지식 라이브러리

EverMine은 연구 에이전트가 장기 알파 발굴 과정에서 재사용 가능한 기술, 도구, 규칙을 축적하며 개선되는지 검증하는 프레임워크입니다. 연구 이력, 현재 요인 포트폴리오, 축적된 역량으로 연구 상태를 표현합니다. 동일한 리소스를 맞춘 실행에서는 고정 역량과 진화 역량을 비교하고, 추가 분기 실험에서는 이력과 포트폴리오 상태를 고정한 채 역량을 교체합니다. 경험에 따른 후보 선택이 포트폴리오 결과에 미치는 영향을 살펴보기 위해 과거 상태를 재생합니다.…

이 연구는 고위험 환경에 적용할 강화학습 포트폴리오 관리자를 제안합니다. 양방향 거래와 대출·차입을 결합하고 손익 보상을 사용해 하방 리스크 관리와 자본 활용을 개선하려 합니다. 구현에는 소프트 액터-크리틱 에이전트와 합성곱 신경망, 멀티헤드 어텐션을 결합합니다. 포트폴리오는 무기한 선물로 거래되는 가상자산으로 구성되며, USDT을 대출과 차입에 사용하고 최근 시장 데이터를 바탕으로 주기적으로 리밸런싱합니다. 모델은 변동성 조건이 서로 다른 두 기간에서…

이 논문은 단기 ETF 매수 결정을 이어가며 장기적으로 자산을 늘리려는 체계적 투자 접근법을 제안합니다. 진화 알고리즘과 딥러닝 모델을 결합해 기존의 일별 정기 투자보다 납입 시점을 개선합니다. 매번 정해진 날에 같은 방식으로 투자하는 대신, 시간에 따라 매수 결정을 조정하는 것이 목표입니다. 저자들은 특정 ETF에서 기존의 일별 정기 투자보다 약 1퍼센트 높은 수익률을 보고합니다. 근거는 모의 백테스트에만 의존하지 않고 소매 증권사 플랫폼을 통해 실행한…

이 문서는 블랙–숄즈 방정식을 시간에 따라 순방향으로 풀어 옵션 가격을 예측하는 실증 방법을 설명합니다. 문제가 잘못 설정되어 있어 정규화를 사용하며, 유일성, 안정성, 수렴에 관한 정리를 제시합니다. 개별 옵션의 과거 데이터를 활용하고, 대규모 옵션 표본과 러셀 2000 지수를 바탕으로 실증 분석을 수행합니다. 저자들은 이 방법을 트레이딩 전략과 결합했을 때 단순 외삽보다 높은 수익을 냈으며, 계산된 최소화해에 머신러닝을 적용해 거래를 걸러내면서 수익성이…

이 문서는 자산 자체의 모멘텀 이력과 다른 자산 대비 모멘텀을 결합한 시공간 모멘텀 전략을 제시합니다. 신경망으로 포트폴리오 전반의 트레이딩 신호를 학습하며, 시계열 모멘텀과 횡단면 모멘텀을 서로 분리된 전략이 아니라 연관된 입력값으로 다룹니다. 백테스트에는 활발히 거래되는 US 주식과 주가지수 선물이 포함됩니다. 단일 완전 연결 계층이 시험한 수준까지 거래 비용이 높아져도 벤치마크보다 우위를 유지한다고 보고합니다. 제시된 비용 시나리오 전반에서는 최소 절대…

이 연구는 간단히 설명할 수 있지만 수학적으로 어려운 환경에서 심층 강화학습이 최적 트레이딩 전략을 찾아낼 수 있는지 테스트합니다. 저자들은 환경과 상호작용하며 행동 선택 정책을 학습하는 심층 결정론적 정책 경사법에 초점을 둡니다. 최적 전략이나 그 근사치를 이미 알고 있는 설정을 골라 학습된 행동과 보상을 기준 해답과 비교할 수 있게 합니다. 보고된 결과에 따르면 에이전트는 알려진 전략의 핵심 특징을 찾아내고 최적에 가까운 보상을 얻습니다. 이는 테스트한…

이 노트는 일정 비중 재조정 전략을 넘어 보편적 포트폴리오 이론을 확장합니다. 최종 성장이 연속된 두 시장 수익률 벡터 각각에 선형으로 의존하는 쌍선형 전략을 다루고, 사후에 선택한 최선의 쌍선형 전략과 비교합니다. Cover의 보편적 포트폴리오 접근법을 응용한 성과 가중 평균법은 어떤 쌍선형 전략이 가장 나은지 미리 알지 못해도 포트폴리오를 구성합니다. 제시된 보장은 점근적입니다. 가능한 모든 시장 시퀀스에서 구성 포트폴리오는 사후 최적 쌍선형 전략과 같은…

AdaptiveTrend는 6시간 간격의 추세 신호와 월별 포트폴리오 조정을 결합한 체계적 암호화폐 전략입니다. 변동성에 따라 조정되는 추적 손절매를 사용하고, 롤링 샤프 비율과 시가총액 필터로 자산을 선택하며, 롱·숏 포지션에 자본을 비대칭적으로 배분합니다. 저자들은 시장의 과거 양의 드리프트를 근거로 롱 편향을 설명하고, 변동성과 자산 성과 변화에 맞춰 익스포저를 조정하는 시스템으로 제시합니다. 문서는 2022년부터 2024년까지 36개월 동안 암호화폐…

CTBench는 지속적인 거래, 높은 변동성, 빠른 레짐 변화가 나타나는 암호화폐 시장을 배경으로 합성 암호화폐 시계열을 평가하는 벤치마크입니다. 452개 토큰의 데이터를 모으고 네 가지 시장 레짐에서 대표 생성 모델 여덟 가지를 평가합니다. 13개 지표는 예측 정확도, 횡단면 순위, 트레이딩 결과, 위험, 계산 비용을 다룹니다. 벤치마크는 두 가지 과제를 사용합니다. 예측 효용 과제는 생성 데이터가 예측에 유용한 패턴을 보존하는지 테스트하고, 통계적…

이 실증 연구는 평균회귀를 활용하도록 설계된 온라인 포트폴리오 전략이 벤치마크 데이터셋을 넘어 좋은 성과를 내는지 평가합니다. 수동적 공격형 평균회귀, 온라인 이동평균 회귀, 거래 비용 최적화의 세 가지 접근법을 살펴봅니다. 연구진은 이러한 전략이 널리 쓰이는 테스트에서 특히 성공적으로 보이는 이유와 더 최근의 시장 데이터에서도 효과가 있는지 조사하기 위해, 2000부터 2017까지 S&P 500 구성 종목의 과거 가격과 기존 벤치마크 데이터셋을 함께…

이 연구는 KM₂O-Langevin 이론을 적용해 주가 변동을 정상, 비정상 또는 중간 상태로 분류합니다. 이 분류에 따라 정상 국면에는 이동평균을, 비정상 국면에는 오실레이터인 심리선을 선택합니다. 저자들은 가격의 통계적 특성 변화에 맞춰 기계적 매매 결정을 조정하는 방법으로 이를 제시합니다. 니케이 평균주가를 대상으로 예시 전략을 백테스트해 최대 드로다운이 작았다고 보고하며, 이 접근을 저위험이라고 설명합니다. 정상성 분석이 트레이딩에 도움이 될 수…

이 문서는 옵션 시장 데이터를 트레이딩 신호로 직접 변환하는 엔드투엔드 머신러닝 접근법을 설명합니다. 시장 동태를 명시하거나 옵션 가격 모형에 의존하는 접근법과 달리, 관측 데이터와 트레이딩 의사결정 간 관계를 모델이 학습합니다. 거래 활동과 비용을 반영하기 위해 회전율 정규화도 포함합니다. 보고된 백테스트는 S&P 100 구성 종목의 주식 옵션을 대상으로 십 년이 넘는 기간을 다룹니다. 저자들은 규칙 기반 전략보다 위험 조정 성과가 높았으며, 거래 비용이…

QuantNet은 여러 주식 시장에 걸쳐 트레이딩 전략을 구축하는 학습 아키텍처입니다. 각 시장은 자체 인코더와 디코더를 갖습니다. 인코더는 해당 시장 데이터를 표현하고, 공유 글로벌 모델은 시장 간 정보를 처리하며, 디코더는 시장별 신호와 글로벌 신호를 결합해 시장별 전략을 만듭니다. 이 설계는 각 시장 모델이 고유한 특성에 맞춰 조정되도록 하면서 전이 가능한 패턴을 포착하려 합니다. 논문은 58개 주식 시장의 자산 3,103개에 대한 과거 데이터로…

DeepUnifiedMom은 여러 시간 범위의 시계열 모멘텀 신호를 결합하는 포트폴리오 구성 프레임워크입니다. 다중 게이트 전문가 혼합 아키텍처와 다중 과제 학습을 사용해 통합 포트폴리오를 구성하며, 더 좁은 시간 범위에 집중하는 전략이 놓칠 수 있는 모멘텀 동향을 포착하려 합니다. 문서는 주가지수, 채권, 외환, 원자재를 대상으로 한 백테스트를 보고하며, 거래 비용 차감 후 프레임워크가 벤치마크 모형보다 높은 성과를 냈다고 합니다. 제공된 설명에는 구체적인…

이 연구는 US 주식의 평균회귀 페어 전략을 개발합니다. 일반적인 페어 트레이딩 관행에 따라 페어를 고르는 대신, 최대우도추정으로 오른슈타인-울렌벡 과정을 따르는 정적 포트폴리오를 구성합니다. 추정된 모형 매개변수로 역추세 신호를 만들고, 여러 검정을 통해 트레이딩 임계값과 표본 내 구간 길이를 선택합니다. 문서는 표본 내 및 표본 외 기간 모두에서 샤프 비율이 1.9을 넘는 유망한 페어 아홉 개를 보고합니다. 예시로 CCI와 HCP, CCI와 Realty…

이 연구 프레임워크는 결정론적 지정가 주문장 시뮬레이터와 다변량 마크드 호크스 과정으로 생성한 확률적 주문 도착을 결합합니다. 선형 및 비선형 호크스 모형이 군집화된 주문 흐름을 표현하는 방식을 설명하고, 두 모형 유형의 안정성과 에르고딕성 결과를 제시합니다. 적합된 이벤트 모형을 평가하기 위한 시간 재조정 및 적합도 진단도 포함합니다. 저자들은 Binance BTCUSDT 및 LOBSTER AAPL 데이터를 사용해 지수형 및 멱법칙 커널을 보정합니다.…

이 연구는 금융 및 블록체인 데이터와 결합한 뉴스·소셜 미디어 텍스트가 비트코인과 이더리움 가격 예측을 개선할 수 있는지 살펴봅니다. 사전 학습 및 미세 조정 언어 모델을 사전 기반 감성 분석 방법과 비교하고, 강세 또는 약세 콘텐츠를 식별하기 위해 BART MNLI 제로샷 분류를 사용합니다. 예측 대상에는 일일 움직임뿐 아니라 국지적 가격 고점과 저점도 포함됩니다. 이는 거래 빈도와 포트폴리오 변동성을 줄이려는 선택입니다. 저자들은 텍스트 특성을 추가하면…

이 문서는 평균회귀 트레이딩 문제에 심층 강화학습을 적용하는 방법을 설명합니다. 여러 접근법 중 하나를 선택하거나 고전적 기초부터 에이전트를 구축해야 하는 실무자도 최근 강화학습 방법을 더 쉽게 활용하도록 하는 것이 목표입니다. 제안된 시연에서는 원래 전략 게임을 위해 개발된 강화학습 라이브러리를 금융 의사결정에 적용합니다. 이 프레임워크는 경제적 근거에 기반한 함수 특성도 반영하며, 수렴하고 높은 성능을 내는 해법을 목표로 합니다. 그러나 문서에는 구체적인…

이 문서는 더 뛰어난 대규모 언어 모델이 때로는 성능이 낮은 모델보다 암호화폐 트레이딩을 덜 효과적으로 수행하는 이유를 살펴봅니다. 더 뛰어난 모델이 주관적 해석보다 사실 정보를 선호하는 점이 원인의 일부라고 설명합니다. 제안된 FS-ReasoningAgent 프레임워크는 추론을 사실 기반과 주관적 요소로 나누어 트레이딩 의사결정에 두 유형의 입력을 모두 활용할 수 있게 합니다. 보고된 실험에서는 BTC, ETH, SOL의 수익이 각각 7%, 2%,…

이 연구는 비트코인 네트워크 내부 데이터와 외부 특성을 여러 머신러닝 모형에 사용해 일별 가격 방향을 예측합니다. 2021년 1분기에 수집한 미관측 데이터를 이용해 트레이딩 전략으로 예측을 평가합니다. 이진 신호는 3개월 테스트 기간에 매수 후 보유와 비슷한 수익률을 낸 것으로 보고됩니다. 이 전략은 예측 신뢰도를 위험 감수 성향 입력값으로도 사용해 모형의 확신 정도에 따라 거래 결정을 조정합니다. 저자들은 이 방식이 해당 기간에 매수 후 보유보다 나은…

이 논문은 다중 에이전트 시장 시뮬레이터가 생성하는 가격 및 거래량 시계열을 과거 시장 상황과 비슷하게 조정하는 방법을 다룹니다. 이러한 시뮬레이터는 전략 테스트에 활용되며, 저자들은 COVID 팬데믹 초기 상황을 포함해 일반적인 시기와 스트레스 국면을 모두 표현해야 한다고 강조합니다. 제안된 접근법은 먼저 자기 주의 GAN 안에서 판별기를 학습시켜 실제 가격·거래량 시계열과 시뮬레이션 시계열을 구분합니다. 그런 다음 에이전트 유형을 알고 있는 시뮬레이터를…

이 논문은 일반 몬테카를로의 분산이 커질 수 있는 두 상황, 즉 만기가 매우 짧거나 행사가가 크게 외가격인 경우에 Heston 확률적 변동성 모형으로 유럽형 콜옵션 가격을 구하는 중요도 샘플링 기법을 개발합니다. 로그 가격의 누적생성함수에 대한 대편차 분석을 이용해, 시뮬레이션에서 드문 가격결정 사건이 발생할 가능성을 높이도록 상태 의존적 측도 변환을 구성합니다. 만기가 짧은 경우, 제안한 드리프트가 추정량의 2차 모멘트의 점근적 감소율을 최소화함을 보여…

이 감사 분석은 레짐 게이트 예측에서 예측 변수를 제거하는 방법을 살펴봅니다. 변수의 시차 입력값을 삭제하는 것은 전체 적합, 필터링, 튜닝 과정에서 해당 변수를 제외하는 것과 같지 않습니다. 그 변수가 추정된 레짐 게이트에도 영향을 줄 수 있기 때문입니다. 연구진은 HML 대 SMB 예측 관계를 재구성하고 네 지역 패널의 30개 요인 방향으로 분석을 확장해, 통합 및 은닉 마르코프 모형 예측을 사용합니다. 또한 공유 게이트 제거 분석과 데이터 원천 전체…

이 연구는 점프가 있는 평균회귀 Ornstein–Uhlenbeck 과정에 따라 스프레드가 움직일 때 페어 트레이딩에 적용하는 몬테카를로 방법을 개발합니다. 무한 활동을 허용하고 고전적 모형보다 유연하게 스프레드 동학을 표현하는 분산 감마 과정을 사용합니다. 일반화된 모형에는 해석적 공식이 없으므로 시뮬레이션으로 최적 트레이딩 수준을 찾습니다. 이 방법은 몬테카를로 분산을 줄이기 위해 제어 변량도 도입합니다. 저자들은 모형 매개변수가 결과 트레이딩 전략에…