지식 라이브러리

이 노트북은 기관의 주식 보유 내역을 SEC 13F 공시 자료에서 가져와 운용 주체와 증권을 연결하고 업종 관계로 집계하는 그래프로 모델링합니다. 스키마는 분기 말 보고일과 이후 공시 공개일을 모두 보존합니다. 전자는 기간 비교에 쓰이고, 후자는 특정 시점 분석에서 공개 전에 보유 내역을 사용하는 일을 막습니다. 풋과 콜은 주식 보유와 같지 않으므로 공시된 옵션과 롱 주식 포지션을 분리합니다. 또한 초기 형성 기간의 기관과 증권을 선택해 이후의 구성원이…

이 노트북은 이전에 선택한 ETF 설정을 확보해 둔 홀드아웃 구간에 적용합니다. 선택된 학습 ID와 체크포인트에서 해당 홀드아웃 예측값을 가져온 다음, 홀드아웃에서 조정하지 않고 전략의 기존 포트폴리오 집중도, 배분, 리스크 오버레이, 리밸런싱 주기, 비용 가정을 사용합니다. 실행 결과는 홀드아웃 백테스트로 등록됩니다. 같은 예측 집합에서 서로 다른 두 번째 설정을 평가하면 홀드아웃 결과 중 선택하게 되어 검정이 훼손되므로 이를 방지하는 보호 장치가…

이 평가 작업 흐름은 NASDAQ-100 장중 패널의 금융 및 모델 기반 특징을 선행 수익률과 비교해 선별합니다. 먼저 최종 테스트 기간을 따로 떼어 두고, 해당 구간 안에 선행 레이블이 확정되는 관측값은 제외합니다. 각 특징에 대해 레이블 기간에 맞춘 간격으로 횡단면 순위 정보 계수(IC)를 측정하고, 시계열 의존성을 Newey-West 방식으로 조정하며 다중 검정을 고려합니다. 데이터 범위, 반복값 빈도, 분위별 수익률 형태, 쌍별 중복성도 품질 및 진단…

이 노트북은 브로커 래퍼가 주문 규모 및 포지션 한도, 주문 빈도 제한, 자산 제한, 지속형 킬 스위치로 위험한 주문을 거부하는 모습을 보여줍니다. 합성 브로커를 사용해 결정을 관찰할 수 있습니다. 주문 시도는 승인되거나 설명과 함께 차단되어 예제에서 연결 및 시장 데이터 동작과 리스크 검사를 분리해 볼 수 있습니다. 브로커로 주문을 보내지 않고 가상 포트폴리오에 체결과 포지션 취득원가를 기록하는 섀도 모드도 보여줍니다. 예제는 개별 주문 검사와 누적…

이 분석은 모멘텀이 수익률을 얼마나 잘 예측하는지 묻는 대신, 최근 기간을 건너뛰고 계산한 모멘텀이 ETF의 선행 수익률에 인과적 변화를 일으키는지 추정합니다. 이중 머신러닝은 명시된 교란 변수를 사용해 결과와 처치를 모델링한 다음, 두 모델이 설명하지 못한 부분으로 관계를 추정합니다. 교란 변수에는 실현 변동성, 시장 국면 지표, 수익률 곡선 기울기가 포함됩니다. 분석은 적합 전에 모집단, 시점 규칙, 엠바고, 플라시보 설계를 확정하고 결과를 예측 모델…

이 벤치마크 생성 방법은 사례 연구에서 지정한 자산으로 동일 가중 일별 수익률 시계열을 만듭니다. 먼저 각 세션의 심볼별 마지막 종가를 가져온 다음 종가 간 수익률을 계산하고, 이용 가능한 심볼 수익률의 평균을 구합니다. 자산이 관측 패널에 새로 들어오거나 빠질 때 인위적인 수익률이 생기지 않도록 연속된 세션에 가격이 있는 경우에만 해당 심볼을 포함합니다. 벤치마크는 일별 격자로 만들어 같은 주기의 전략과 수익률 및 연환산 지표를 비교할 수 있습니다. 이…

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 문서는 신호 발생, 실적 발표 또는 거시경제 지표 발표 같은 이벤트 전후의 수익률을 측정하는 방법을 설명합니다. 유동성 높은 ETF의 모멘텀 돌파를 예제로 사용합니다. 각 이벤트에 대해 이벤트 전 추정 구간으로 적합한 시장 모형이 기대 수익률을 산출하고, 관측 수익률에서 이를 빼 비정상 수익률을 구합니다. 이를 이벤트별로 평균 내고 누적해 평균 비정상 수익률과 누적 평균 비정상 수익률을 계산하며, 표준 오차와 유의성 통계량도 산출합니다. 구현에서는 자산과…

이 노트북은 금융 시계열 생성을 위한 무조건부 Sig-Wasserstein GAN을 제시합니다. 학습된 실제 데이터 대 생성 데이터 판별기 대신 경로의 순차적 움직임을 수학적으로 요약하는 경로 시그니처의 기댓값을 기반으로 한 거리를 사용합니다. 신경망 생성기는 노이즈에서 경로를 만들고, 증강된 경로를 절단 시그니처로 변환한 뒤 시그니처 수준별로 정규화하여 실제 데이터의 시그니처 기댓값과 일치하도록 학습합니다. 예제는 단일 자산의 S&P 500 로그 수익률…

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 노트북은 Yahoo Finance, 장기 미국 주식 아카이브, FRED 거시경제 시계열에 공통 OHLCV 인터페이스를 적용합니다. 후속 로테이션 사례 연구에 사용할 ETF 유니버스를 만들고, 과거 데이터와 현재 출처를 결합하는 방법 및 우선순위 기반 대체 방식을 설명합니다. 제공자별 행 수와 가격 수준도 비교해 차이를 드러내고 추적할 수 있게 합니다. 핵심은 차이의 형태와 출처에 따라 이를 해석하는 것입니다. 일별로 작은 차이는 반올림 때문일 수 있고,…

이 노트북은 주식, ETF, 선물, 외환, 암호화폐 무기한 선물 전반의 거래 비용을 측정하는 단위 인식 프레임워크를 개발합니다. 먼저 거래량과 달러 거래대금으로 환산할 수 없는 활동 지표를 구분하고, 거래 내역으로 환산 근거를 확인할 때까지 각 거래소의 수수료 분모를 유지합니다. 수수료, 스프레드, 시장 충격, 주식 차입료를 나누고, 주어진 회전율에서 전략이 달성해야 하는 연간 총수익률과 거래당 비용을 연결합니다. 노트북은 일별 시장 데이터와 공개된 수수료…

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 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 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.…