Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 66개
이 노트북은 암호화폐 무기한 선물 시장의 시간봉에 걸쳐 고정된 매도 주문을 배분하는 강화학습 에이전트를 학습합니다. 상태에는 시차 수익률, 변동성, 직전 시간 거래량, 현물 대비 무기한 계약 프리미엄, 펀딩 정산까지 남은 시간이 포함됩니다. 날짜를 기준으로 학습과 평가를 나누고, 동일한 평가 구간에서 여러 체결 일정을 대응 차이와 표준오차로 비교합니다. 프리미엄과 펀딩이 매도자의 체결 조건에 어떤 영향을 줄 수 있는지 설명하면서, 이를 가격 방향 신호가 아닌…
이 평가 노트북은 금융 및 모델 기반 특성이 가상자산 무기한 선물의 다음 8시간 수익률과 어떤 관계가 있는지 선별합니다. 워크포워드 검증 구간으로 평가 표본을 구성하고 최종 홀드아웃은 분석에서 제외하며, 각 결제 시점의 횡단면 순위 상관으로 특성별 점수를 매깁니다. 의존성을 고려한 불확실성 추정치로 평균 정보계수를 요약하고, 검증 연도별 성과를 확인하며, 다중 비교에 맞춰 유의성 검정을 조정합니다. 특성 원장에는 근거와 판단을 기록하지만, 모델 입력에서 열을…
이 문서는 무기한 선물 펀딩 패널 데이터를 모델링하는 데 TabM을 사용하는 이유를 설명합니다. 공유 신경망 백본은 모든 입력 특징을 결합하고 비선형 층은 상호작용을 표현할 수 있습니다. 각 분할에서 하나의 특징을 선택하는 트리와 달리 이 설계는 상관된 열을 함께 사용할 수 있습니다. TabM 앙상블 구성원은 네트워크 대부분을 공유하면서 별도의 스케일링 벡터와 출력층을 유지하므로 개별 네트워크를 학습하는 것보다 낮은 비용으로 평균을 낼 수 있습니다. 회귀,…
이 노트북은 암호화폐 무기한 선물의 수익률과 방향을 예측하는 그래디언트 부스팅 모델을 연구합니다. 탐색 격자는 트리 용량과 제곱 오차, 절대 오차, 후버 목적 함수 등 손실 함수를 바꾸며 학습 중 여러 시점에서 모델을 평가합니다. 트리가 거의 중복된 프리미엄 특징을 반복해서 분할하면 정보를 더하지 않은 채 학습 표본의 세부 사항에 맞춰질 수 있는 이유를 설명합니다. 후보는 서로 다른 예측 목표끼리 비교하는 대신 각 레이블별로 비교합니다. 노트북은 탐색 횟수…
이 노트북은 이미 선택된 암호화폐 무기한 선물 설정에 체결 비용이 미치는 영향을 측정합니다. 모형, 체크포인트, 진입 규칙, 배분, 위험 통제를 고정하고 거래 명목금액에 대한 왕복 비용 격자에서 백테스트를 다시 실행합니다. 결과로 각 레이블의 비용에 따른 성과 감소 곡선을 제시해 다른 설정을 선택하는 대신 성과 변화와 손익분기 지점을 보여줍니다. 비용률과 회전율에 따라 변하는 체결 비용과 포지션 보유에서 발생하며 격자 전반에서 바뀌지 않는 펀딩 지급액을…
이 노트북은 가중치를 공유하는 신경망 앙상블 TabM을 암호화폐 무기한 선물 특성 패널에 적용합니다. 구성원은 신경망 백본을 공유하지만 별도의 스케일링 벡터와 출력 계층을 사용해, 효율적인 앙상블과 상관된 입력 간 비선형 상호작용을 결합합니다. 작업 흐름은 회귀, 이진 방향, 3개 클래스 방향 타깃을 처리하며, 불균형 라벨에 대해서는 폴드별 클래스 가중치도 적용합니다. 또한 여러 학습 체크포인트에서 예측을 저장하고 등록해 각 체크포인트를 별도의 후보 모델로…
이 노트북은 학습된 무기한 선물 펀딩 특성의 시퀀스 표현이 프리미엄, 즉 무기한 선물과 현물 가격 간 격차를 사람이 만든 요약값보다 더 잘 포착하는지 집중적으로 시험합니다. 최근 윈도우 안의 변화에 선형 매핑을 적용하는 NLinear와 순환형 LSTM를 비교합니다. 두 모델은 특성 순서, 폴드, 결측 데이터 규칙, 체크포인트 일정이 같으므로 측정된 차이를 아키텍처에 더 명확히 귀속할 수 있습니다. 노트북은 실험을 정의하고 검증 예측을 기록하며, 전략 선택은…
이 노트북은 모델 순위를 단순한 암호화폐 무기한 선물 포트폴리오로 변환합니다. 각 펀딩 시점에 진입 규칙이 순위 상위 또는 하위 계약을 골라 동일 비중을 배정합니다. 동일 비중은 비교 기준을 제공하므로, 포지션 규모를 일정하게 유지한 채 차이를 순위에 따른 것으로 볼 수 있습니다. 노트북은 선언된 예측 구성을 진입 규칙에 적용하고, 후속 분석을 위해 결과를 등록합니다. 백테스트에서는 해당 시점까지 보유한 포지션을 대상으로 펀딩을 정산한 뒤, 그 시점의 거래를…
이 노트북은 무기한 선물 펀딩 연구를 위해 여러 모델 계열의 검증 예측을 비교합니다. 정보 계수는 예측값과 후속 수익률 간 순위 연관성을, AUC는 상승 또는 하락 라벨에 대한 순위 성능을 측정하며, 로그 손실은 확신에 찬 오답에 큰 페널티를 부과해 확률 예측의 정확성을 평가한다고 설명합니다. 지표마다 답하는 질문이 다르므로 AUC가 개선되는 동안 로그 손실은 악화될 수 있습니다. 어느 순위 지표도 유용한 수익률 규모나 확률 보정을 입증하지 않습니다.…
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 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 문서는 암호화폐 무기한 선물의 포지션 쏠림이 상대 수익률을 예측하는지 연구하기 위한 특성을 개발합니다. 펀딩 지급의 방향과 프리미엄 지수의 역할, 그리고 원시 펀딩 또는 프리미엄 값에 과거 z점수, 횡단면 순위, 감쇠 측정치 같은 보완 표현이 필요한 이유를 설명합니다. 가격 변동성, 프리미엄 분산, 결제 시점 등 시장 환경을 나타내는 다른 특성도 다룹니다. 핵심 절차는 각 바의 값이 완성되어 관측 가능해지는 시점에 타임스탬프를 찍고, 조인, 시프트, 롤링…
이 문서는 가상자산 가격 범위가 시장 맥락과 레버리지 포지션 보유 비용의 상호작용으로 형성된다고 설명합니다. 맥락을 파악하는 기준으로 4시간 봉을 살펴보고, 무기한 선물 펀딩이 트레이더의 방향성 포지션 보유 의향에 영향을 줄 수 있다고 설명합니다. 제시된 해석에 따르면 펀딩과 4시간 시장 맥락의 방향이 일치하면 가격 확장을 뒷받침할 수 있고, 둘이 엇갈리면 가격 압축과 박스권 거래로 이어질 수 있습니다. 이 글은 가격 범위를 단순한 방향성 부재가 아니라…
이 논문은 비트코인 선물 시장의 꼬리 수익률에 일반화 극단값 이론을 적용해 롱과 숏 포지션의 강제 청산 위험, 레버리지, 증거금 수준을 살펴본다. 실증 분석에는 BitMEX 무기한 선물을 사용한다. 미결제 선물 대비 일일 청산 비율은 롱 3.51%, 숏 1.89%로 보고하며, 강제 청산된 트레이더의 평균 레버리지는 60배였다고 한다. 저자들은 수익률이 정규 분포를 따른다고 가정하면 꼬리 위험 관리에 필요한 증거금을 과소평가한다고 주장한다. 분석을 바탕으로…
이 논문은 만기일 없이 정기적인 펀딩 지급으로 현물 가격과 연결되는 무기한 선물의 무차익 가격을 도출합니다. 이산시간과 연속시간에서 선형, 역선형, 콴토 계약을 다룹니다. 핵심 결과는 펀딩 기반 가격 앵커의 강도에 따라 정해지는 무작위 시점의 현물 가격을 위험중립 기대값으로 표현해 계약 가격을 나타냅니다. 분석은 무기한 선물과 현물 가격이 일치하는 펀딩 규칙도 식별합니다. 저자들은 이러한 조건에서 기초가 되는 기본 증권을 동적으로 거래해 무기한 계약을 복제할…
이 연구는 펀딩비로 암호화폐 무기한 선물을 목표 가치에 맞출 수 있는 방법을 살펴봅니다. 발행자가 익스포저를 헤지하는 데 사용할 수 있는 복제 포트폴리오를 구성하고, 기존 펀딩비 구조의 실용적 대안으로 경로 의존적 펀딩비도 검토합니다. 분석에는 차익거래 가격 결정 이론과 경로 의존적 무한 지평 후방 확률 미분방정식이 사용됩니다. 저자들은 방정식 해의 존재와 유일성을 보이고 장기적 거동을 분석합니다. 이를 바탕으로 펀딩비 설계와 무기한 선물 가격의 관계를…
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 메이커 수수료가 없는 무기한 선물 시장의 마켓 메이킹을 위한 이론적 제어 프레임워크를 제안합니다. 마켓 메이커는 매수·매도 스프레드를 정하고 두 거래소에서 헤징해 재고를 관리합니다. 프레임워크는 손익을 스프레드 수익, 역선택, 재고 보유 비용, 헤징 마찰, 펀딩 노출로 분해합니다. 일정한 절대 위험회피 효용을 적용한 해밀턴-야코비-벨만 정식화를 사용하고 검증 정리를 보고합니다. 논문은 수익 체제 조건, 탈중앙화 무기한 거래소의 진입·청산 임계값,…
이 논문은 펀딩 금리가 확률적으로 변하는 무기한 계약에 최적 마켓 메이킹을 적용합니다. 마켓 메이커의 재고는 가격 노출과 펀딩 현금 흐름 모두에 영향을 주므로, 저자들은 재고와 펀딩을 함께 제어하는 문제를 설정합니다. 단조 유한차분법으로 해밀턴-야코비-벨만 방정식을 풀고, 재고 수준별 가치 변화로 매수·매도 호가 오프셋을 도출합니다. Hyperliquid ETH, BTC, SOL 무기한 계약 데이터로 펀딩 동학을 보정합니다. 저자들은 다루기 쉬운 기준선으로…
이 문서는 메이커 주문이 체결될 확률과 체결 후 수익률 간의 상충 관계를 살펴봅니다. 근거는 바이낸스 비트코인 무기한 계약의 실거래 실험에서 나왔으며, 주문장 작동 방식, 대기열 규모와 순서, 즉시부터 짧은 시간 범위까지의 가격 변화 지속성을 분석합니다. 체결 가능성과 체결 후 수익률 사이에 음의 관계가 있다고 보고합니다. 즉 체결되기 쉬운 주문일수록 이후 수익률이 불리한 경향이 있습니다. 이 상충 관계는 현실적으로 실행 가능한 메이커 전략이 현재 주문장…
이 논문은 BitMEX 역무기한 스왑 계약과 이에 연결된 펀딩비의 관계를 살펴봅니다. 펀딩비에 이분산성이 있다고 보고하고, 펀딩비와 비트코인 역무기한 스왑 계약 사이의 방향성 관계를 평가하기 위해 그랜저 인과성 분석을 사용합니다. 또한 가장 잘 맞는 GARCH 모형을 바탕으로 펀딩비를 예측하는 접근법을 개발합니다. 저자들은 펀딩비가 시장 추세를 가늠하는 데 도움이 되는지 논의하고 연구 결과의 시사점을 제시합니다. 설명에는 데이터 기간, 선택된 GARCH…
이 문서는 무기한 선물과 만기가 정해진 계약의 차이를 설명합니다. 무기한 선물은 롤오버나 기초자산의 직접 보유 없이 레버리지 익스포저를 제공하지만, 현물 가격으로 수렴하도록 강제하는 만기일은 없습니다. 롱과 숏 사이에 주기적으로 지급되는 펀딩 금액은 무기한 선물과 현물 가격의 차이에 연동되며, 그 격차를 제한하기 위한 것입니다. 저자들은 마찰이 없는 시장의 무차익 가격과 거래 비용이 존재할 때의 가격 범위를 도출합니다. 실증 분석에 따르면 암호화폐 무기한…
이 논문은 스테이킹된 이더리움과 같은 규모의 ETH 무기한 선물 숏 포지션을 결합한 탈중앙화 스테이블코인의 수익 전략을 모델링합니다. 두 포지션을 맞춰 ETH 현물 가격 변동에 대한 노출을 줄이는 한편 스테이킹 보상을 얻고, 무기한 선물 펀딩이 양수일 때는 선물 보유자로부터 지급금을 받는 것을 목표로 합니다. 따라서 전략 수익은 스테이킹 수익과 펀딩 환경 모두에 좌우됩니다. 저자들은 거래 프로토콜이 두 포지션을 얼마나 빠르게 구축할지 선택하는 확률적 제어…
이 논문은 무기한 선물 거래를 위한 대출 풀을 제공하는 탈중앙화 금융 메커니즘을 정식화합니다. 이를 무기한 수요 대출 풀(Perpetual Demand Lending Pools, PDLP)이라 부르고, GMX와 Jupiter에서 실제 사용하는 메커니즘을 확장한 일반적인 목표 비중 방식을 설명합니다. 이 프레임워크는 풀 차익거래의 작동 방식을 제시하고 차익거래자와 유동성 공급자 양쪽의 기대 수익을 분석합니다. 저자들은 일반적인 조건에서 PDLP의 델타 헤지가…