지식 라이브러리

이 논문은 위험 관리 환경에서 암호화폐 수익률을 연구하기 위한 선형 기대분위수 은닉 마르코프 모형을 제시합니다. 기대분위수를 사용하면 수익률 분포의 비대칭적인 부분에 초점을 둘 수 있으며, 관측되지 않은 이산 마르코프 연쇄에 따라 모형 계수가 시간에 따라 변합니다. 추정에는 비대칭 정규분포를 사용하고, 모수 갱신식을 포함한 기댓값-최대화 절차를 적용합니다. 저자들은 여러 실험 설정에서 얻은 시뮬레이션 데이터와 주요 세계 시장 지수에 대응하는 일별 비트코인…

이 연구는 원자재 선물을 계층 구조로 모형화합니다. 기초자산이 한 계층을 이루고 개별 계약이 다른 계층을 이루며, 각 계층 안의 자산은 서로 연결되고 계층 간 연결은 계약과 기초 시장을 잇습니다. 계층 그래프 학습 모형은 계약 간 만기 의존적 연결을 포함한 이러한 관계를 사용해 선물 가격 움직임을 예측하고 캘린더 스프레드 포지션을 생성합니다. 논문은 모형 예측을 스프레드 매매로 변환하는 방법도 설명합니다. 저자들은 캘린더 스프레드가 롱온리 전략보다 정보비율이…

이 연구는 일반 언어 모델을 Backtrader 프레임워크용 실행 가능한 전략을 생성하도록 조정하는 방법을 평가한다. 프레임워크 코드로 추가 사전학습을 하고 에이전트가 검증한 요청-코드 예제로 지도 미세조정을 하는 접근법을 결합한다. 평가는 400개 과제 전략 생성 벤치마크와 저장소 수준 트랙을 사용하며, 판정된 정확도, 성공적인 백테스트, 수정 과정에서의 에이전트 성능을 측정한다.

이 논문은 암호화폐 매매에서 심층 강화학습(DRL)의 백테스트 과최적화를 가설 검정 문제로 다룬다. DRL 에이전트를 학습시키고 각 에이전트의 과최적화 확률을 추정한 뒤, 과최적화로 판단된 에이전트를 기각한다. 목표는 과거 테스트에서 발생하는 거짓 양성을 줄이고 선정된 전략이 백테스트 이후에도 잘 작동할 가능성을 높이는 것이다.

이 논문은 개별 매매 전략을 보정하고 신호를 결합하기 위해 조건부 생성적 적대 신경망을 제안한다. 시계열 데이터용 cGAN을 학습하고 선택한 뒤, 생성된 표본으로 전략을 조정하고 표본 모음으로 앙상블 모델링을 하는 작업 흐름을 제시한다. 목표는 전략 설정을 개선하거나 약한 신호를 포트폴리오 수준 접근법으로 통합하는 것이다. 저자들은 579개 자산에 걸친 여러 매매 전략으로 이 방법을 평가하고, 앙상블 접근법 및 시계열 검증 방법과 비교한다. cGAN은 적절한…

이 연구는 전문가 판단에 의존하는 경우가 많은 펀더멘털 주가수익비율 추정치를 동적 베이지안 네트워크로 정식화한다. 추론된 PE 비율은 사람의 투자 의사결정을 지원하거나 자동매매 시스템의 입력으로 사용하도록 설계되었다. 저자들은 제안된 네트워크의 전방-후방 추론과 기댓값 최대화 절차를 도출하고, 네트워크 구조를 변동성에 대한 행동재무학적 해석과 연결한다. 베이지안 추론 결과로 매매 전략을 구성하고, 실험에서 표준 투자 벤치마크와 비교한다. 저자들은 실험에서…

이 글은 평균·분산 목적에 따라 동적 매매 전략을 구성하는 커널 기반 방법을 제시합니다. 재생 커널 힐베르트 공간의 함수로 전략을 표현해, 현재 상태뿐 아니라 시장 신호의 이력에 따라 의사결정을 내릴 수 있습니다. 자산 동학이나 예측 신호에 시간 의존성이 있는 포트폴리오 문제에 유연하게 적용할 수 있습니다. 이 프레임워크를 시그니처 기반 방법 및 고전적 마르코프 접근법과 비교합니다. 합성 데이터와 시장 데이터 사례에서는 시간 의존성이 있을 때 두 비마르코프…

NoxTrader는 과거 US 주가와 거래량 데이터로 수익률, 주간 가격, 월간 가격 모멘텀 등의 특성을 만듭니다. LSTM 모델을 적용해 수익률과 지속적인 가격 추세를 예측하고, 실행 중 모델을 동적으로 갱신합니다. 예측 점수는 맞춤형 백테스팅 시스템에서 포트폴리오 관리를 이끌며, 문서에 따르면 예측과 실제 간 상관계수 범위는 0.65에서 0.75입니다. 저자들은 예측 데이터를 필터링해 초기 투자 수익률이 -60%에서 325%로 바뀌었다고 보고합니다. 예측…

이 문서는 사용자의 방문이 진행되는 동안 개별 디스플레이 광고 노출을 사고파는 방식인 실시간 입찰(RTB)을 소개합니다. 퍼블리셔의 광고 지면을 모으고 노출 단위로 의사결정을 내려 RTB은 자동 구매와 사용자별 타기팅을 지원합니다. 사용자 반응 예측, 입찰 환경 예측, 입찰 및 수익 최적화, 통계적 차익거래, 동적 가격 책정, 광고 사기 탐지 등 컴퓨터 광고 분야를 개괄합니다. 이러한 주제는 데이터 마이닝과 머신러닝을 시장 설계 및 자동 의사결정과…

이 논문은 암호화폐 매매의 강화학습 결정에 인과 분석을 반영하기 위한 프레임워크인 CausalReinforceNet을 소개합니다. 베이지안 및 동적 베이지안 네트워크 기법을 강화학습과 결합해 에이전트가 매매를 선택할 때 시장 관계를 추론하도록 합니다. Binance Coin, Ethereum, Litecoin, Ripple, Tether에 프레임워크를 적용합니다. 저자들은 서로 다른 강화학습 알고리즘을 사용한 에이전트 두 개를 만들고, 바이앤홀드 및 기준…

이 논문은 간소화한 금융 사례와 수학적 정식화, 확률 그래프 모델 표현을 통해 칼만 필터링을 설명합니다. 그래프 관점에서 칼만 필터와 은닉 마르코프 모델을 연결하고, 확장 칼만 필터의 추론 방법을 제시하는 데 이 연결을 활용합니다. 금융 시장의 변화하는 동학을 이런 모델로 표현하는 방법도 논의합니다. 매개변수 추정을 위해 저자들은 전통적인 기대값 최대화 방식의 대안으로 CMA-ES 최적화를 제시합니다. 여러 시장 동학 가정을 살펴보고 칼만 필터와 은닉…

이 연구는 비트코인 실현분산의 확률 예측을 개발합니다. 점 예측을 넘어 조건부 분위수를 추정해 변동성 결과의 불확실성을 나타냅니다. HAR, GARCH, ARFIMA 같은 통계 모델의 예측과 머신러닝 방법의 예측을 결합한 뒤, 기본 모델의 예측값에 확률적 스태킹 프레임워크를 적용합니다. 비교 결과, 잔차 시뮬레이션을 통한 분위수 추정은 특히 로그 변환한 실현 변동성으로 학습한 선형 기본 모델과 결합했을 때 일관되게 양호한 성과를 보입니다. 문서는 더 복잡한…

이 연구는 상관관계가 있는 자산 간 가격 차이를 매매하는 통계적 차익거래 방식인 암호화폐 페어 트레이딩을 강화학습으로 개선할 수 있는지 살펴봅니다. 저자들은 거래 환경을 만들고 에이전트를 학습시켜 암호화폐 페어를 언제, 어떻게 매매할지 선택하게 합니다. 또한 매매 결정을 동적으로 조정하기 위해 보상 셰이핑, 관측 공간, 행동 공간을 설계합니다. 실험에는 분 단위 BTC-GBP 및 BTC-EUR 데이터가 사용됩니다. 보고된 전통적 페어 트레이딩의 연환산 수익은…

이 연구는 모델에 잠재 요인이 있고 의사결정자가 단일 행동을 직접 선택하는 대신 행동에 대한 분포를 고르는 상황에서 최적 제어를 살펴봅니다. 이산시간과 연속시간 설정 모두에서 상태 공간 탐색에 대한 보상으로 차리스 엔트로피를 도입합니다. 각 설정의 순방향·역방향 방정식을 통해 q-가우시안 형태의 최적 상태 분포를 도출하고 그 위치를 규정합니다. 논문은 이렇게 얻은 탐색 해법과 표준 동적 최적 제어의 관계도 살펴봅니다. 모델에 구애받지 않는 접근법으로 소프트…

이 논문은 규제 공시로 보고된 미국 마이크로캡 기업의 공개 시장 내부자 매수가 이후의 초과 수익률을 예측하는 데 도움이 되는지 테스트합니다. 2018년부터 2024년까지 발행사 1,343곳의 매수 17,237건을 분석하며, 시가총액은 $30백만에서 $500백만 사이입니다. 그래디언트 부스팅 모델은 내부자 특성, 이전 거래 행태, 공시 시점에 이용 가능한 시장 상황을 사용합니다. 학습에 사용하지 않은 2024년 데이터에서 분류기의 AUC는 0.70이며, 선택한…

이 연구는 만기 5년 및 10년 US 국채 선물 포트폴리오를 위한 중빈도 전략을 설명합니다. 매매를 분류 문제로 구성해 다음 주에 포트폴리오가 상승할지 하락할지 예측합니다. 예측 입력은 포트폴리오 구성 선물의 기술적 지표로 훈련한 심층 신념망이 학습한 특징입니다. 저자들은 이 머신러닝 파이프라인이 실험에서 수익성 있는 매매를 만들어 냈다고 보고합니다. 제공된 설명에는 표본 기간, 테스트 설계, 비용, 위험 조정 성과, 더 단순한 모델과의 비교가 없습니다.…

이 연구는 포트폴리오 트레이딩을 마르코프 결정 과정으로 구성하고, 심층 Q 학습으로 에이전트를 훈련해 여러 자산의 배분을 선택합니다. 행동 공간은 이산적이고 조합적입니다. 각 자산에 대해 미리 정한 규모로 매매 방향을 선택합니다. 제약을 위반하는 행동을 처리하기 위해 실행 불가능한 제안을 가장 가까운 실행 가능한 대안으로 매핑합니다. 또한 다중 자산 행동 공간을 다루고 각 상태에서 실행 가능한 행동을 모의하는 에이전트 및 Q 네트워크 설계를 설명합니다. 두…

이 문서는 시장이 새로운 국면에 진입할 때 빠르게 적응하도록 설계된 시계열 추세추종 예측기 X-Trend를 제안합니다. 금융 시계열 국면의 컨텍스트 집합에 소수 표본 학습과 교차 어텐션을 적용해, 유사한 국면의 패턴을 대상 국면의 포지션 예측에 활용합니다. 어텐션 메커니즘은 어떤 컨텍스트 패턴이 예측과 연관되는지 해석하는 방법으로도 제시됩니다. 보고된 평가는 2018부터 2023까지의 변동성이 큰 기간을 다룹니다. 저자들은 X-Trend가 신경망 예측기와…

이 연구는 강화학습 트레이더가 자산 가격 버블을 경험한 뒤 전략을 바꾸는지, 그 학습이 이후 버블에 영향을 주는지 살펴봅니다. 연구진은 ABIDES 다중 에이전트 시장 시뮬레이션에서 에이전트를 훈련하고, 버블 경험이 있는 트레이더와 없는 트레이더를 비교합니다. 보고된 행동 차이는 버블을 경험하지 않은 에이전트가 단기 모멘텀 트레이더처럼 행동하는 반면, 버블을 겪은 에이전트는 가치 투자자에 더 가까운 행동을 보인다는 점입니다. 시뮬레이션에서 경험이 없는…

이 논문은 VIX 선물에서 하루 앞서 롱 또는 숏 포지션을 취하는 전략을 제안합니다. 선물 기간 구조를 마르코프 과정으로 보고, 곡선의 현재 형태와 수준을 바탕으로 기대 효용을 극대화하는 포지션을 선택합니다. 저자들은 곡선, 선물 포지션, 기대 효용 간 관계를 심층 신경망으로 표현합니다. 표본 외 백테스트에서 포트폴리오 성과가 무난했으며 시장 상황에 따라 전략이 롱과 숏 익스포저를 전환한다고 보고합니다. 제공된 설명에는 수치 성과 지표, 거래 비용, 위험…

이 연구는 머신러닝 모델인 LightGBM과 LSTM을 비트코인 지표 기반 전략 두 가지와 비교합니다. 지표 전략은 지수이동평균 교차와 MACD 및 ADX의 조합입니다. 미국에서 최초의 비트코인 현물 상장지수펀드가 규제 승인을 받은 2024년 2024을 배경으로 비교하며, 이 신호들이 비트코인 트레이딩에서 어떤 성과를 내는지 평가하는 것이 목적입니다. 문서는 LSTM 전략이 1년이 채 안 되는 기간에 약 65.23%의 누적 수익률을 기록해, 평가 기간에 다른…

이 논문은 가계 은퇴 소득을 위한 배우자 보호 톤틴을 설계합니다. 첫 번째 사망이 발생해도 풀에서 자금이 이전되지 않고 가구의 상태만 바뀝니다. 은퇴자가 먼저 사망하면 계정은 계약에 남아 배우자 단독 지속형에 자금을 지원할 수 있습니다. 저자들은 보험수리적 공정성 조건과 결과가 실현된 뒤 정확히 균형을 이루는 사망 크레딧 배분 규칙을 도출합니다. 대표 가구에 대해 생존이 기간 끝까지 이어져야 한다고 가정하지 않으면서, 준비금 목표 대비 최종 부족분의 조건부…

이 논문은 정기적으로 재학습하는 예측 시스템의 배포 정책을 소개합니다. 현재 모델을 계속 운영하면서 재학습한 후보 모델을 운영 경로 밖에서 실행한 다음, 지연 라벨이 있는 이후의 동일한 한 주 데이터를 사용해 두 모델을 비교합니다. 후보 모델이 음의 로그 우도에서 정해진 짝비교 우위를 확보할 때만 현재 모델을 대체합니다. 새로 적합한 모델이 계속 학습해 온 기존 모델보다 나쁠 수 있는데도 달력에 따라 자동 교체되는 상황을 피하려는 정책입니다. 서로 다른 두…

이 논문은 암호화폐 포트폴리오 관리에 Soft Actor-Critic(SAC)과 Deep Deterministic Policy Gradient(DDPG)를 활용하는 방안을 제안합니다. 에이전트는 과거 시장 데이터를 사용한 시뮬레이션 환경에서 연속적인 매매 행동을 학습하고, 하방 위험과 거래 비용을 고려하면서 누적 수익을 추구하도록 포트폴리오 비중을 조정합니다. SAC은 엔트로피 정규화 목적 함수를 사용하며, 논문은 이를 잡음이 많은 환경에서 더 높은 안정성과…