Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 535개
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 노트북은 ETF 특성 평가를 수익률 기간 하나에서 특성 10개와 기간 3개의 스캔으로 확장하고 다중검정을 보정합니다. 그런 다음 장기 룩백 12-1 모멘텀과 단기 반전에 작동 원리 기반 진단을 적용합니다. 시점 이동과 IC 지속성, 국채 수익률을 사용한 공통 요인 통제, VIX 국면별 비교를 살펴봅니다. 보고된 스캔에서 장기 모멘텀은 5일 기간의 보정된 발견 항목에 포함됐지만, 더 긴 기간에서 가장 높은 정보계수는 보정 임계값을 통과하지 못했습니다.…
이 노트북은 매수자 주도 부호 거래량 비중이 이후 15분 수익률과 연관되는지 추정하고, 상대 스프레드, 최근 실현 변동성, 직전 월 수익률을 고려합니다. 이중 머신러닝은 교차 적합을 사용해 이 교란 변수들로 결과와 처치를 예측한 다음, 통제 변수로 설명되지 않는 처치 변동을 분리하도록 잔차를 회귀합니다. 분석은 1분 단위 NASDAQ-100 관측치를 사용하고, 적격 모집단, 폴드 경계, 엠바고, 플라시보 설계를 정한 뒤 적합을 수행합니다. 블록 순열 반박은…
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 ETF 수익률 예측에서 불확실성을 표현하는 방법을 살펴보며 몬테카를로 드롭아웃과 딥 앙상블을 비교합니다. 드롭아웃은 추론을 반복하는 동안 활성 상태로 유지되고, 앙상블은 별도로 학습한 네트워크 간의 불일치를 측정합니다. 이런 산포는 불확실성을 추정하지만 그 자체로 커버리지 속성을 가진 구간을 제공하지는 않습니다. 분할 컨포멀 보정은 예측 오차를 구간으로 변환하며, 일반 방식과 불확실성 정규화 방식을 모두 살펴봅니다. 노트북은 시간순…
이 노트북은 같은 예측 순위로 선정한 ETF 포트폴리오의 가중치를 정하는 여섯 가지 방법을 비교합니다. 동일 가중, 점수 가중, 역변동성, 리스크 패리티, 평균-분산 최적화, 계층적 리스크 패리티입니다. 선택하는 펀드 수와 배분 방식을 함께 바꿉니다. 집중된 바스켓에서는 가중 방식별 차이가 작을 수 있고, 위험 특성이 서로 다른 펀드가 포함되면 차이가 커질 수 있기 때문입니다. 비교에는 신호 단계 백테스트에서 샤프 기준으로 선택해 다음 단계로 올린 예측…
이 노트북은 여러 트레이딩 사례 연구에 등록된 이중 머신러닝 추정치를 모아 불확실성과 진단 결과를 비교합니다. 각 연구 레지스트리의 최신 행을 불러와 레지스트리 무결성과 라벨 고유성을 확인하고, 커버리지를 명시하며, HAC 통계량과 신뢰 구간을 도출합니다. 추정된 효과는 각각의 고유 단위가 다르므로 포레스트 플롯은 효과 크기를 그대로 순위화하는 대신 무차원 HAC 통계량을 비교합니다. 또한 순진한 OLS 계수와 직교화 추정치를 대조하고, 교란 편향 측정값과…
이 노트북은 실제 홀드아웃 산출물을 사용해 배포된 금융 모델을 모니터링하는 워크플로를 구성합니다. 드리프트를 측정하기 전에 새로 들어온 특성 데이터가 채워져 있고 구조적으로 유효한지 확인한 다음, 기준 구간과 현재 구간을 비교합니다. 특성 분포 변화는 모집단 안정성 지수와 두 표본 콜모고로프-스미르노프 검정으로 평가합니다. 안정성 임계값은 관례에 따른 기준인 반면 큰 표본에서는 통계적 유의성이 실질적으로 중요하지 않은 변화도 포착할 수 있으므로 두 측정값을…
이 노트북은 포지션 규모 조정을 최대 불리·유리 익스커션 분석과 연결합니다. 고정 비율 포지션 규모 조정에서는 거래별 위험 예산과 진입가부터 손절가까지의 거리에 따라 주식 수를 정하며, 여기에 집중도 상한을 적용합니다. 또한 시차를 둔 개별 변동성으로 롱 전용 역변동성 배분을 구성합니다. 이 휴리스틱은 상관관계를 무시하므로 공분산을 고려하는 리스크 패리티가 아니라는 점을 강조합니다. 거래 진단을 위해 익스커션 분포를 살펴 손절 및 목표가 선택에 참고하고,…
이 문서는 블랙-숄즈 모형으로 유럽형 콜·풋 가격을 도출하고, 풋-콜 패리티로 둘의 관계를 확인하며, 관측된 옵션 가격에 맞는 변동성을 수치적으로 풀어 내재변동성을 계산합니다. 또한 델타, 감마, 베가, 세타, 로를 정의하고, 머니니스와 만기까지 남은 시간에 따라 민감도가 어떻게 달라지는지 차트로 설명합니다. 일정한 변동성, 연속 거래, 유럽형 권리 행사 등 모형의 가정을 시장 현실과 대조해 결과가 달라질 수 있는 지점을 설명합니다. 계산 결과를 S&P…
이 노트북은 유럽형 콜옵션 매도 포지션의 딥 헤징을 보여줍니다. 기하 브라운 운동으로 기초자산 가격 경로를 시뮬레이션하고, 벤치마크로 블랙-숄즈 델타를 계산하며, 헤지 포지션을 선택하는 준순환 신경망을 학습합니다. 학습 목표는 만기 손실의 조건부 위험가치를 최소화하는 것입니다. 손익 계산에는 헤지 개시, 각 리밸런싱, 만기 청산에 비례 비용을 부과해 동일한 가정 아래 이산 델타 헤징과 비교할 수 있습니다. 학습된 트레이딩이 델타 벤치마크에 가까워질수록 덜…
이 모듈은 검증 단계와 전략 라벨 전반에서 홀드아웃 선택 기준을 구성하는 방법을 정의합니다. 고정된 후보 집합과 실시간 재구성이 서로 다른 설정을 선택하거나, 후속 분석에서 우승 설정과 다른 라벨을 사용하는 불일치를 다룹니다. 공통 구성에는 명시된 라벨 전반의 신호, 배분, 리스크 오버레이 단계가 포함되며, 후속 분석에는 선택된 결과의 라벨을 사용합니다. 기록된 후보 집합이 있으면 모듈은 그 안의 백테스트 결과에서 선택합니다. 없으면 적격 집합을 다시…
이 노트북은 주성분 10개가 포착한 광범위한 움직임을 통제한 뒤, 포트폴리오 운용 전략 4개가 SPY 수익률에 설명력을 더하는지 검정하는 방법을 보여줍니다. 후보 포트폴리오는 ETF의 최근 모멘텀, 낮은 변동성 또는 단기 반전을 기준으로 순위를 매기고, 시차 수익률로 롱·숏 바스켓을 구성합니다. 각 요인의 조정 전 SPY 로딩을 두 번의 LASSO 회귀로 통제 변수를 선택한 뒤 추정한 조건부 로딩과 비교합니다. 확장 시계열 교차 검증과 폴드별 스케일링 및…
이 노트북은 기대 로그 자산을 극대화해 이진 베팅의 켈리 투자 규모를 도출한 뒤, 베팅액이 시뮬레이션 자산 경로의 분포를 어떻게 바꾸는지 보여줍니다. 이 프레임워크를 연속 수익률과 다중 자산 포트폴리오로 확장합니다. 이때 익숙한 평균 대비 분산 식은 로그 함수의 절단 전개에 의존합니다. 포트폴리오 해법에서 내재 레버리지와 자본을 소진시킬 수 있는 불리한 움직임도 살펴봅니다. 롤링 추정은 시장 데이터로 기대수익률과 공분산을 추정할 때 포지션 규모가 얼마나…
이 노트북은 이전에 선택된 ETF 전략을 따로 확보한 홀드아웃 기간에서 평가합니다. 학습 식별자와 체크포인트가 일치하는 예측을 가져오고, 앞서 정한 전략 명세와 거래 비용을 적용한 뒤 백테스트를 등록합니다. 집중도, 배분, 리스크 오버레이, 리밸런싱 주기를 포함한 설정은 홀드아웃 실행 전에 고정합니다. 배분이 컨포멀 구간 너비에 따라 달라지는 경우에는 검증 잔차로 너비를 계산하고, 선행 수익률 레이블이 홀드아웃과 겹치는 잔차를 제외합니다. 보고된 근거에는…
이 모듈은 티커 기호가 시간에 따라 서로 다른 증권을 가리킬 수 있을 때 과거 S&P 500 가격을 준비하는 방법을 설명합니다. 기업 활동 조정 계수를 적용하고 증권 식별자를 추적하며 정체성 경계를 표시합니다. 수익률 계산은 정체성이 유지되는 증권 구간 안에서만 수행합니다. 따라서 티커가 재배정된 시점에는 잘못된 시장 움직임을 기록하지 않고 수익률을 정의하지 않습니다. 연속된 가격 수준이 필요한 백테스트 패널에는 후속 구간을 별도로 재조정해 이전 수준과…
이 분석은 여러 트레이딩 사례 연구에서 선택한 신호가 후속 활용에 충분히 믿을 만한지 평가합니다. 검증 정보계수(IC)와 홀드아웃 근거를 비교하고 안정성과 재현성을 살펴보며, 예측 품질과 모델 예측으로 구성한 포트폴리오의 샤프 비율을 대조합니다. 히트맵과 계열별 요약은 자산군과 모델 계열에 따라 결과가 어떻게 달라지는지 보여줍니다. 평균 IC와 신호 샤프의 중앙값은 서로 다른 특성을 나타내므로 모델 순위를 다르게 매길 수 있다는 점도 드러냅니다. 검증 결과는…
이 튜토리얼은 자산 가격 및 거래량 이력으로 만드는 특성을 살펴봅니다. 여러 기간의 수익률, 추세 및 반전 지표, 다양한 변동성 추정치, 변동성 국면, 유동성, 꼬리 위험, 횡단면 정규화가 포함됩니다. 모멘텀 신호에서 가장 최근 관측치를 건너뛰고, 이동평균선과의 거리를 변동성으로 조정하며, 원시 거래량 대신 상대 거래량을 사용하는 등 실무적 선택을 설명합니다. 또한 정상성과 장기 정보 보존 사이의 균형을 맞추는 방법으로 분수 차분을 다룹니다. 구현 안내는…
이 노트북은 호가 스프레드 중 지불한다고 가정한 비율에 따라 S&P 500 옵션 전략의 검증 성과가 어떻게 달라지는지 측정합니다. 모델 계열마다 기준 전략 하나를 선택한 뒤, 스프레드 비용 가정과 전체 등가격 스트래들 대상 집합 및 유동성이 더 높은 부분 집합을 대상으로 각각 다시 실행합니다. 스프레드 비율만 바뀌도록 나머지 수수료와 헤지 비용은 고정합니다. 옵션 프리미엄 대비 비용으로 표현하면 명목금액을 기준으로 삼는 주식 관행보다 옵션 거래에 더…
이 문서는 자동매매 중단을 위한 재사용 가능한 상태 머신을 제시하며, 닫힘·열림·반개방 상태로 구성됩니다. 계좌 드로다운, 일일 손실, 연속 손실 세션, 시스템 지연이라는 네 가지 위험에 동일한 상태 전이 로직을 적용합니다. 복구 대기 시간이 지나면 차단기는 반개방 상태로 전환되어 시험 관측을 허용합니다. 그 결과에 따라 정상 운영을 재개하거나 중단 상태를 다시 엽니다. 별도의 콜백으로 차단 발생 시 알림을 보내고, 복구 확인을 포함한 모든 상태 변경은 감사…
이 노트북은 검증 데이터에서 선택한 설정을 사용해 이전까지 살펴보지 않은 ETF 홀드아웃 구간의 예측을 생성합니다. 학습 명세가 구간 시작보다 레이블 예측 기간 하나만큼 앞서 끝나도록 다시 구성하고, 모델을 재적합한 뒤 선택된 체크포인트를 유지하며, 결과 학습 식별자가 검증 적합 결과와 다른지 확인합니다. 레지스트리 점검으로 표본 외 예측임을 입증할 수 없는 기존 예측 세트를 찾아내고, 같은 구간에 다른 설정을 평가하지 못하게 합니다. 이 노트북은 이러한…
이 노트북은 기업의 10-K 공시에서 공급업체, 고객, 경쟁사 관계를 추출해 Neo4j 지식 그래프에 저장하는 파이프라인을 소개합니다. 로컬 언어 모델이 주어·술어·목적어로 구성된 구조화 트리플을 제안한 다음, 문자열 기반 개체 연결로 이름을 표준화하고 공시에서 언급된 기업명을 표준 기업에 연결합니다. 확인된 관계를 그래프에 묶음 단위로 기록하고, 그래프 질의로 여러 기업이 공유하는 공급업체를 요약해 공급망 집중도를 살펴봅니다. 이 노트북은 단계적으로 구성한…
이 노트북은 일반적인 목표 비중 리스크 오버레이로 설명된 S&P 500 숏 스트래들 전략을 제어할 수 없는 이유를 설명합니다. 옵션 엔진은 주간 코호트에 고정된 자본 비율을 배정하고 각 코호트 안에서 비중을 정규화합니다. 따라서 비중을 조정해도 정규화 과정에서 원래대로 돌아가며, 오버레이가 새로 배정할 현금도 남지 않습니다. 헤지 임계값, 결제, 비용, 코호트 수처럼 전략에 영향을 주는 제어는 이후 비중 변환이 아니라 전략 명세에 포함해야 합니다. 노트북은…