지식 라이브러리

이 분석은 9개 트레이딩 사례의 특징 선별 대장을 비교합니다. 벤자미니–호크버그 거짓 발견률 유의성과, 사례별 효과 크기 하한 및 폴드별 부호 안정성을 결합하는 두 번째 PROCEED 결정 경로를 구분합니다. 결정이 두 경로의 합집합을 따르므로 PROCEED 특징 수가 FDR 기준을 통과한 수보다 많을 수 있습니다. 이어 각 사례의 PROCEED 비중과 검증 및 홀드아웃 Sharpe를 대응시켜 특징의 생존 여부가 전략의 생존 여부를 예측하는지 탐색합니다.…

이 노트북은 금융 문장 감성을 3개 클래스로 분류하도록 트랜스포머 체크포인트 3개를 미세 조정하고 정확도, 매크로 평균 F1, 혼동 행렬, 파라미터 수, 학습 시간을 비교합니다. Financial PhraseBank를 학습·검증·테스트로 계층 분할하고, 일반 난수와 Trainer 난수의 시드를 설정하며, 동적 배치 패딩을 적용합니다. 모델에는 특정 도메인용 FinBERT 체크포인트와 범용 체크포인트 2개가 포함됩니다. 핵심 교훈은 테스트 점수를 해석하기 전에…

이 문서는 연방준비제도가 2026에 목표 금리를 올릴지에 관한 구조화된 강세·약세 논쟁을 기록합니다. 세 에이전트가 연준 전망, 인플레이션, 노동시장 여건, 금융기관의 예측, 과거 정책 전환을 근거로 이 문제를 평가합니다. 강세론은 인플레이션이 지속되고 연준이 정책을 되돌릴 가능성을 강조합니다. 약세론은 금리 인하 또는 동결 전망, 고용시장 냉각, 제약적인 정책이 효과를 내도록 둘 가능성을 근거로 듭니다. 자료는 주장과 인용된 검색 발췌의 스냅샷이지, 검증된…

이 문서는 선물 수익률을 위한 두 가지 잠재 요인 접근법을 소개합니다. 주성분 분석은 수익률 변동을 가장 많이 설명하는 비상관 방향을 찾고, 신경망 확률적 할인인자는 기대수익률의 횡단면 가격결정과 관련된 조합을 찾으며 캐리나 변동성과 같은 상품 특성을 활용할 수 있습니다. 따라서 두 방법은 서로 다른 질문에 답합니다. 광범위한 동조 움직임과 가격에 반영될 수 있는 수익률 구조를 다루며, 추정된 요인의 경제적 의미는 추가 해석이 필요합니다. 두 접근법은 미래…

이 노트북은 일별 트레이딩 의사결정을 위한 느리게 변하는 맥락 특징인 재무 비율, 거시경제 여건, 달력 효과의 표현 방식을 설명합니다. 이익수익률, 수익성, 발생액, 레버리지, 현금흐름 수익률과 같은 가치 및 품질 지표를 소개하고, 발표일과 기준 시점 조인을 사용해 분기별 재무 정보를 일별 관측치에 맞춥니다. 거시 시계열에는 발표 지연과 전방 채우기가 필요하며, 달력 패턴에는 주기 인코딩과 이벤트까지 남은 시간 변수를 사용할 수 있습니다. 핵심 우려는 시점…

이 노트북은 등가격 스트래들을 매도해 만기까지 보유하는 전략의 후보 특징을 선별합니다. 각 거래일에 특징별 가용 종목의 횡단면 순위를 만기 시점 스트래들 결과의 순위와 비교한 뒤, 검증 기간에 걸친 순위 일치도를 평균합니다. 여러 후보를 함께 시험하므로 중첩 포지션에 따른 불확실성을 조정하고 거짓 발견을 통제합니다. 워크플로는 데이터 범위와 오래된 값도 점검하고 기간별 일관성을 비교하며, 근거와 처리 결정을 선별 대장에 기록합니다. 통계적 선별과 모델 선택을…

이 문서는 관측일의 수정 종가와 이후 거래 세션의 가격을 사용해 ETF의 일별 선행 수익률 레이블을 만드는 방법을 설명합니다. 월 단위 기본 레이블과 더 짧은 주 단위 변형을 만들며, 적격성 필터를 적용하기 전에 각 심볼의 전체 정렬 가격 이력을 바탕으로 레이블을 계산합니다. 단언문으로 미완성 후반 구간, 이례적으로 긴 달력상 기간, 심볼 경계, 레이블 유형을 확인합니다. 노트북은 결과 기간의 중첩, 수익률 구간이 홀드아웃 내에서 끝나는 개발 행의 제거,…

이 Python 모듈은 일별 표본 외 수익률을 사용해 전략 백테스트의 불확실성을 정량화하는 방법을 설명합니다. 수익률 시계열 통계에 대한 정상성 블록 부트스트랩 구간, 자기상관과 비정규성을 조정한 Sharpe 표준오차, 평균 수익률에 대한 Newey–West 표준오차를 결합합니다. 블록 길이는 가능하면 리밸런싱 간격을 기준으로 정하고, 그렇지 않으면 최적 크기 추정기를 사용하되 수익률 산출 기간을 바탕으로 하한을 둡니다. 또한 일별 수익률 차이를 이용한 대응…

이 논문은 중앙화 거래소 거래가 지분증명 블록체인의 스테이킹 선택과 토큰 분배에 미칠 수 있는 영향을 모형화합니다. 연속시간 평균장 프레임워크에서 참여자는 가격 충격이 있는 중앙화 시장에서 검증자이자 트레이더로 활동합니다. 저자들은 명시된 가정 아래 국소적 정립성을 증명하고 균형 거래 행동을 준명시적으로 특성화합니다. 수치 결과는 시장 유인에 따라 중앙화 거래가 스테이킹 참여를 늘리고 스테이킹 분포의 집중도를 낮출 수 있음을 시사합니다. 이 연구는 거래…

이 연구는 유한한 표본 크기가 비트코인 실현 변동성의 허스트 지수 추정치에 미치는 영향을 살펴봅니다. 표본 간격이 길어질수록 추정 지수가 낮아지며, 단순한 유한 표본 관계가 관측치에 부합한다고 설명합니다. 매우 짧은 간격으로 외삽하면 1/2보다 작은 값이 나오며, 저자들은 이를 거친 변동성의 증거로 해석합니다. 일반적으로 쓰이는 5분 간격에서 보고된 상대 오차는 1%입니다. 논문은 실현 변동성에 다중 프랙탈 분석을 적용하고 그 다중 프랙탈성을 비트코인…

이 문서는 내생적 버블과 주기적 폭락을 설명하는 간결한 이산시간 시뮬레이션을 제안합니다. 시장 모멘텀으로 매수와 매도의 균형을 조정해 군집 행동과 패닉 매도가 어떻게 상호작용하는지 표현하고자 합니다. 세제곱 모멘텀 함수는 버블 형성 중 추세 추종을 부추기고, 모멘텀이 임계값을 넘으면 급격한 폭락을 촉발합니다. 자기흥분 Hawkes 과정에서 착안한 메커니즘에 따라 누적 모멘텀이 커질수록 거래 빈도도 높아집니다. 시뮬레이션은 가격과 유동성이 함께 증가한 뒤…

이 노트북은 ETF 미래 수익률 예측에 대해 분할 컨포멀 예측, 컨포멀화 분위수 회귀, 적응형 컨포멀 추론을 비교합니다. 워크포워드 폴드에서는 한 부분으로 학습하고, 다른 부분에서 구간 오차를 보정한 뒤 이후 관측값을 평가합니다. 분할 컨포멀은 보정 잔차 순위를 사용해 구간 너비를 정합니다. CQR는 보정 전에 하한과 상한 분위수 모델을 적합하므로 상황에 따라 구간 너비가 달라질 수 있습니다. ACI는 지연된 결과를 이용할 수 있게 되면 미포함률을…

이 문서는 날짜가 있는 엔터티 기록을 잠재 팩터 사례 연구용 배열로 변환하는 방법을 설명합니다. 한 방법은 적격성 데이터셋에서 학습한 커버리지 기준을 충족하는 엔터티만 남깁니다. 누락된 관측값은 NaN으로 유지해 일관된 엔터티 축을 만듭니다. 두 번째 방법은 불규칙한 횡단면을 만들고 각 날짜에 관측된 최대 크기까지 채웁니다. 슬롯 위치는 날짜별로만 유효하며 날짜가 바뀌어도 동일한 엔터티를 나타내지는 않습니다. 또한 각 날짜 안에서 특성 순위를 제한된 척도로…

이 노트북은 주문장 활동이 NVDA의 단기 수익률을 예측하는지 연구합니다. 주문별 시장 데이터에서 추가, 취소, 체결 정보를 이용해 거리에 따라 가중한 주문장 압력 지표를 만들고, 부호가 있는 활동을 평활화해 중간 가격 부근의 유동성 변화를 나타냅니다. 여러 미래 기간에 걸쳐 주문 흐름 불균형을 평가하고, 중간가, 지연 조정 가격, 실행 가능 가격을 포함한 여러 마크아웃 정의로 수익률 상관관계와 십분위 패턴을 비교합니다. 이 비교는 지연과 매수·매도 호가…

이 노트북은 전체 데이터셋을 불러오지 않고 Parquet 스키마를 읽어 9개 시장 사례 연구의 모델 기반 특성 열을 목록화합니다. 식별자 필드는 제외하고 시장별 열 수를 세며, 이름에 포함된 토큰을 기준으로 변동성 모델, 레짐 지표, 자기회귀 예측, 분수 차분 등의 특성군을 분류합니다. 목록의 토큰과 일치하지 않는 열을 조사할 수 있도록 이름 일부도 제공합니다. 이 목록은 어떤 산출물과 이름이 존재하는지를 기록할 뿐 예측력을 평가하지 않습니다. 토큰 매칭은…

이 노트북은 개별 추정치를 정확히 계산하더라도 많은 팩터나 전략을 검색하면 선택된 우승 후보의 겉보기 성과가 부풀려지는 이유를 설명합니다. 시뮬레이션한 잡음 팩터 집합은 가장 큰 정보계수가 우연히도 인상적으로 보일 수 있음을 보여줍니다. 이어 이분산성과 자기상관에 강건한 추론을 적용한 뒤 거짓 발견률을 통제하는 보정 절차를 구성하고, 더 보수적인 선별을 위한 패밀리 단위 오류 통제도 논의합니다. 상관된 팩터 변형에는 Rademacher 복잡도 보정을…

이 사례 연구는 S&P 500 주식 및 옵션 특성 패널에서 시퀀스 모델을 비교합니다. 과거 참조 구간에서 게이트 상태를 유지하는 LSTM와 최신 수준을 제거한 뒤 선형 매핑을 적합하는 N-Linear 기준 모델을 함께 살펴봅니다. 이 기준 모델은 같은 구간을 더 단순하게 매핑하는 것보다 순환 메모리가 가치를 더하는지 평가합니다. 목표에는 미래 주식 수익률과 위험 조정 수익률 레이블이 포함됩니다. 이 연구는 특정 시점의 특성과 워크포워드 폴드에 맞춰 모델…

이 노트북은 TimeGAN의 5개 구성 요소를 설명합니다. 임베더와 복원 네트워크는 원시 관측값과 잠재 공간 사이를 변환하고, 감독자는 시간적 전이를 학습하며, 생성자와 판별자는 적대적으로 학습합니다. 단계별 학습을 설명하고 미국 주식 US 종목 패널의 일별 로그 수익률에 모델을 적용합니다. 수익률을 선택한 이유는 시그모이드로 제한되는 출력 및 최소-최대 스케일링과 관련이 있습니다. 추세를 보이는 가격 수준은 학습 범위를 벗어날 수 있어 홀드아웃 평가를…

이 기록은 연속된 분기 GDP 감소 또는 NBER의 경기침체 판정일을 기준으로, 미국이 2026년 말까지 경기침체에 진입할지 조사한 멀티 에이전트 연구 실행을 문서화합니다. 세 에이전트는 성장률 전망, 경기침체 지표, 통화정책 전망, 과거 기본 발생률을 검색한 뒤 확률 추정치와 근거를 제시했습니다. 한 에이전트는 긍정적인 성장 전망과 비교적 낮은 경기침체 위험 지표를 근거로 시장 내재 확률이 높다고 주장했습니다. 다른 에이전트는 우호적인 현재 상황과 함께…

이 노트북은 롤링 ETF 수익률 구간을 합성곱 신경망용 2채널 이미지로 변환합니다. Gramian Angular Summation Field는 각 구간 내 값을 재조정해 각도로 매핑하고 시간 위치 쌍 사이의 삼각함수 관계를 기록합니다. Markov Transition Field는 구간별 분위수로 값을 나누고 위치 쌍의 구간 간 전이를 나타냅니다. 따라서 두 방법 모두 원래 시퀀스를 그대로 제시하지 않고 위치 간 관계를 인코딩합니다. 실험에서는 5일 ETF…

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 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…