Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 555개
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…
이 보고서는 국가별 상장지수펀드 바스켓 매매의 단기 신호로 내부 봉 강도(IBS)를 살펴봅니다. 전략은 평균회귀 방식으로, 과거 ETF 가격과 IBS를 사용해 잠재적인 단기 가격 움직임을 파악한 뒤 해당 신호에 따라 매매합니다. 이 문서는 10년간의 과거 데이터를 사용한 퀀트 연구를 설명하며, ETF 바스켓의 단기 움직임을 예측하는 데 IBS가 유용할 수 있다고 보고합니다. IBS 계산법, 진입·청산 규칙, 위험 통제, 구체적인 ETF, 기준 지표와의 비교,…
이 문서는 예측 시장에서 알고리즘 및 언어 모델 트레이딩 에이전트를 평가하는 벤치마크를 제시합니다. 주문장 갱신, 거래, 계약 수명 주기 이벤트, 정산 기록으로 과거 에피소드를 구성한 뒤 결정론적으로 재생해 전략들이 일관된 시장 상황을 마주하도록 합니다. 에이전트 인터페이스를 통해 기존 알고리즘과 도구를 사용하는 언어 모델 모두 시뮬레이션에 참여할 수 있습니다. 시뮬레이터는 메이커와 테이커의 체결 방식 및 수수료를 모델링해 거래 마찰과 정산 위험을 고려한…
이 연구는 외환 트레이딩에 심층 강화학습을 적용하며, 직접 가격을 예측하는 대신 매매 선택을 연속된 의사결정으로 다룹니다. Sure-Fire 통계적 차익거래 정책을 세 가지 가능한 행동으로 조정하고, 연속적인 가격 이력을 Gramian Angular Field 이미지로 변환합니다. 저자들은 EUR/USD, GBP/USD, AUD/USD의 4시간 간격 데이터를 사용해 Deep Q Learning과 Proximal Policy Optimization을…
이 연구는 자동화 마켓 메이커와 탈중앙 금융 트레이딩 전략에서 양자 머신러닝, 고전 머신러닝, 양자-고전 혼합 방법, 트랜스포머 모델을 비교합니다. 여러 암호화폐 자산과 10가지 모델 변형에 대한 백테스트 결과를 보고합니다. 여기에는 랜덤 포레스트, 그래디언트 부스팅, 로지스틱 회귀, 여러 양자 분류기와 혼합 시퀀스 모델이 포함됩니다. 연구의 목적은 이 트레이딩 맥락에서 양자 방법이 가치를 더하는지 평가하는 것입니다. 보고된 평균 수익률은 양자 혼합 접근법이…
이 연구는 자산 가격 팩터 모형의 잔차를 거래하는 딥러닝 기반 통계적 차익거래 접근법을 재현합니다. 미국 주식 데이터를 사용해 원래 방법을 더 최근의 표본 외 기간인 2016부터 2024까지 적용합니다. 기존 연구의 데이터 전처리와 팩터 모델링 과정을 따르며 합성곱 신경망과 트랜스포머를 사용합니다. 저자들은 정보 누출을 막기 위해 시점별 원칙을 적용했다고 설명합니다. 일부 테스트에서는 표본 외 샤프 비율이 이례적으로 높아 10을 넘기도 합니다. 저자들은 이런…
이 논문은 피드백 제어 문제로 설정한 일반적인 페어 트레이딩 알고리즘을 제시합니다. 트레이더가 폭넓은 종류의 스프레드 함수 중에서 선택할 수 있고, 스프레드 변화에 따라 투자 규모를 동적으로 조정합니다. 주가 과정과 스프레드 형태에 제한적인 가정을 두는 대신, 스프레드와 가격 과정이 함께 평균회귀 조건을 만족할 때 해당 페어를 거래 가능하다고 정의합니다. 이런 경우 알고리즘이 계좌의 기대 성장을 양수로 만든다는 점을 저자들이 증명합니다. 논문은 과거 거래…
이 연구는 평활화한 추세 및 모멘텀 상태 변수로 구성한 금 선물 전략을 테스트합니다. 롤링 워크포워드 과정에서는 10년치 데이터로 학습하고 2015–2025 기간 동안 연속된 6개월 구간을 테스트합니다. 변동성 목표 설정, 시장 충격을 조정한 켈리 비율 포지션 규모 산정, ATR 기반 청산을 사용해 신호를 포지션으로 전환하며 거래 비용과 시장 충격도 포함합니다. 문서는 표본 외 성과가 강하고, 보고된 드로다운이 낮으며, 현물 금에 대한 베타가 거의 0이고…
이 문서는 데이터 기반 트레이딩 전략을 최적화하기 위한 복합 목표 함수인 GT-Score를 제시합니다. 성과, 통계적 유의성, 일관성, 하방 위험 측정치를 결합해 과거 데이터에 지나치게 맞는 선택을 억제하고자 합니다. 반복적인 테스트가 허위 패턴을 만들 수 있고, 수익률이 정규분포를 따르지 않을 때 일반적인 통계적 추론이 신뢰하기 어려울 수 있다는 점에서 출발합니다. 실증 연구는 50개의 S&P 500 기업을 대상으로 2010년부터 2024년까지의 과거…
이 논문은 애플 주가의 장중 과잉 반응을 예측해 모멘텀 신호로 활용할 수 있는지 연구합니다. 변동성으로 정규화한 수익률과 트위터 메시지에서 도출한 감정 특성을 결합하고, 동시점 변동성 및 거래 비용을 기준으로 과잉 반응을 정의합니다. 예측 문제는 3개 클래스로 분류하도록 설정합니다. 여러 장중 표본 주기에서 트리 기반 모형, 신경망, 양방향 장단기 기억 신경망을 시험합니다. 논문은 가장 짧은 시간 구간에서 머신러닝 모형이 기준 과잉 반응 규칙보다 뛰어난…
이 논문은 온체인, 거래소, 채굴자 데이터를 포함한 CryptoQuant 신호와 고래 알림 게시물이 다음 날 비트코인 변동성, 특히 극단적인 급등을 예측하는 데 도움이 되는지 연구합니다. Synthesizer Transformer 예측 모델을 제안하고 기존 접근법과 성능을 비교합니다. 저자들은 이러한 데이터 소스를 사용할 때 모델이 극단적 변동성을 더 잘 예측한다고 보고하지만, 설명에는 표본 기간, 자산 시장 세부 사항, 수치 비교 결과가 없습니다. 연구는…
이 논문은 금융자산 간 포트폴리오 재배분을 위한 모델 비의존 강화학습 프레임워크를 제시합니다. 독립 평가기 앙상블, 이전 포트폴리오 비중의 기억, 온라인 확률적 배치 학습, 명시적 보상 함수가 구성 요소입니다. 프레임워크는 합성곱 신경망, 순환 신경망, 장단기 기억 신경망으로 구현됩니다. 보고된 평가는 암호화폐 데이터에 30분 거래 주기를 적용한 백테스트 3건을 사용합니다. 저자들은 이 모델들을 다른 포트폴리오 선택 전략과 비교해, 수수료가 0.25%임에도…
PPO-HRAP는 근접 정책 최적화와 시장 국면에 따라 정한 목표 노출을 결합합니다. 정책은 시장 특성과 포트폴리오 상태를 관찰한 뒤 학습된 행동을 국면별 목표와 혼합합니다. 보상은 포트폴리오 로그 수익률, VIX에 따라 조정한 드로다운 증가분, 목표 노출과의 편차, 회전율 비용을 반영합니다. 수익에 집중하는 정책이 과도한 투자를 유지하고, 강한 위험 페널티가 정책을 지나치게 보수적으로 만들 수 있는 문제를 고려해 수익 참여와 드로다운 관리를 균형 있게…
이 논문은 향후 가격 방향을 나타낼 수 있는 금융 시계열의 단기 패턴을 찾는 프레임워크를 제안합니다. 과거 사례를 군집화하고 유용성이 낮은 패턴을 제거해 품질이 높고 서로 겹치지 않는 패턴을 찾습니다. 정보량의 대리 지표로 국소 엔트로피를 사용합니다. 과거 움직임이 한쪽으로 강하게 치우치고 국소 엔트로피가 낮은 패턴을 더 유익한 것으로 취급합니다. 매수 패턴과 매도 패턴을 균형 있게 포함하는 것도 목표로 합니다. 저자들은 기존 군집화가 편향되거나 불균형한…
이 연구는 암호화폐 가격 예측과 트레이딩 전략 개발에 순환 신경망을 적용하는 작업 흐름을 설명합니다. 시장의 변동성과 순환 모형이 시계열 데이터의 패턴을 표현할 수 있다는 점을 방법의 근거로 듭니다. 설명된 과정에는 데이터 수집과 전처리, 모형 개선, 예측을 활용한 트레이딩 전략 수립이 포함됩니다. 이 연구는 수익성과 위험을 평가하기 위해 백테스팅을 사용한다고 하지만, 데이터셋 세부 사항, 모형 구조, 트레이딩 규칙, 벤치마크 결과, 측정된 예측 정확도는…
이 연구는 매수 및 매도 주문을 가치 평가 분포에서 무작위로 추출한 것으로 간주해 표준 콜 경매의 가격 형성을 모형화합니다. 균형 조건으로 청산 가격과 거래량의 분포를 도출합니다. 매수·매도 호가 물량은 유연한 매개변수로 두어 비대칭 또는 두꺼운 꼬리를 가진 주문 흐름을 표현할 수 있습니다. 유동성이 높으면 청산 가격은 가치 평가와 주문 흐름 불균형에 따라 평균과 분산이 달라지는 정규분포에 가까워집니다. 시뮬레이션으로 거래량이 많거나 적은 경매에서 가치…
이 문서는 가격이나 수익률을 직접 예측하는 대신 시장 상태를 분류해 전략을 구성하는 방법을 설명합니다. 레이블이 상태를 정의하고, 이동평균 같은 시장 특성은 해당 레이블을 구별하는 능력을 기준으로 선택합니다. 별도의 신경망이 특성으로 각 레이블을 예측해 매수 또는 매도 확률을 출력하며, 이 권고를 선형 결합해 후보 전략을 만듭니다. 앙상블에 넣을 전략을 고르기 위해 저자들은 과거 수익률을 바탕으로 점수를 만들고, 거래 횟수가 적거나 투입 자본이 적은 전략에는…
이 논문은 소셜 미디어의 감성과 관심도 지표가 암호화폐 10종의 일일 로그 수익률을 예측하는 데 도움이 되는지 평가합니다. 예측 변수에는 트위터와 레딧의 감성, 구글 트렌드 지수, 거래량이 포함됩니다. 예측 방법은 LASSO 규제를 적용한 벡터 자기회귀이며, 2018년 1월부터 2022년 1월까지의 일별 관측값을 대상으로 재귀적 30일 예측을 수행해 평가합니다. 또한 연구에서는 예측값을 벤치마크와 비교하고, 고차원 VAR에서 그랜저 인과관계를 분석하기 위해…
이 연구는 두 주식 사이의 선후행 관계를 반영하는 주식 페어 선정 거리 측정법을 제안합니다. 상관관계가 있는 증권도 동시에 움직이지 않을 수 있으며, 한쪽이 다른 쪽보다 먼저 반응하는 경향이 있을 수 있다는 점에서 출발합니다. 기존 페어 선정 측정법은 이러한 시간 관계를 반영하지 않았습니다. 제안된 측정법은 추정된 선후행 값이 시간에 따라 연속적으로 변하도록 해 고정되지 않은 관계를 나타내려 합니다. 저자들은 인도와 미국 기업의 데이터셋으로 접근법을…
이 연구는 연속 선물 트레이딩에 심층 강화학습을 적용하며 이산형과 연속형 행동 공간을 모두 살펴봅니다. 보상 함수에 변동성 스케일링을 포함해 포지션 규모가 시장 변동성에 반응하도록 합니다. 상품, 주가지수, 채권 및 외환을 아우르는 50개 유동성 상위 선물 계약을 2011부터 2019까지 평가합니다. 보고된 실험은 학습된 전략을 시계열 모멘텀 기준 전략과 비교하며, 높은 거래 비용을 반영한 뒤에도 강화학습 방식이 더 나은 성과를 냈다고 봅니다. 저자들은 큰…
이 논문은 비트코인의 시장 가격을 블록체인 기반 펀더멘털 효용 측정치와 비교하기 위한 가격 대비 효용 비율을 소개합니다. 저자들은 화폐 이론과 비트코인의 UTXO 회계 구조를 이용해 이 측정치를 도출하고 기존 시장 가격 대비 펀더멘털 대리변수와 비교합니다. 과거 비트코인 분석에서 기존 대안의 단기 예측력은 낮았으며, 제안된 비율은 장기 수익률을 더 효과적으로 예측한다고 보고됩니다. 논문은 이 비율의 설명력을 살펴보기 위해 머신러닝을 적용하고, 이를 바탕으로…
이 논문은 과거 데이터 재생 백테스트의 한계를 다룹니다. 이러한 백테스트는 전략의 행동에 시장이 어떻게 반응할지 모형화하지 않습니다. 서로 다른 전략을 쓰는 트레이더 간의 상호작용을 나타내는 방법으로 다중 에이전트 시뮬레이션을 제시하며, 이를 통해 실험용 트레이딩 에이전트를 시뮬레이션 시장에서 시험할 수 있습니다. 현실적인 보정에 필요한 개별 에이전트의 상세한 과거 데이터는 대체로 독점 자료이거나 이용할 수 없다는 실무적 문제도 있습니다. 제안된 접근법은…
ClusterLOB는 주문별 시장 데이터에서 얻은 개별 시장 이벤트를 시간 의존적 특징 6개로 군집화합니다. K-means++ 군집화 결과는 방향성, 기회 추구형, 시장조성형 참여자로 해석되며, 지정가 주문장에서 서로 다른 행동을 연구하는 방법을 제공합니다. 연구는 소형·중형·대형 틱 주식을 아우르는 NASDAQ년 치 데이터를 사용합니다. 군집별 주문 흐름 불균형을 30분 간격으로 측정하고, 학습 데이터와 테스트 데이터에서 군집화하지 않은 벤치마크와 비교하는…
이 연구는 포트폴리오의 위험 민감도를 학습에 직접 반영하는 체계적 옵션 트레이딩용 과거 데이터 기반 딥러닝 프레임워크를 제시합니다. 목적 함수는 성과 중심 손실 함수와 선택한 위험 요인에 대한 노출을 줄이는 미분 가능한 페널티를 결합합니다. 이를 통해 학습된 포트폴리오가 정해진 헤지 제약을 충족하면서 위험조정수익률을 최적화하도록 유도하며, 헤지 정책을 학습하는 데 시뮬레이션한 시장 동학에 의존하지 않습니다. 이 프레임워크는 나스닥 100 주식 옵션의 정적…