Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 1,616개
이 노트북은 대량 청산 일정을 계획하는 Almgren–Chriss 프레임워크를 소개합니다. 도착 가격을 기준으로 실행 부족분을 측정하고 두 가지 상충하는 비용을 모형화합니다. 거래 강도가 높아지면 시장 충격이 커지고, 미매도 포지션이 가격 변동에 노출된 채 남아 있는 동안 타이밍 위험이 커집니다. 위험 회피 매개변수로 거래 경로를 정하며, 비용과 위험 간 상충관계를 모으면 효율적 프런티어가 형성됩니다. 청산 반감기로 경로를 해석하고 영구적 시장 충격과 일시적…
이 사례 연구는 통화쌍의 상대 순위를 매기고 순위에 따라 매수하거나 매도하는 횡단면 외환 전략의 미래 수익률 레이블을 구성하는 방법을 설명합니다. 먼저 뉴욕장 마감 관례에 따라 4시간 현물 봉을 거래 세션에 배정한 다음 각 통화쌍의 한 세션 및 더 긴 기간 수익률을 측정합니다. 완전한 미래 구간인지, 동일한 상품이 계속 유지되는지, 수익률이 실수로 다른 상품까지 걸쳐 계산되지 않는지를 점검합니다. 진단에는 홀드아웃 시작 전에 결과 구간이 끝나는 사례만…
이 기록은 연방준비제도가 2026에 목표 금리를 올릴지에 관한 LangGraph 예측 실행 한 건을 담고 있습니다. 세 에이전트가 확률을 제시한 뒤 토론과 감독자 업데이트가 이어졌습니다. 기록된 결과에는 종합 확률, 토론 중간값, 감독자가 수정한 추정치와 인플레이션, 경제 전망, 정책 기대에 관한 검색어 및 발췌문이 포함됩니다. 에이전트들은 인플레이션 전망, 지정학적 갈등의 영향, 연준의 예상 대응을 두고 의견이 달랐습니다. 이 기록은 멀티에이전트 워크플로가…
이 노트북은 관측된 교란 요인을 조정한 뒤에도 내재변동성에서 실현변동성을 뺀 스프레드와 미래 주식 수익률의 연관성이 유지되는지 이중 머신러닝으로 검정합니다. 동일한 교차적합 관측치에서 조정 추정치와 단순 보통최소제곱을 비교하고, 개체 내 블록 순열 위약 검정을 사용합니다. 시간 통제 변수는 결과 기간, 처치 변수의 롤링 구성, 폴드 엠바고, 관측치 간 의존성을 반영합니다. 최종 홀드아웃까지 이어질 수 있는 결과는 분석에서 제외합니다. 결과는 개발 기간 중…
이 노트북은 근거를 검색하고 이진 질문에 대한 구조화된 확률을 반환하는 연구 에이전트를 구성합니다. 행동 파싱 및 검증, 턴 예산, 근거와 실행 세부사항을 기록하는 저장된 예측 아티팩트를 설명합니다. 유효하지 않은 응답은 수정 요청을 받고, 턴을 모두 썼지만 예측을 내놓지 않은 에이전트는 확률을 제시한 에이전트와 구분됩니다. 모형이 예측과 근거를 제공하고, 코드는 감정, 신뢰도, 근거 유형, 핵심 발견 사항 같은 필드를 산출합니다. 이 지표는 휴리스틱에…
이 노트북은 PCA을 입력 특성 없이 잠재 요인을 사용하는 기준선으로 삼아 ETF 수익률을 예측하는 방법을 설명합니다. 각 펀드의 로딩과 추정된 요인 프리미엄을 사용해 각 레이블의 학습 구간 수익률 행렬을 분해하고 예측치를 구성합니다. 같은 펀드가 구간 내내 열로 유지되므로 이 방법은 고정된 ETF 유니버스에 적합하며, 개체의 정체성이 시간에 따라 바뀌는 경우에는 적절하지 않습니다. 노트북은 이 접근법을 입력 특성 기반 모델과 비교하고 워크포워드 학습 및…
이 노트북은 Interactive Brokers를 실시간 데이터 소스이자 주문 실행 플랫폼으로 사용해 일간 FX 통화쌍 모델을 배포하는 절차를 살펴봅니다. 과거 패널로 릿지 회귀 모델을 학습하고 일간 수익률, 모멘텀, 변동성, 가격에서 도출한 특성을 간결하게 계산한 뒤 최근 봉 데이터를 가져옵니다. 통화쌍 유니버스의 점수를 매겨 예측 수익률이 가장 높은 통화쌍으로 구성한 바스켓을 계획하고, 모델 아티팩트와 모니터링 및 감사를 위한 실행 기록도 저장합니다.…
이 노트북은 CME 선물 패널을 대상으로 신경망 확률할인요인 모형을 제시합니다. 이 모형은 상품 수익률과 캐리, 모멘텀, 변동성 같은 관측 가능한 특성을 함께 사용해 잠재 요인을 구성하고, 미리 정한 미래 수익률 기간에 대한 예측을 생성합니다. 수익률만 사용하는 PCA와 이 접근법을 비교해 특성이 수익률 공분산을 넘어 추가 가격 정보를 제공하는지 검토할 수 있는 방법을 설명합니다. 표현은 각 학습 폴드 안에서 적합하고 검증 데이터는 재적합 없이 변환하며,…
이 유틸리티는 공개 SEC 10-Q, 10-K, 8-K 공시를 수집해 후속 연구에 사용할 공통 표 형식 데이터셋으로 변환하는 절차를 설명합니다. 공시 양식별로 텍스트를 추출합니다. 분기 보고서에서는 경영진 논의 섹션을 가져오고, 연차 보고서에서는 공급업체 관련 텍스트를 우선하되 대체 발췌문을 사용하며, 현재 보고서에서는 도입부 발췌문을 보존합니다. 레코드에는 식별자, 공시일과 기간 날짜, 추출 텍스트, 텍스트 길이가 포함되어 기업 공시를 시장 데이터와 맞춰…
이 노트북은 단일 자산의 가격 이력 외 데이터를 활용해 특성을 만드는 방법을 설명합니다. 동시점의 근월물 및 원월물 선물 가격으로 연율화 선물 롤 수익률을 계산하고, 세 가지 만기를 사용해 정규화된 커브 기울기와 버터플라이 곡률을 산출합니다. 롤링 베타, 선후행 관계, 상대가치, 등가격 내재변동성, 리스크 리버설, 내재변동성 기간 기울기, 분산 리스크 프리미엄 같은 옵션 지표도 소개합니다. 예시에서는 선물, ETF, S&P 500 옵션 데이터를 시각화하고…
이 모듈은 멀티 에이전트 예측 파이프라인의 두 구성 요소를 설명합니다. 토론 에이전트는 강세와 약세 논거를 번갈아 제시하며 각 입장이 상대 주장을 다루고 근거와 함께 확률 추정치를 내도록 합니다. 각 라운드를 기록하고 최대 라운드 수를 지키면서 두 추정치가 설정된 합의 범위 안에 들면 일찍 종료할 수 있습니다. 감독 에이전트는 먼저 의견 불일치, 모호성, 누락된 기저율, 검증이 필요한 주장을 찾아 검색어를 제안합니다. 날짜가 포함된 검색 결과를 모으고 그…
이 노트북은 멀티애셋 ETF 유니버스에서 롱온리 포트폴리오 배분 6가지를 비교합니다. 최적화를 불안정하게 만들 수 있는 표본 변동을 줄이기 위해 Ledoit–Wolf 공분산 축소를 사용하고, 샤프 비율 최대화, 분산 최소화, 리스크 패리티, 계층적 리스크 패리티, 조건부 드로다운 위험 최소화, 동일 비중을 비교합니다. 기법마다 필요한 추정치가 다릅니다. 일부는 기대수익률과 공분산을 사용하고 위험만을 기준으로 하는 목적 함수는 기대수익률 예측을 제외합니다.…
이 노트북은 사전에 인과 그래프를 지정하지 않고 PCMCI로 ETF와 변동성 수익률 간 지연 관계를 탐색하는 방법을 보여줍니다. 패널 기반 조건부 독립성 검정을 쌍별 Granger 검정과 비교합니다. Granger 검정은 대상 변수 자체의 과거 이력을 고려하지만 다른 변수에 조건을 걸지는 않습니다. 최대 시차는 거래일 기준 5일로 미리 설정합니다. 자기상관 그래프는 각 시계열의 지속성을 설명하지만 어떤 시계열 간 지연을 검정할지 결정하지는 않습니다.…
이 설정은 주가지수, 국채, 에너지, 금속, 통화, 농산물, 축산물을 아우르는 주간 선물 연구 유니버스를 정의합니다. 금요일 결제를 의사결정 기준 시점으로, 월요일 시가를 실행 시점으로 설정합니다. 전략 틀은 캐리 또는 모멘텀으로 상품 순위를 매기고 동일 위험 또는 명목금액 기준 포지션 규모를 사용하는 롱숏 포지션을 지원합니다. 비용 가정은 상품 유동성에 따라 달라지며 수수료, 스프레드, 롤 슬리피지를 포함합니다. 설정에는 모멘텀, 변동성, 캐리, 추세 및…
이 실험은 선택한 월간 US 주식 롱숏 신호가 소형주에 얼마나 의존하는지 살펴봅니다. 시차를 둔 시가총액 필터를 적용해 검증 예측에서 가장 작은 사분위 종목을 제거한 다음, 모델을 재학습하지 않고 동일한 포트폴리오 구성과 비용 가정으로 다시 실행합니다. 필터 적용 유니버스에는 자산이 더 적지만 회전율은 전체 유니버스 결과와 비슷하게 유지됩니다. 보고된 샤프 비율은 4.27에서 2.24로, 정보계수는 0.074에서 0.048로 하락하고 최대 드로다운은 약…
이 노트북은 PatchTST가 고정 길이의 연속 시장 특성 패치로 NASDAQ-100 레이블을 예측하는 방법을 설명합니다. 어텐션은 매분 관측치에 적용할 때보다 시퀀스 길이를 줄이면서 한 시간의 후행 구간에 있는 패치 간 관계를 학습합니다. 워크포워드 폴드에서 여러 예측 기간의 회귀 목표를 적합하며, 현재 시퀀스 실행기에서 분류 목표를 제외한 이유도 설명합니다. 워크플로는 적합 전에 데이터 적격성과 폴드 경계를 확정하고, 중첩 결과를 줄이도록 각 레이블…
이 문서는 선형 및 그래디언트 부스팅 모델과 동일하게 가공된 특성 행과 워크포워드 폴드를 사용하는 CME 선물 TabM 실험을 설명합니다. TabM은 앙상블 구성원 간 대부분의 가중치를 공유해 여러 신경망 평균화의 분산 감소 효과 일부를 전체 계산 비용 없이 얻습니다. 설정마다 모델 용량이 달라지며, 선언한 모든 학습 체크포인트는 이후 검증 백테스트와 샤프 비율 기반 선택을 위해 공개됩니다. 이 비교는 특성 열, 레이블, 폴드 계약을 일관되게 유지하면서…
문서는 장중 특성으로 NASDAQ-100 주식 수익률을 예측하는 최소 시퀀스 모델 NLinear를 소개합니다. 고정된 후행 윈도우에서 최신 관측값을 빼 모델이 수준값 대신 변화량을 사용하게 하고, 결과 특성을 단일 선형 계층에 통과시킵니다. 이 설정은 시퀀스 윈도우 접근에서 비롯된 개선과 더 복잡한 아키텍처에서 비롯된 개선을 구분하는 데 도움이 됩니다. 목표에는 여러 선행 수익률 기간이 포함되며, 전략과 관련된 목표는 15분 앞입니다. 학습은 워크포워드…
이 자료는 별도의 2021 홀드아웃 예측을 사용해 검증 데이터에서 선택한 전략을 평가하는 방법을 설명합니다. 선택한 배분, 집중도, 위험 통제, 거래 일정, 비용은 고정하고 전략에 입력되는 예측만 바꿉니다. 홀드아웃 예측 집합은 학습 명세를 통해 선택한 모델 설정에 연결되어 평가가 의도한 절차를 따르도록 돕습니다. 설명에서는 홀드아웃 결과를 검증 수치와 비교하면서 검증 성과가 탐색에서 나왔기 때문에 낙관적이라는 점을 유의합니다. 단일 홀드아웃 연도는…
문서는 SEC 8-K 공시를 구조화된 기업 이벤트로 변환하는 파이프라인을 설명합니다. 언어 모델이 이벤트 관계를 추출하고 명시적인 스키마 검사로 개체명, 관계 유형, 범주, 날짜를 검증합니다. 결정론적 정규화로 개체 형식을 바로잡으며, 지원되지 않는 값이 포함된 레코드는 검토를 위해 미해결 상태로 둡니다. 공시 항목 번호를 맥락으로 전달하고 여러 항목을 보존하며, 누락된 항목은 추론하지 않고 누락으로 표시합니다. 워크플로는 추적 가능성과 시간적 무결성을…
이 모듈은 날짜 구간과 적합값은 그대로 둔 채 라이브러리가 워크포워드 폴드 번호를 변경한 뒤 레지스트리를 마이그레이션하는 방법을 설명합니다. 학습 명세, 예측 키, 입력 지문, 모델 매개변수, 산출물, 후속 해시에 폴드 식별자가 포함되어 있으므로 레이블을 바꾸려면 관련 식별자와 참조의 연결된 흐름을 갱신해야 합니다. 마이그레이션은 저장된 구간 경계로부터 순열을 도출한 다음 식별자에 포함되는 다이제스트를 다시 계산하고, 쓰기 전에 파생 값을 저장된 결과와…
이 노트북은 실제 전략 감사에서 LEAN 엔진과 이에 맞춘 ML4T Backtest 프로필의 결과를 비교합니다. 고정된 입력이 지원하는 자산군 작업을 식별하고 체결, 평가액, 평가 시점, 주식 자산곡선의 공백, 최종 가치 전반의 동등성 근거를 보고합니다. CME 선물 작업은 이용 가능한 연속 근월물 가격에 네이티브 LEAN 구독에 필요한 날짜별 계약 체인과 롤 매핑이 없어 제외됩니다. 입력 로딩, 추론, 목표 구성, 준비, 보고를 제외하고 엔진 호출 전후를…
이 노트북은 검증 폴드에서 설정을 선택한 뒤 US 주식 사례 연구의 홀드아웃 구간을 예측하는 과정을 설명합니다. 선택한 설정을 확정하고 체크포인트 선택을 유지하며, 홀드아웃 시작 전에 이용 가능한 데이터로 새 학습 명세를 구성합니다. 레이블 버퍼는 학습 결과가 평가 구간까지 이어지지 않게 하고, 재적합 때 폴드별 적격성과 매개변수를 다시 계산합니다. 노트북은 결과 예측 집합을 등록하고 학습 식별자와 적용 범위가 선언된 구간에 맞는지 확인합니다. 또한 서로…
이 노트북은 은닉 마르코프 모델이 수익률과 최근 변동성으로 관측되지 않은 시장 상태를 추론하는 방법을 설명합니다. 먼저 스트레스는 변동성 지수 임계값으로, 추세는 장기 이동평균 대비 가격으로 판단하는 간단한 비교 규칙을 설정합니다. 두 상태 예시는 현재 세션까지 이용 가능한 관측치로 상태 확률을 갱신하는 전방 알고리즘을 보여줍니다. 노트북은 전체 관측 시퀀스를 사용하는 평활 확률과 필터링 확률을 구분하고, 추론이 필터링 방식이어도 전체 표본으로 추정한 모델…