Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 1,616개
이 노트북은 일별 주식과 시간별 암호화폐 무기한 선물의 수집, 검증, 출처 표시, 저장을 아우르는 종단 간 파이프라인을 구성합니다. 주식 예시는 과거 WikiPrices 데이터와 더 최근의 Yahoo 피드를 결합합니다. 공급자마다 주식 분할 조정 이력이 달라 두 피드가 겹치는 날짜에서 가격 재조정 계수를 추정하고, 과거 OHLC 가격에 적용하며 거래량은 역으로 조정한 뒤 겹치지 않는 기간을 결합합니다. 타임스탬프 처리도 표준화하고 감사를 위해 행마다 공급자를…
이 노트북은 모멘텀 신호의 겉보기 품질이 합리적인 연구 선택에도 유지되는지 확인하는 틀을 제시합니다. 지정된 홀드아웃 기간 이전의 실제 ETF 데이터로 과거 관측 기간 매개변수를 한 번에 하나씩 바꾸고, HAC 보정 통계량으로 횡단면 정보계수를 측정합니다. 관측된 최고 매개변수를 목표로 삼는 대신, 성과가 정점에 가까운 설정의 폭으로 매개변수 견고성을 정의해 넓은 평탄 구간과 좁은 최적점을 구분합니다. 추가 검사는 레짐별 조건부 IC, 신호의 대안 구현,…
이 노트북은 거래 시간 동안 대규모 주식 주문을 여러 하위 주문으로 나누는 두 가지 방법을 비교합니다. TWAP는 각 구간에 대략 같은 수량을 주문하며 시장 예측이 필요하지 않습니다. VWAP는 추정한 장중 거래량 프로필에 따라 주식 수를 배분해 보통 유동성이 더 큰 시간대에 더 많이 거래하려 합니다. 앞선 세션의 분봉 데이터로 프로필을 추정한 다음 이후 NASDAQ-100 세션에서 두 일정을 평가하고, 체결 가격을 각 세션의 실제 거래량 가중 평균 가격과…
이 노트북은 불완전하거나 서로 맞지 않는 평가 표본이 결과를 왜곡하지 않도록 S&P 500 옵션 예측 모델을 비교하는 방법을 설명합니다. 각 모델을 계열, 설정, 체크포인트별로 식별하고, 예측이 등록된 적격성 계약을 충족하는지 확인하며, 모집단이 동일한 교차검증 식별자를 공유하는지도 검증합니다. 시퀀스 모델은 과거 관측 이력이 필요해 더 적은 행을 포함할 수 있습니다. 따라서 적격성 그룹이 다른 모델끼리 비교하면 모델 차이와 표본 차이가 뒤섞입니다. 폴드별로…
이 노트북은 Ridge 회귀와 세 가지 컨포멀 방법인 분할 컨포멀 예측, 컨포멀화 분위수 회귀, 적응형 컨포멀 추론을 사용해 ETF 선행 수익률의 불확실성 구간을 만듭니다. 워크포워드 폴드로 이를 평가하고, 유한 표본 보정 규칙을 설명합니다. 보간된 분위수가 아니라 필요한 순위에 해당하는 보정 점수를 선택합니다. 적응형 컨포멀 추론은 시간에 따라 미포괄률 목표를 갱신하며, 선행 수익률 레이블이 확정될 때까지 피드백을 지연합니다. 분석에서는 전체 커버리지뿐…
이 노트북은 처치 전 통제 변수 여섯 개를 조정한 뒤 무기한 선물 프리미엄 Z 점수가 다음 8시간 수익률과 연관되는지 이중 머신러닝으로 추정합니다. 별도 적합과 처치·국면 상호작용을 사용해 고변동성 국면과 저변동성 국면의 효과를 비교합니다. 데이터는 여러 심볼의 패널로 구성되므로 교차 적합, 엠바고 적용, Driscoll–Kraay 표준 오차 계산 시 각 타임스탬프를 하나의 의사결정 기간으로 취급합니다. 노트북은 시간적 지속성을 유지하면서 심볼별 처치값을…
이 노트북은 특성에 따라 달라지는 팩터 로딩과 잠재 팩터의 곱으로 주식 수익률을 모델링하는 조건부 오토인코더를 설명합니다. 먼저 횡단면 공동 최소제곱 적합으로 특성 관리 포트폴리오 수익률을 추정하고, 이어 신경망을 학습시켜 같은 시점의 수익률을 재구성합니다. 별도의 워크포워드 어댑터는 다음 팩터 값을 예측하고 현재 특성에 적용해 다음 날 주식 수익률을 예측합니다. 워크플로는 가격에서 산출한 특성 다섯 가지와 학습 데이터로 정의한 유동성 주식 유니버스를…
이 데이터 가이드는 주가지수, 금리, 에너지, 금속, 통화, 농산물, 축산물을 아우르는 CME 연속 선물 계약 모음을 설명합니다. 시간별 원천 데이터와 여기서 산출한 일별 빈도, 여러 계약 만기, 상품 설정, 로더를 통한 필터링을 다룹니다. 다운로드 워크플로는 상품과 연도별로 파일을 나누고 비용 추정과 실제 다운로드 없는 실행을 지원합니다. 데이터를 요청하기 전에 공급업체 요금을 확인할 것을 권합니다. 계약은 거래량 기반 롤을 사용합니다. 다음 세션 전에…
이 노트북은 모델이 자산 순위를 정한 뒤 배분 규칙이 ETF 전략에 미치는 영향을 살펴봅니다. 예측 집합과 리밸런싱 달력은 고정하고, 각 비교에서 동일한 상위 K개 바스켓을 선택한 뒤 바스켓 내 가중치만 바꿉니다. 방법에는 동일 가중, 점수 가중, 역변동성, 리스크 패리티, 평균·분산 최적화, 계층적 리스크 패리티가 포함됩니다. 보유 펀드 수에 따라 가중치가 달라질 여지가 달라지므로 바스켓 집중도도 함께 바꿔봅니다. 분석은 배분 방식의 효과가 신호가 선택한…
이 노트북은 거래 비용으로 손실을 보는 모든 봉 단위 NASDAQ-100 전략을 포트폴리오 구성으로 만회할 수 있는지 테스트합니다. 선언된 선택 유니버스에서 기준선 예측을 추린 다음 전체 유니버스에서 배분을 비교합니다. 보유 종목 수를 바꾸고 15분 거래 주기는 고정한 채 동일 가중, 점수 가중, 역변동성 포지션 크기를 비교합니다. 테스트한 모든 배분 방식의 결과가 상당한 손실로 남았다는 결론을 보고하며, 따라서 배분 선택과 집중도보다 회전율 부담이 더…
이 노트북은 동일 가중 신호 단계 기준선에서 검증 예측 설정을 추린 뒤, 같은 예측에 다른 자산 배분 방법을 테스트합니다. 점수 기반 및 적합도 가중치와 역변동성, 리스크 패리티, 평균·분산 최적화, 계층적 리스크 패리티를 비교하고 보유 종목 수를 바꿔봅니다. 검증 샤프 지수로 설정을 추려, 체크포인트가 촘촘한 구성이 후보 목록에서 지나치게 큰 비중을 차지하지 않도록 각 구성에서 전체 구간을 포괄하는 최적 체크포인트를 사용합니다. 이 비교는 각 계보의 동일…
이 장은 백테스트, 모의투자, 실거래 환경에서 실행할 수 있는 전략 로직을 바탕으로 연구에서 실거래 실행까지 이어지는 과정을 설명합니다. 브로커 및 플랫폼 통합, 배포 절차, 데이터와 특성의 일치 여부 점검, 주문 수명 주기 처리, 운영 준비를 다룹니다. 주문 흐름은 상태 기계로 모델링해 부분 체결, 취소, 거부, 중단 후 복구를 명시적으로 처리할 수 있습니다. 리스크 관리에는 주문 및 포지션 한도, 오래된 데이터 확인, 섀도 트레이딩, 대사, 킬 스위치가…
이 장은 금융 데이터를 시장, 펀더멘털, 대체 데이터 출처별로 정리한 뒤 자산군에 따라 가격, 유동성, 관측값의 의미가 어떻게 달라지는지 비교합니다. 타임스탬프, 조정, 식별자, 수정 이력이 데이터셋 정의의 일부이며 연구 결론을 바꿀 수 있다고 강조합니다. 예시로는 생존 편향을 고려한 주가, 기업 활동 조정, 선물 세션 봉과 연속 계약, 옵션 지표, 암호화폐 펀딩 데이터가 포함됩니다. 핵심 부분에서는 시점 기준 정확성, 생존 편향, 기업 활동, 식별자…
이 노트북은 US 주식 패널에서 정렬된 주식 특성 구간으로 수익률을 예측하는 LSTM 모델을 설명합니다. 평면형 표 형식 모델과 달리 LSTM는 세션을 순차적으로 처리하고 각 구간에 걸쳐 은닉 상태를 유지합니다. 학습된 게이트는 새 정보 중 어떤 것을 상태에 넣을지, 기존 정보 중 어떤 것을 버릴지, 다음 단계에 무엇을 전달할지 조절합니다. 설정에는 여러 순환 계층이 쌓이며, 각 구성마다 여러 에포크 체크포인트를 저장합니다. 학습 예제는 같은 종목의 세션이…
이 노트북은 합성 금융 시계열을 생성하는 순환 생성적 적대 신경망인 TimeGAN을 소개합니다. 다섯 가지 모듈이 임베딩과 복원을 학습하고, 다음 잠재 상태를 예측하며, 노이즈에서 시계열을 생성하고, 생성된 시계열과 실제 시계열을 구별합니다. 학습은 표현 학습, 시간적 지도 학습, 공동 적대 학습 순으로 진행됩니다. 예제에서는 US 주식 패널의 일별 로그 수익률을 사용하고, 평가를 위해 데이터의 가장 최근 구간을 홀드아웃합니다. 평가에서는 분포 점검,…
이 문서는 사례 연구 평가 설정에서 워크포워드 검증 분할을 생성하는 공통 방법을 설명합니다. 폴드 구성은 달력을 고려하는 분할기에 맡기고, 패널 행의 정렬을 유지하도록 고유 타임스탬프를 사용하며, 지정된 홀드아웃 경계에서 거꾸로 진행합니다. 학습 및 검증 구간에는 롤링 기간을 사용할 수 있고, 경계를 넘어 이어지는 결과의 누수를 줄이기 위해 레이블 버퍼로 두 구간을 분리합니다. 핵심 설계 선택 중 하나는 버퍼를 세는 방식입니다. 시장 달력과 세션 격자로…
이 노트북은 이벤트 기반 백테스팅 엔진으로 BTC/USDT 무기한 계약 봉에 대한 롱 온리 RSI 평균회귀 규칙을 구현합니다. 장중 관측값을 UTC 일봉으로 집계하고, 단순 롤링 상승·하락 기준으로 RSI를 계산합니다. 지표가 과매도 임계값 아래로 내려가면 진입하고 과매수 임계값 위로 올라가면 청산합니다. 전략은 자본의 명시된 비율을 목표로 하고 수수료와 슬리피지를 모델링합니다. 순차 엔진은 의사결정, 대기 주문, 체결, 포지션, 현금을 명시적으로 표현해…
이 노트북은 1년 동안 두 가지 US 주식 선형 모델 설정에서 나온 실제 검증 예측 오차에 순차 감지기 두 개를 적용합니다. 두 구간 평균 변화 감지기는 오차 크기의 변화를 찾고, 오답 빈도 모니터는 방향 예측이 틀리는 빈도를 추적합니다. 각 감지기는 초기 기간에 보정한 뒤 이후 세션을 모니터링하므로 평가 대상 기간에 맞춰 임계값을 조정하지 않습니다. 경보를 롤링 변동성 기반 시장 혼란 대리 지표와 비교하고, 혼란 구간까지의 부호 있는 거리를 기록해 조기…
이 문서는 TWAP와 VWAP가 거래 세션 동안 대규모 부모 주문을 여러 자식 주문으로 나누는 방법을 설명합니다. TWAP는 각 시간 구간에 동일한 수량을 배정하고, VWAP는 구간별 거래량 예측에 비례해 수량을 배정합니다. 노트북은 과거 분봉 데이터로 거래량을 예측한 다음, 이후 NASDAQ-100 세션에서 두 일정을 테스트합니다. 각 구간의 거래량 가중 가격으로 체결을 시뮬레이션하고, 가용 거래량 중 해당 주문 조각의 비중에 따라 제곱근 시장 충격 비용을…
이 노트북은 ETF의 선행 수익률을 예측하는 지도 오토인코더를 소개합니다. 네트워크는 펀드의 특성 행을 저차원 표현으로 압축하고, 그 표현에서 직접 수익률을 예측합니다. 같은 모델 계열의 조건부 오토인코더와 달리, 수익률이 소수의 공통 팩터에서 생성된다고 가정하지 않습니다. 재구성 손실과 수익률 예측 손실을 함께 학습하므로 목표 레이블을 바꾸면 별도로 적합한 모델이 만들어집니다. 노트북은 예정된 각 학습 체크포인트에서 예측값을 공개하고, 검증 정보계수로…
이 문서는 기존 워크포워드 검증 명세에서 단일 홀드아웃 학습 구간을 도출하는 방법을 설명합니다. 연구 설정에 선언된 홀드아웃 날짜를 가져오고, 검증 폴드 전체에서 가장 이른 학습 시작일을 사용하며, 가장 긴 레이블 버퍼를 포함하는 간격을 남기도록 학습을 충분히 일찍 끝냅니다. 이 버퍼는 학습 결과가 홀드아웃 평가를 위해 남겨둔 기간까지 닿지 않게 합니다. 특성 데이터가 폴드별로 더 좁은 과거 구간에만 존재한다면, 학습 시작일 하한을 두어 해당 특성이 실제로…
이 노트북은 S&P 500 주식의 등가격 숏 스트래들에 대한 선행 수익률 레이블을 만듭니다. 일별 패널에서 명목 30일물 스트래들은 매 세션마다 다른 계약을 나타내므로, 가격 시계열을 단순히 이동하면 상품이 뒤섞입니다. 대신 레이블은 실제 진입한 콜·풋 계약을 추적하고 이후 가격이나 결제 값을 가져와 각 거래에 유효한 진입 및 청산 데이터가 있는지 확인합니다. 또한 만기 보유 수익률을 고정 기간 진단과 구분하며, 여기에는 델타 헤지 변형도 포함됩니다.…
이 노트북은 트레이딩 신호나 공시 같은 이벤트가 시장 기준수익률을 넘어서는 수익률을 예측하는지 테스트하는 방법을 설명합니다. 유동성 높은 ETF의 모멘텀 돌파를 예시로 워크플로를 보여줍니다. 이벤트 전 수익률로 시장 모델을 추정하고, 이벤트 구간의 비정상 수익률을 계산한 뒤, 일별 평균을 신뢰구간 및 유의성 통계와 함께 누적 평균 비정상 수익률(CAAR)로 합산합니다. 중요한 구현 세부 사항은 이벤트 구간이 상대적인 행 오프셋을 사용하도록 자산과 기준지수를…
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.…