지식 라이브러리

이 문서는 거래를 전달하기 전에 주문과 포트폴리오 상태를 확인하는 브로커 래퍼를 시연합니다. 주문별 주식 수와 금액 한도, 포지션 익스포저 제한, 주문 빈도 제한, 자산 허용 및 차단 목록, 비상 정지 기능이 포함됩니다. 가상 브로커로 승인 및 거부된 요청을 확인하고, 각 시나리오에서 예상한 결과가 나오는지 단언문으로 검증합니다. 또한 기초 브로커에 거래를 보내지 않고 가상 포트폴리오에 체결과 원가 기준을 기록하는 섀도 모드를 설명합니다. 정지 상태와 일일…

이 사례 연구는 US 기업 특성으로 구성한 월간 롱숏 십분위 전략을 평가합니다. 시점별 회계 데이터 시차, 워크포워드 검증, 시대별 거래 비용을 반영해 선형 모델, 그래디언트 부스팅, 잠재 요인 접근법을 비교합니다. 검증 결과가 가장 좋은 것으로 보고된 계열은 윈저화한 선행 수익률에 그래디언트 부스팅 모델을 적용한 방식입니다. 지도 학습 오토인코더도 독립형 신호로 신뢰할 만하다고 설명합니다. 연구에서는 여러 폴드에 걸쳐 긍정적인 검증 성과를 보고했으며, 대안…

이 노트북은 임베디드, 서버 기반, 범용, 트레이딩 특화 데이터베이스를 금융 시계열 작업에서 비교합니다. 대량 쓰기, 전체 스캔, 시간 구간 조회, OHLCV 집계, 체결 및 호가 정렬을 다룹니다. 저장 구조와 조회 유형에 따라 성능이 달라지는 것이 핵심입니다. 열 지향 엔진은 패널 스캔을 효율적으로 처리할 수 있고, 특정 백테스트 구간을 조회할 때는 시간순 인덱스나 파티션이 중요합니다. 측정 정책은 각 Python 클라이언트에서 새로 대량 기록을 수행해…

이 분석은 부호가 있는 모델 수익률 예측을 이진 포지션으로 바꾸는 세 가지 방법을 비교합니다. 고정된 0 기준값, 종목별 후행 백분위수, 종목 간 횡단면 백분위수입니다. 조회 기간과 백분위수 임계값을 바꾸며 ETF와 암호화폐 무기한 계약의 등록된 검증 예측에 규칙을 적용합니다. 수익률이나 거래 비용을 고려하기 전에 각 규칙이 얼마나 자주 활성화되는지, 종목 상태가 얼마나 자주 바뀌는지 측정합니다. 고정 기준값은 보정되지 않은 점수의 임의적인 척도에 따라…

이 노트북은 Feast를 금융 및 모델 기반 데이터용 특성 저장소로 설정한 뒤, Feast의 과거 및 특정 시점 조회 결과를 투명하게 직접 작성한 조인과 비교합니다. 엔터티, 타임스탬프가 있는 데이터 원본, 특성 뷰, 유효 기간을 선언하고 날짜 범위를 넓힌 임시 Parquet 사본을 준비합니다. 일치 여부 점검은 잘못된 타임스탬프, 엔터티 키, 학습된 폴드 빈티지 선택 같은 설정 오류를 찾도록 설계되었습니다. 비교할 때는 Feast가 유효 기간 안에서 이전…

이 노트북은 특성, 목표값, 워크포워드 폴드를 고정한 채 월간 US 주식 수익률 예측에 사용하는 그래디언트 부스팅 목적 함수를 비교합니다. 제곱 오차와 절대 오차, 큰 잔차의 영향을 줄이는 Huber 손실을 대조합니다. 정보계수는 횡단면 순위를 평가하는데도 개별 종목의 극단적인 수익률이 제곱 오차 학습을 좌우할 수 있다는 점이 비교의 배경입니다. 탐색 격자에서는 트리 용량도 바꾸며, 여러 부스팅 체크포인트의 예측값을 기록해 학습 곡선으로 성능이 계속…

이 모듈은 주성분, 도구변수 주성분, 신경망 오토인코더를 비롯한 여러 잠재 요인 모델의 워크포워드 학습과 평가를 조율합니다. 패널 데이터와 폴드를 준비하고 모델별 실행기를 호출하며 예측값, 폴드 수준 메타데이터, 등록된 학습 실행을 관리합니다. 모델 사전 설정은 명시된 우선순위 규칙에 따라 사용자가 제공한 설정과 병합되므로, 런타임 선택권은 사용자에게 있습니다. 오케스트레이션은 예상 학습 식별 정보와 체크포인트 집합도 구성한 뒤, 캐시된 레지스트리 항목과…

이 분석은 CME 선물 모델의 횡단면 정보계수(IC)를 해석하는 방법과 이후 포트폴리오 테스트와의 관계를 설명합니다. 각 날짜의 예측 수익률과 실제 수익률 간 순위 상관관계를 계산한 다음, 날짜별 상관계수의 평균을 구합니다. 이는 예측 수익률의 크기는 무시하고 순위에 따라 상품을 선택하는 동일 가중 전략에 해당합니다. 또한 폴드 간 평균과 t 통계량을 일별 시계열 추론과 구분하며, 보고된 t 통계량은 폴드 간 표준오차를 사용하고 예측값이 거의 일정해질 때는…

이 노트북은 모델이나 예측을 만들기 전에 과거 ETF 데이터로 월간 순위 전략을 뒷받침할 수 있는지 평가합니다. 전년도 유동성 정보를 사용해 특정 시점의 편입 자격을 확인하고, 리밸런싱 날짜의 가용 펀드 수를 세며, 주당 수수료와 추정 호가 스프레드의 절반을 가격 대비 비용으로 환산합니다. 수익률 변동으로 해당 비용을 감당할 수 있는지 살펴보고 펀드별 수익률 자기상관도 측정합니다. 또한 홀드아웃을 확인하지 않은 채 개발 표본에 워크포워드 분할을 적용할 수…

이 문서는 디플레이티드 샤프 비율(DSR)이 선택된 전략의 샤프 비율을 테스트한 전략 수, 샤프 추정치 간 변동, 비정규 수익률 분포에 맞춰 조정하는 방법을 설명합니다. 조정하지 않은 확률적 샤프 계산과 비교하고, 상보적 조합 대칭 교차 검증 분할을 사용하는 관련 백테스트 과적합 확률 분석도 개괄합니다. 무효 전략 및 동일 기대값 변형을 시뮬레이션해 최고 결과를 선택하면 실제보다 성과가 좋아 보일 수 있음을 보여줍니다. 실무 지침은 테스트한 모든 변형을…

이 노트북은 동일한 신호를 사용해도 두 백테스트 엔진의 결과가 달라지는 이유를 조사합니다. 미리 계산한 ETF 전략을 고정하고 예측으로 결정론적 포트폴리오를 구성한 뒤, 실행 설정을 한 번에 하나씩 바꿉니다. 설정에는 주식 수 반올림, 수수료 예치 현금, 체결 순서, 리밸런싱 방식, 비용이 포함됩니다. 최종 자산 가치와 체결된 거래를 비교한 다음, 설정별 효과가 단순히 합산된다고 가정하지 않고 설정 간 상호작용을 측정합니다. 핵심 방법은 실행 가정을 명시하고…

이 노트북은 US 주식 패널에서 세 가지 수익률 기간에 걸쳐 LightGBM 모델을 비교합니다. 그리드에서 트리 리프 수와 손실 함수를 바꾸고, 트리 수별 여러 체크포인트에서 각 설정을 채점합니다. 얕은 트리가 특성 간 상호작용을 학습하는 방식, 제곱·절대·Huber 손실이 두꺼운 꼬리 수익률에 서로 다르게 반응하는 방식, 선택을 평가할 때 각 체크포인트를 별도의 후보로 세어야 하는 이유를 설명합니다. 모델이 계속 개선되는지 과적합을 시작하는지 평가하기 위해…

이 노트북은 주식 및 옵션 연구에서 나온 검증 예측을 롱 온리 주식 포트폴리오로 바꿔 평가합니다. 동일 가중 상위 K개 기준 전략을 사용하고 여러 포트폴리오 집중도를 비교하며 레이블별 의사결정 주기를 따릅니다. 종가에 만든 신호는 다음으로 이용 가능한 시가에 실행하며, 시드가 고정된 무작위 신호 실행은 시스템 연결을 점검하는 데 사용합니다. 검증 날짜의 커버리지가 서로 비슷한지 확인한 뒤 후보 결과 순위를 매깁니다. 불확실성 분석에는 블록 부트스트랩 구간과…

이 노트북은 S&P 500 종목의 단기 등가격 스트래들을 위한 미래 수익률 레이블을 만듭니다. 일별 30일 스트래들 패널은 매 세션 행사가나 만기가 바뀌므로 가격 시계열을 단순히 이동하면 서로 다른 계약을 비교하게 됩니다. 대신 원시 옵션 체인에서 기호, 행사가, 만기로 각 진입 계약을 추적해 진입 시점과 청산 또는 결제 시점에 동일한 포지션의 가격을 산정합니다. 고정 기간 및 델타 헤지 변형도 만들고, 누락 레이블의 원인을 확인하며, 각 계약의 결제일을…

이 노트북은 동일한 ETF 유니버스, 예측치, 리밸런싱 일정, 백테스트 절차를 사용해 동일 가중, 역변동성, 최소 분산, 계층적 리스크 패리티를 비교합니다. 롤링 Ridge 모델은 모멘텀, 이동평균 거리, 변동성 특성으로 ETF 순위를 매깁니다. 각 배분 방식은 공통으로 선택된 자산에 자체 가중 규칙을 적용합니다. 결과는 홀드아웃 전 선택 기간과 그 이후 홀드아웃 기간으로 나누며 위험 조정 수익률, 드로다운, 회전율, 안정성을 진단합니다. 신호와 선택 자산이…

이 유틸리티 모듈은 트레이딩 데이터 패널을 진단하는 통계 도구를 제공합니다. 자기상관 함수는 각 개체 안에서 곡선을 계산한 뒤 개체 간 결과를 통합해, 한 시계열 끝부분과 다른 시계열 시작 부분 사이의 허위 의존성을 피합니다. 기간 인덱스를 제공하면 결측 기간을 보존해 관측치가 의도된 시차에 맞춰 짝을 이루게 합니다. 통합 추정치, 개체 간 백분위수, 불확실성 참고값, 시차에 따라 달라질 수 있는 개수도 보고합니다. 다른 도구는 퍼지 간격과 홀드아웃 기간을…

이 노트북은 손실 분위수를 나타내는 위험가치(VaR)와 해당 임계값을 넘는 손실의 평균인 조건부 위험가치(CVaR)를 설명합니다. 일간 ETF 수익률을 사용해 역사적, 가우스, Cornish–Fisher 조정, Student-t 몬테카를로 추정치를 비교합니다. 이어 예외 건수를 세고 예외 빈도가 설정된 신뢰 수준과 일치하는지 검정해 VaR 커버리지를 평가합니다. 빈도 검정으로는 예외의 군집 여부를 찾지 못한다는 점도 강조합니다. 다음 부분에서는 5개 ETF로…

이 노트북은 ETF 가격과 거시경제 시계열로 룩어헤드 편향을 점검하는 방법을 보여줍니다. 중앙 이동평균은 미래 관측치를 포함해 가격 전환점을 지나치게 잘 따라갈 수 있으며, 미래 입력값이 아직 들어오지 않아 최신 구간이 비어 있습니다. 수준값과 다음 수익률의 상관관계 검정은 명백히 미래 가격을 사용하는 특성도 찾아내지 못합니다. 노트북은 특성 자체의 수익률과 다음 가격 수익률을 비교하는 척도 정렬 검사를 제안하면서, 이 휴리스틱이 타당한 특성 구성의 대안은…

이 탐색적 분석은 4시간 단위 OANDA 패널의 20개 통화쌍을 살펴보고 데이터를 해석하는 방법을 설명합니다. 달러의 위치에 따라 직접, 간접, 교차 통화쌍을 구분하고, 달러 강세 지표를 만들기 전에 직접 호가를 역수로 바꿔야 하는 이유를 보여줍니다. 거래량 필드는 체결 규모가 아니라 거래소의 호가 업데이트 횟수를 세므로, 통화쌍 순위나 값만으로 시장 전체의 유동성이나 통화 회전율을 판단할 수 없습니다. 이 노트북은 OHLC 불변 조건을 위반 건수와 비율로…

이 노트북은 예측에 시장 국면을 활용하는 세 가지 방법을 비교합니다. 국면 입력이 없는 기준 모델, 변동성 국면의 필터링 확률을 입력받는 단일 모델, 확정된 국면 할당 안에서 각각 학습하는 별도 모델입니다. 룩어헤드를 피하기 위해 워크포워드 학습 블록마다 은닉 마르코프 모델을 다시 적합하고, 적합된 분산에 따라 상태 순서를 정한 뒤 테스트 블록을 순방향 재귀해 확률을 계산합니다. 폴드별 스케일링과 학습 데이터와 테스트 데이터 사이의 간격은 미래 관측치와…

이 노트북은 이중 머신러닝(DML)을 사용해 연속형 ETF 모멘텀 지표가 이후 수익률에 미치는 조정 효과를 추정합니다. 최근 및 장기 변동성, 시장 국면, 수익률 곡선 기울기를 통제합니다. 조정하지 않은 회귀를 EconML 및 직접 구현한 DML와 비교하고, 교란 보정용 모델 선택이 추정치에 미치는 영향을 논의합니다. 인과적 해석은 충분한 처치 전 통제 변수와 다른 식별 가정에 달려 있으며, 관측되지 않은 충격과 모델 오지정은 여전히 편향의 원인이 될 수…

이 노트북은 계층적 리스크 패리티(HRP)를 설명합니다. 이는 잡음이 있는 공분산 추정치에 대한 민감도를 낮추도록 설계된 포트폴리오 구성 방법입니다. 세 단계를 소개합니다. 상관 거리로 자산을 군집화하고, 그 결과로 얻은 계층 구조에 따라 순서를 재정렬한 다음, 군집을 반복해서 나누며 분산이 더 낮은 쪽에 더 많은 비중을 배분합니다. 또한 공분산 역행렬이 추정 오차를 키울 수 있는 평균-분산 최적화 및 역행렬을 구하기 전에 공분산 추정치를 안정화하는 축소…

이 노트북은 신호와 자산 배분부터 비용 및 위험 오버레이까지 전략 파이프라인 전반에 등록된 ETF 백테스트를 평가합니다. 모델을 적합하거나 새 백테스트를 추가하지 않고 기존 예측과 백테스트를 읽어, 등록된 결과에서 집단별 및 짝비교 지표를 도출합니다. 분석에는 전략 지표의 부트스트랩 신뢰 구간, 선택 편향 측정치, 단계별 비교, 동일 가중 ETF 유니버스 벤치마크를 대상으로 한 검증 및 홀드아웃 비교가 포함됩니다. 벤치마크 대비 알파, 베타, 정보 비율도…

이 노트북은 FX 통화쌍 사례 연구의 LSTM 예측 실행을 설정합니다. 모델은 룩백 시퀀스에서 은닉 상태를 이어가며, 노트북은 공유 구성 및 연구 계획 도구를 통해 아키텍처와 학습 설정을 정합니다. 연구에서 선언한 라벨과 구성된 LSTM 아키텍처를 사용하고, 요청이 의도한 모델 모집단을 다루는지 확인하며, 적합을 실행하거나 저장된 가중치를 불러오기 전에 예상 예측 정체성과 체크포인트를 기록합니다. 시퀀스 적격성은 결측 구간을 고려합니다. 일별 관측치가 빠지면…