지식 라이브러리

이 연구는 레벨 3 호가창 데이터에서 가격 변동성과 기대 수익률을 예측하는 통계물리학 기반 방법을 제안합니다. 주문을 물리 시스템의 요소로 보고, 운동 에너지와 운동량을 닮은 지표로 호가창 상태를 나타냅니다. 최우선 매수·매도 호가 너머의 시장 미시구조를 포착하는 것을 목표로 합니다. 핵심 특징인 ‘유효 깊이’는 가격 동학과 관련된 것으로 여겨지는 호가창 수준을 계산 효율적으로 식별하는 방법입니다. 저자들은 실증 비교에서 이 모형이 전통적인 기준 모형과…

이 문서는 네트워크 모멘텀을 위한 머신러닝 프레임워크인 L2GMOM을 제시합니다. 네트워크 모멘텀은 자산 간 관계를 활용해 미래 수익률을 예측합니다. 제안된 프레임워크는 먼저 네트워크를 구성하고 별도 단계에서 포트폴리오를 최적화하는 대신, 금융 네트워크와 트레이딩 신호를 함께 학습합니다. 신경망 구조는 알고리즘 언롤링에서 도출됐으며 해석 가능하다고 설명합니다. 음의 샤프 비율을 포함해 다양한 포트폴리오 성과 목적함수를 사용할 수 있습니다. 64개의 연속 선물…

이 논문은 집중 유동성을 갖춘 일정 곱 자동화 마켓 메이커의 모형과 전략을 개발합니다. 대량 주문과 통계적 차익거래를 포함한 유동성 수취자와 하나 이상의 풀에서 포지션을 관리하는 유동성 공급자를 모두 다룹니다. Uniswap v3 데이터 등을 바탕으로 가격, 유동성, 거래 비용, 공동 움직임, 선행·지연 효과, 거래소 간 파급 효과와 인과성을 분석합니다. 유동성 수취자에 대해서는 경쟁 거래소의 가격을 신호로 사용하고 함께 움직이는 암호화폐 바스켓을 거래하는…

이 논문은 베이지안 공적분 벡터 자기회귀를 위한 적응형 행렬 변량 마르코프 연쇄 몬테카를로 방법을 개발합니다. 격자형 깁스 샘플링을 자동 적응형 메트로폴리스 접근법으로 대체해, 상관된 매개변수 블록이 있는 고차원 시스템에서도 사후 추정을 실용적으로 수행할 수 있도록 합니다. 모형의 공적분 순위도 미지수로 두어, 베이지안 사후분포와 베이즈 요인 분석을 통해 순위와 모형 매개변수를 함께 추론합니다. 저자들은 사후 매개변수 차원이 310에 이르는 10변수 모형으로…

이 논문은 주문 규모, 투자 기간, 위험 선호가 서로 다른 여러 고객이 같은 자산을 원할 때 트레이딩 데스크가 주문을 어떻게 집행해야 하는지 다룹니다. 먼저 체결된 주문이 가격을 움직일 수 있으므로 총 거래 수익을 최적화하면 나중에 체결되는 고객이 불리해질 수 있습니다. 제안된 프레임워크는 다중 에이전트 강화학습을 사용해 고객별 전략을 개발하면서 고객 집단 전체의 성과 균형을 맞춥니다. 일반화된 지니 지수는 고객별 수익을 종합하고 수익 최적화와 함께 공정성…

이 연구는 과거 가격 정보 외의 정보가 비트코인-달러 변동성 예측에 도움이 되는지 살펴봅니다. 제안된 CoMForE 시스템은 과거 거래 데이터에 관련 트윗의 감성, 대중의 관심을 나타내는 검색량 지표, 블록체인 해시레이트 데이터를 결합합니다. AdaBoost–LSTM 앙상블을 사용하며 암호화폐 가치 분포의 변화도 예측하려 합니다. 이를 투자 결정에 활용할 가능성도 제시합니다. 문서는 이 데이터 원천을 결합했을 때 거래 데이터만 사용한 경우보다 성능이 좋았던…

이 연구는 행위자들이 과거 가격에 대한 제한된 기억을 바탕으로 거래를 선택하는 다중 행위자 인공 주식 시장을 설명합니다. 자기학습 과정을 통해 트레이딩 전략이 변하며, 이 모형으로 참여자 수가 늘어날 때 시장 거동이 어떻게 바뀌는지 살펴봅니다. 시뮬레이션에서는 정규 과정에 비해 큰 가격 변동이 자주 나타납니다. 수익률 분포의 중심부는 레비형을 띠고 꼬리에서는 대략 지수적으로 잘립니다. 저자들은 시스템 복잡도 지표도 정의하고 행위자 수가 늘면서 단순한 국면에서…

이 논문은 복잡한 관계를 근사하는 저렴한 AI 시스템이 트레이딩 전략이 정보를 가격에 반영하는 방식을 어떻게 바꿀 수 있는지 살펴봅니다. 투자자의 믿음과 모형 및 최적화된 전략의 복잡성을 활용해 효율성 수준을 구분하고, 균형 가격 과정을 통해 시장 효율성을 다룹니다. 저자들은 더 뛰어난 근사기를 폭넓게 이용할 수 있게 되면 덜 효과적인 모형을 사용하는 트레이더가 수익 기회를 활용하기 어려워질 수 있다고 설명합니다. 또한 상호작용하는 참여자가 있는 적응형…

이 제안 시스템은 대형주 간 변동성 관계를 이용해 추세 신호를 생성합니다. 먼저 상관관계 및 자기상관 분석, 기술 지표, 가설 검정, 통계 모형, 변수 선택으로 가격 데이터를 살펴봅니다. 이어서 NYSE와 NasdaqGS의 대형주 9개 종목의 평균 변동성을 k-means++로 군집화하고, 그 결과로 나온 중간 변동성 군집에 초점을 맞춥니다. 이 군집에서 Granger 인과성 검정을 사용해 변동성이 다른 종목을 예측하는 데 도움이 될 수 있는 종목을 찾습니다.…

이 문서는 능동적 고빈도 주식 트레이딩을 위한 종단 간 심층 강화학습 접근법을 설명합니다. 에이전트는 서로 다른 지정가 주문장 특성 집합으로 구성한 상태를 바탕으로 근접 정책 최적화를 사용해 Intel 주식 1주를 거래합니다. 신호 대 잡음비를 높이기 위해 큰 가격 변동이 발생한 학습 데이터를 선택합니다. 연속된 한 달은 검증에, 그다음 별도의 한 달은 테스트에 사용합니다. 순차적 모형 기반 최적화로 하이퍼파라미터를 조정합니다. 저자들은 에이전트가 주문장에서…

이 문서는 기술 지표를 사용해 주식 트레이딩 의사결정을 내리도록 설계된 강화학습 에이전트 QTMRL을 소개합니다. 입력 데이터셋은 여러 업종을 대표하는 S&P 500 종목의 일별 가격 및 거래량 데이터와 추세, 변동성, 모멘텀을 포착하도록 설계된 특성을 결합합니다. 어드밴티지 액터 크리틱 프레임워크가 데이터 처리, 정책 학습, 트레이딩 행동을 연결해 시장 상황 변화에 따라 의사결정을 조정하는 것을 목표로 합니다. 논문은 서로 다른 시장 국면에서 통계,…

이 연구는 장단기 메모리(LSTM) 가격 모형과 근접 정책 최적화(PPO)를 결합한 자동화 고빈도 비트코인 트레이딩 프레임워크를 제안합니다. 가격은 에이전트의 상태, 거래는 행동, 수익률은 보상으로 나타냅니다. 가격 예측 요소로 서포트 벡터 머신, 다층 퍼셉트론, LSTM, 시간 합성곱 네트워크, 트랜스포머를 비교했으며, 보고된 실험에서는 LSTM이 더 나은 결과를 보였습니다. 저자들은 동기화된 데이터를 사용해 시뮬레이션 환경에서 결과로 나온 PPO 전략을…

이 글은 가우시안 프로세스(GP)와 베이지안 최적화를 소개하고, GP 회귀가 베이지안 머신러닝을 뒷받침하는 방식과 하이퍼파라미터를 선택하는 방법을 설명합니다. 베이지안 최적화는 특히 매개변수 수가 적을 때 미분값 없이 블랙박스 함수의 최적점을 찾기 위해 확률 모형을 사용합니다. 금융 분야의 두 가지 적용 사례를 설명합니다. 하나는 금리 기간 구조를 적합하는 것으로, GP 예측을 랜덤워크 모형과 비교합니다. 다른 하나는 추세 및 공분산 윈도우를 온라인으로…

이 연구는 시장 텍스트를 따라야 할 때와 반대로 대응해야 할 때를 묻습니다. 기관의 발언(Say), 언론의 반복(Echo), 드러난 기관 포지션(Do)을 구분합니다. 선형 이차 모형은 일부 정보를 믿는 대중보다 먼저 발언하고 거래할 수 있는 정보 보유 기관을 설명합니다. 또한 시점과 임베딩 유사도로 반복 보도된 기사를 식별하고, 텍스트 임베딩을 이후 수익률과 정렬하며, 가격 경로에서 누가 먼저 움직였는지 추론하는 도구를 개발합니다. 이 모델은 기관이 자산…

이 논문은 DNN-선행 테스트라는 전략 선택 절차를 제안합니다. 과거 가격에 대한 결과만으로 트레이딩 전략을 고르는 대신, 심층 피드포워드 신경망으로 가능한 미래 가격 경로를 먼저 예측하고 예측값에 기술적 지표를 적용합니다. 선택된 지표는 실제 미래 시장에서의 거래를 안내합니다. 설명된 절차에는 10개 증권의 탐색적 분석, k-means 기반 변동성 절차, 변동성 계수가 같은 제한된 자산 집합을 사용한 훈련이 포함됩니다. 이를 통해 향후 30일 가격을…

이 연구는 웨이블릿 계수로 구성한 표현을 통해 주가 급등락을 분석하는 비지도 방법을 소개합니다. 시스템 내부 동역학과 관련된 급등락 패턴을 외부 충격과 연관된 패턴과 구분하는 것이 목표입니다. 분석에서는 변동성의 시간 비대칭성을 두드러진 특징으로 확인하고, 평균 회귀와 추세가 급등락의 추가 분류를 정의하는 데 도움이 된다고 봅니다. 웨이블릿 표현은 여러 주식이 같은 분 안에 급등락하는 동시 급등락을 연구하는 데도 사용됩니다. 저자들은 이러한 이벤트의 상당…

이 논문은 심층 학습과 시계열 모멘텀에 사용되는 변동성 스케일링 프레임워크를 결합한 딥 모멘텀 네트워크를 제시합니다. 신경망은 추세 추정치와 포지션 크기를 함께 학습하며, 신호의 샤프 비율을 최적화하도록 매개변수를 훈련합니다. 이에 따라 두 요소를 따로 수작업으로 지정할 필요가 없습니다. 연속 선물 계약 88개를 대상으로 한 백테스트에서 LSTM 기반 버전은 거래 비용 차감 전 전통적 방법의 샤프 비율을 두 배 넘게 기록했고, 비용이 2~3 베이시스포인트까지…

이 연구는 암호화폐 소셜 미디어 논의의 시점과 주제가 이후의 가격 움직임과 관련이 있는지 살펴봅니다. 소셜 미디어 커뮤니티의 대화에 동적 토픽 모델링을 적용한 뒤, 호크스 모형으로 주제의 출현과 암호화폐 가격 사이의 상호작용을 분석합니다. 특정 수익률 패턴보다 먼저 나타날 수 있는 주제를 찾는 것이 이 접근법의 목표입니다. 보고된 연관성에는 위험과 투자에 관한 논의가 트레이딩 논의와 비교해 가격 하락에 앞서 나타난 점, 큰 가격 변동에 관한 이야기가 변동성에…

이 논문은 옵션에서 통계적 차익거래 기회를 찾고 매매하는 2단계 방법을 제안합니다. 먼저 합성 채권을 이용해 순수 차익거래를 분리하도록 예측 대상을 정의한 다음, 트리 구조를 통합한 그래프 학습 구조인 RNConv로 해당 대상을 예측합니다. 여러 특성이 표 형태이고 이런 데이터에서 트리 기반 방법의 성능이 높다고 보고된 점이 접근의 동기입니다. 두 번째 단계에서는 예측값을 SLSA이라 부르는 합성 매수 포지션으로 변환합니다. 논문의 차익거래 부재 가정 아래…

이 연구는 페어 주식 간 통계적 차익거래를 위한 모델 비의존 강화학습 프레임워크를 제시합니다. 먼저 스프레드가 평균회귀하는 데 걸리는 시간을 경험적으로 측정하고, 그 값을 최소화하는 자산 계수를 선택해 평균회귀 스프레드를 구성합니다. 고정된 모델 가정에 의존하는 대신 관측된 회귀 시간 기준을 사용합니다. 매매 단계에서는 강화학습으로 평균회귀 전략을 선택합니다. 상태에는 장기 평균에서 스프레드가 얼마나 떨어져 있는지만이 아니라 최근 가격 움직임의 추세도…

이 문서는 CREDIT을 설명합니다. 양방향 게이트 순환 유닛과 시간 어텐션을 사용하는 페어 트레이딩 강화학습 접근법입니다. 이 구조는 두 자산 가격 움직임의 시간에 따른 관계를 포착하도록 설계됐으며, 시장 상태를 개별적으로 볼 때 놓칠 수 있는 패턴도 다룹니다. 또한 거래 수익과 위험을 모두 반영하는 보상을 사용해 잠재적인 이익과 손실이 큰 거래를 억제하려 합니다. 저자들은 이 방법이 기존 강화학습 접근법의 잦은 거래, 거래 비용, 위험 감수 문제에…

이 연구는 지정가 주문장으로 매도한 뒤 종가 경매에서 부호가 있는 일정에 따라 잔여 재고를 조정하는 트레이더를 살펴봅니다. 두 단계는 경매 청산 가격 예측과 경매 중 피드백으로 연결됩니다. 저자들은 시뮬레이션 시장에서 심층 Q 네트워크와 투영된 DDPG, TD3, SAC 강화학습 정책을 비교하며, 합성 rough Heston 가격과 과거 중간가격 경로를 사용합니다. 정책은 재고 페널티를 반영한 실행 부족분을 기준으로 선택하고 평가하며, 평가 과정은 가중 훈련…

이 논문은 시장 이상 현상을 반영해 중기 주가를 예측하려는 딥러닝 모형인 Mid-LSTM을 제안한다. 설계에서는 시장 추세를 숨은 상태로 나타낸다. 설명된 접근법은 먼저 숨은 상태와 CAPM를 포함한 중기 ARMA 모형을 만들고, 이어 LSTM, 은닉 마르코프 모형, 선형 회귀 네트워크를 결합한다. 누적 예측 오차를 줄이고 주가와 관련된 요인을 설명하는 것이 목표다. S&P 500 주식을 대상으로 한 실험에서 예측 정확도가 2~4% 개선됐다고 보고한다.…

이 논문은 US 주식 포트폴리오 선택을 위한 딥러닝 접근법을 설명한다. 잔차 전환 네트워크는 한 모듈로 시장 상황을 파악하고 다른 모듈로 모멘텀과 반전을 예측한다. 국면이 바뀌면 두 신호 유형 사이를 전환한다. 이 구조는 잡음이 많은 금융 데이터의 과적합을 억제하기 위한 잔차 네트워크와 적층 블록, 예측을 강화하기 위한 어텐션 메커니즘을 결합한다. 2008부터 2017 상반기까지의 기간에 제안 전략은 연평균 샤프 비율 2.22를 기록했다고 저자들은 보고한다.…