변동성, 리스크 패리티, 평균-분산 최적화, 계층적 리스크 패리티 등 대체 배분 방식을 같은 예측치에 적용합니다. 리밸런싱마다 보유하는 종목 수도 바꾸고, 신호 단계의 동일 가중 기준선과 결과를 비교합니다. 이 설계는 예측 품질과 배분의…

이 문서는 연방준비제도가 2026에 금리를 인상할지에 대한 다단계 전망을 기록합니다. 세 에이전트가 근거를 탐색하고 확률을 제시한 뒤 토론과 감독자의 업데이트가 이어집니다. 의견은 서로 다릅니다. 두 에이전트는 금리 인상 가능성을 낮게 보지만, 다른 한 에이전트는 위험이 더 크다고 판단해 인플레이션, 연준의 전망, 통화정책 방향에 대한 이견을 드러냅니다. 감독자는 후속 근거를 검토하고 금리 인하 기대와 연준의 전망 경로를 긴축보다 완화의 근거로 들어 확률을…

이 노트북은 S&P 500 옵션을 대상으로 선언된 3개 모델 시퀀스 학습 집단 중 NLinear 모델을 실행합니다. 이 모델을 학습하기 전에 전체 집단의 요청과 체크포인트를 확정하므로, 후속 노트북에서 같은 스냅샷을 기준으로 LSTM 및 PatchTST 모델을 실행할 수 있습니다. 장치도 학습 정체성의 일부로 간주합니다. CPU와 GPU 연산에서 서로 다른 학습 가중치가 나올 수 있으므로, 표준 장치가 아닌 경우 별도의 집단 이름이 필요합니다. 이 워크플로는…

이 노트북은 US 기업 특성 연구의 홀드아웃 예측 단계를 설명합니다. 검증 결과로 선택한 모델 설정의 학습 사양과 체크포인트를 복원한 뒤, 홀드아웃 기간 전에 끝나는 데이터로 다시 적합합니다. 새 학습 식별자를 사용해 재적합을 감사할 수 있게 하고, 연구 설정에서 기간과 레이블 버퍼를 정해 학습 결과와 평가 기간이 겹칠 위험을 줄입니다. 노트북은 레지스트리 무결성도 다룹니다. 검증 학습 식별자를 재사용한 이전 예측 생성을 찾아내고, 후속 사용자가 경쟁 결과…

이 노트북은 관측된 교란변수를 조정한 뒤 내재변동성과 실현변동성의 차이가 이후 주식 수익률과 연관되는지 이중 머신러닝으로 살펴봅니다. 실현 변동성, 주식 모멘텀, 리스크 리버설 스큐를 관련 통제변수로 식별하고, 같은 교차 적합 관측치에서 조정 추정치와 순진한 일반 최소제곱 추정치를 비교합니다. 블록 순열 반증 검정과 패널을 고려한 불확실성 추정도 사용합니다. 확정된 연구 사양에 따라 추정 대상, 적격 관측치, 교차 적합 구조, 엠바고, 위약 검정 설계를…

이 분석 노트북은 새로운 백테스트 대신 레지스트리 결과를 사용해 기업 특성으로 구성한 US 주식 전략을 평가하는 방법을 설명합니다. 불확실성을 반영한 성과 통계를 읽고 공통 표본 구간에서 설정 순위를 매기며, 선택한 전략을 동일가중 기준과 쌍별 비교로 평가합니다. 홀드아웃 결과를 기준으로 선택하지 않도록 선택한 검증 실행의 전체 사양에 따라 홀드아웃 평가를 확정합니다. 선택 종목의 비유동성을 고려한 확장 비용 구간으로 실행 마찰도 살펴봅니다. 패밀리 코호트…

이 노트북은 Binance 무기한 선물 데이터로 프리미엄에 따라 계약 순위를 매기고 롱·숏 포지션을 취하는 횡단면 전략을 지원할 수 있는지 평가합니다. 모델을 적합하거나 예측을 수행하지는 않습니다. 대신 펀딩 정산 시점의 선언된 거래 유니버스를 확인하고, 관측된 시장 폭을 전략의 의도된 포지션 규모와 비교하며, 거래소 수수료 대비 가격 변동을 살펴봅니다. 홀드아웃 기간을 유지하면서 개발 이력으로 워크포워드 검증이 가능한지도 평가합니다. 각 계약의 자기상관도…

이 노트북은 사전학습 시계열 파운데이션 모델 Chronos와 TinyTimeMixer를 LSTM 및 페널티가 적용된 선형 기준 모델과 ETF 패널에서 비교합니다. 각 모델은 단변량 과거 데이터를 입력받습니다. 사전학습 모델은 해당 시계열을 예측하고 예측 경로의 평균을 횡단면 순위 점수로 사용하며, 적합된 기준 모델은 선행 수익률을 직접 예측합니다. 제로샷 모델에는 예측 목표와 기간이 수익률 레이블과 맞지 않으므로 순위 정보계수를 사용합니다. 실험은 모델에…

이 문서는 고정된 ETF 모멘텀 전략의 비용 민감도를 분석합니다. 유니버스, 가중치, 일정, 시뮬레이터는 그대로 두고 거래 단위별 수수료를 달리해 백테스트를 다시 실행합니다. 결과 곡선은 가정한 거래 비용이 높아질수록 샤프 비율과 복리 성장률이 어떻게 바뀌는지 보여줍니다. 손익분기 수수료도 두 가지 방식으로 추정합니다. 비용 차감 전 성장률을 연간 회전율로 나누고, 시뮬레이션 성장 곡선을 보간합니다. 두 추정치의 차이는 시간이 지남에 따라 비용이 복리로…

이 노트북은 가격 변동성, 펀딩 비율, 평균 프리미엄 편차라는 선언된 세 가지 요인을 고정했을 때 암호화폐 무기한 계약의 프리미엄 z점수가 이후 8시간 수익률에 영향을 주는지 추정합니다. 처치가 연속형이므로 목표는 프리미엄 z점수 한 단위당 기대수익률 변화량을 나타내는 기울기입니다. 이 개입 관련 질문을 수익률 예측이나 트레이딩 전략 평가와 구분합니다. 이 방법은 이중 머신러닝을 사용합니다. 교란변수 예측 모델이 교란변수로 결과와 처치를 예측한 뒤, 잔차…

이 사례 연구는 S&P 500 종목에서 등가격 내재분산이 이후 실현분산보다 큰지, 그리고 그 차이가 증권별로 달라지는지 연구하기 위한 특성을 구성합니다. 스트래들 호가와 기초자산 가격을 결합해 분산 프리미엄, 변동성, 옵션 시장 상황 및 관련 위험 특성을 측정합니다. 스트래들 호가가 모든 세션에 있는 것은 아니므로, 후행 기간은 성긴 호가 행이 아니라 기초자산의 시장 세션 캘린더를 기준으로 계산합니다. 특성군은 설정에서 룩백과 시차를 선언하며, 종목 코드…

이 노트북은 단일 3월 2020 거래일에 발생한 각 AAPL 거래의 당시 최우선 매수·매도 호가를 재구성한 뒤 리–레디 방식으로 매수자와 매도자 중 누가 거래를 주도했는지 추론합니다. 호가와 거래 이벤트를 타임스탬프순으로 교차 배치하고, 가장 최근 매수·매도 호가를 이어 붙인 다음 각 거래 가격을 호가 중간 가격과 비교합니다. 중간 가격에서 벗어난 거래는 호가 검정으로 분류하고, 중간 가격 거래에는 직전 가격 변동 방향을 틱 검정으로 사용합니다. 이렇게…

이 노트북은 내재 변동성, 스큐, 기간 구조, 분산 위험 프리미엄 같은 예측 정보를 담은 옵션 시장 특성에 그래디언트 부스팅 트리 모델을 적합합니다. 트리 용량과 회귀 손실 선택을 미래 수익률 및 방향 레이블에 따라 비교하고 워크포워드 검증을 사용합니다. 부스팅 모델은 연속된 트리 체크포인트마다 예측을 생성하므로 각 체크포인트를 평가와 이후 선택을 위한 별도 후보로 셉니다. 노트북은 이를 페널티를 적용한 선형 모델과 비교하고, 트리가 상호작용 항을 수동으로…

이 문서는 CME 선물 연구에서 검증 데이터로 모델 구성을 선택한 뒤 홀드아웃 기간의 예측을 생성하는 방법을 설명합니다. 검증 결과에서 선택된 구성과 체크포인트를 불러온 다음, 홀드아웃 시작 전에 확보된 이력만 사용해 모델을 다시 학습합니다. 레이블 버퍼는 학습 결과가 평가 기간으로 넘어가지 않게 하며 홀드아웃 전용 적격성 및 모델 매개변수를 다시 계산합니다. 등록된 학습 식별자는 검증 데이터로 학습한 모델을 재사용하지 않고 새로 학습했음을 뒷받침합니다.…

이 논문은 구글 검색 활동이 다음 날 지수 중앙값을 웃도는 S&P 100 종목을 예측하는 데 도움이 되는지 검증합니다. 시차를 둔 금융 변수와 검색어 검색량을 결합하고 그래디언트 부스팅 의사결정나무를 학습시켜 결과를 분류합니다. 연구 기간은 2005년부터 2017년까지이며, 평균 ROC 면적은 54.2%에서 56.7%까지로 보고되어 우연보다 높은 예측력을 나타냅니다. 보고된 포트폴리오 실험에서는 여러 데이터 출처를 결합한 모델의 순위가 가장 높습니다.…

이 논문은 중국의 주요 개인 간 대출 플랫폼에서 나타나는 대출 자금 지원의 성별 격차를 살펴봅니다. 기존의 차별적 대우 측정법은 직접적인 차별을 포착하지만 간접 효과나 대리 변수 효과를 놓칠 수 있다고 주장합니다. 더 넓은 범위의 차별적 영향을 평가하기 위해 관측 데이터에서 차입자의 실제 수익률과 자금 지원률을 비교하고 2단계 예측변수 대체 방법을 사용합니다. 분석 결과 실제 수익률이 같을 때 여성 차입자가 자금을 지원받을 가능성이 더 높으며, 이 이점의…

이 노트북은 12~-2개월 모멘텀이 베타, 고유 변동성, 시가총액, 분산을 조정한 뒤 다음 달 US 기업 수익률을 예측하는지 확장 윈도우 이중 머신러닝 분석으로 살펴봅니다. 이전 달 데이터를 사용해 교란 요인 모델을 적합하고, 학습 기간과 테스트 기간 사이에 엠바고를 적용하며, 마지막 2016 홀드아웃은 제외합니다. 조정 추정치를 동일한 아웃오브폴드 관측치에서 구한 단순 OLS와 비교하고, 시간 및 기업 간 의존성을 고려해 Driscoll-Kraay 추론을…

이 노트북은 SEC 8-K 공시에서 구조화된 기업 사건 정보를 추출해 Neo4j 지식 그래프에 적재하는 파이프라인을 제시합니다. 언어 모델은 공시를 일괄 처리해 주체, 관계, 객체, 타임스탬프를 포함한 이벤트 레코드를 생성합니다. 명시적인 이벤트 및 관계 스키마를 사용하고 모델 출력을 검증하며 엔터티 형식을 정규화합니다. 지원되지 않는 관계, 날짜, 범주는 검토를 위해 미확정 상태로 둡니다. 콘텐츠 해시, 안정적인 이벤트 및 실행 식별자, 그래프 스냅샷을…

이 노트북은 기업 특성 데이터셋에서 XGBoost, LightGBM, CatBoost의 Optuna 하이퍼파라미터 탐색을 비교합니다. 각 라이브러리에서 트리 구조 Parzen 추정기, 중앙값 가지치기, 조기 종료, 영구 저장소를 사용하는 탐색 실험을 별도로 진행합니다. 평균제곱오차와 평균절대오차 중 선택을 범주형 하이퍼파라미터로 포함하고, 평균 횡단면 정보계수로 검증 성능을 측정합니다. 노트북은 이 데이터셋의 두꺼운 꼬리 수익률에서 MAE 손실 함수가 세…

이 노트북은 시간가중평균가격(TWAP) 체결 규칙의 시연을 사용해 행동 모방과 역강화학습(IRL)을 비교합니다. 행동 모방은 관측한 시장 상태를 행동에 직접 대응시키고, IRL는 체결 피처에 대한 선형 보상을 적합해 추론한 목적 함수에서 정책을 도출합니다. TWAP은 알려진 기준 목적을 제공합니다. 거래를 균등하게 분산해 단계별 시장 충격을 낮추는 동시에 시간에 따른 가격 변동 노출의 균형을 맞춥니다. 노트북은 두 가지 보상 적합 방법을 설명합니다. 고정된…

이 시연은 하나의 이중 이동평균 교차 구현이 백테스트 및 실거래 엔진에서 일치하는 신호를 내는지 확인합니다. 두 엔진에 동일하게 준비한 ETF 봉을 입력하고 같은 전략 매개변수와 체결 규칙을 사용하므로, 비교는 엔진 동작 차이에 초점을 둡니다. 단기 이동평균이 장기 이동평균을 웃돌고 롱 포지션이 없으면 매수하며, 보유 중 역방향 교차가 발생하면 매도합니다. 노트북은 두 신호 기록을 필드별로 비교하며 불일치가 있으면 동등성 검사를 실패로 처리합니다. 근거는…