Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 266개
이 문서는 자산별 시계열과 맥락 정보를 상한과 하한이 있는 포트폴리오 리스크 비중으로 변환하는 신경망 정책 네트워크의 구조를 설명합니다. 자산별 기본 구조는 맥락 임베딩, 특성별 조절, 변수 선택, LSTM, 인과적 시간 어텐션을 결합합니다. 이후 지연된 횡단면 어텐션으로 자산 간 관계를 처리하며, 선택적으로 거시경제 인접 그래프로 범위를 제한한 어텐션을 적용할 수 있습니다. 정적 맥락에는 자산 정체성, 그룹 소속, 거래 비용을 담을 수 있고, 마스크는 이용…
이 노트북은 주요 S&P 500 주식 신호 구성에 적용할 포트폴리오 비중 산정 방식을 비교합니다. 먼저 검증 샤프를 기준으로 각 구성에서 전체 구간을 포괄하는 가장 우수한 체크포인트를 선택한 뒤, 점수 가중, 컨포멀 가중, 역변동성, 리스크 패리티, 평균-분산 최적화, 계층적 리스크 패리티 등 대체 배분 방식을 같은 예측치에 적용합니다. 리밸런싱마다 보유하는 종목 수도 바꾸고, 신호 단계의 동일 가중 기준선과 결과를 비교합니다. 이 설계는 예측 품질과 배분의…
이 노트북은 기관의 13F 공시를 운용사와 주식을 연결하는 이분 그래프로 변환한 뒤 주식 단위의 보유 특성을 도출합니다. 같은 운용사와 주식의 중복 포지션을 합산하고 발행사 이름을 표준화하며 옵션 행을 제외합니다. 공시 누락을 청산으로 잘못 해석하지 않도록 완전한 보고 분기를 사용합니다. 공시일로 전체 선정 운용사의 스냅샷을 언제부터 이용할 수 있는지 판단하므로 시점별 연구를 지원합니다. 분석에서는 운용사 보유 내역으로 주식 간 코사인 유사도, 보유 폭과…
이 노트북은 오프라인 머신러닝 파이프라인과 QuantConnect의 LEAN 엔진 사이의 배포 경계를 보여줍니다. ETF 사례 레지스트리에서 예측 집합을 선택하고 학습 및 예측 출처를 검증한 뒤, 플랫폼이 사용할 수 있는 JSON 구조로 표본 외 홀드아웃 예측을 내보냅니다. 플랫폼 알고리즘은 모델 추론 파이프라인을 재현하지 않고 해당 점수에 포트폴리오 규칙을 적용합니다. 예측을 고정하면 연구자가 재학습 없이 임계값, 포지션 한도, 리밸런싱 규칙을 시험할 수도…
이 문서는 트레이딩 사례 전반의 모델 학습, 예측, 인과 추정, 백테스트를 기록하는 실행 로그 시스템을 설명합니다. 사례 설정에서 학습 메뉴와 모델 사전 설정으로 이어진 구성이 데이터 파일, 특성 열, 폴드 날짜, 예측 행, 전처리, 추정기 매개변수, 소프트웨어 버전을 포함한 확정 명세가 되는 과정을 다룹니다. 이 명세의 표준화된 표현으로 실행 식별자를 만듭니다. 아카이브는 학습 실행, 예측 집합, 백테스트를 3단계 엔터티 모델로 연결하고 인과 실행은 별도…
이 노트북은 기관의 13F 보유 내역을 운용사와 주식을 연결하는 그래프로 만들고, 섹터 관계와 주식 수, 가치, 보고 기간, 공시일을 담은 보유 관계를 추가합니다. 공동 보유와 다단계 관계에 대한 그래프 질의를 보여주고, 자카드 유사도로 운용사 간 보유 종목을 비교합니다. 증권 식별자는 CUSIP이며, 이를 통해 발행사 이름의 표기 변형을 별개 주식으로 취급하지 않습니다. 초기 보고 기간을 기준으로 투자 대상군을 정해 이후 보유 내역이 과거의 코호트 구성을…
이 데모는 단일 주문 워크플로를 대형 US 주식의 고정 유니버스에 대한 일간 리밸런싱으로 확장합니다. 현재 브로커 포지션을 모델 목표와 비교하고 차이에 대한 주문을 구성한 뒤, 모의 거래 브로커 래퍼를 통해 바스켓 주문을 선택적으로 제출하는 방법을 설명합니다. 연결된 계좌가 모의 거래 계좌인지 확인하고 저장 상태를 브로커 포지션 및 미체결 주문과 대조하며, 포지션·주문·일일 손실 한도를 적용합니다. 워밍업 봉과 시세는 실행에 사용하는 브로커 세션에서…
이 장은 지속 가능한 트레이딩 연구에는 변화하는 시장, 노이즈가 있는 근거, 실행 비용에 적응하는 체계적인 과정이 필요하다고 주장합니다. 구조적 단절, 레짐, 데이터 드리프트, 개념 드리프트의 차이를 소개한 뒤, 시점별 데이터와 명확한 범위 설정, 반복 개발, 현실적인 전략 설계, 배포와 모니터링을 중심으로 연구부터 운영까지의 절차를 제시합니다. 탐색과 확인이 어떻게 다른지도 설명하며, 실험 기록, 봉인된 홀드아웃, 선택 과정을 고려한 평가를 강조합니다. 이…
이 노트북은 이전에 선택한 ETF 설정을 확보해 둔 홀드아웃 구간에 적용합니다. 선택된 학습 ID와 체크포인트에서 해당 홀드아웃 예측값을 가져온 다음, 홀드아웃에서 조정하지 않고 전략의 기존 포트폴리오 집중도, 배분, 리스크 오버레이, 리밸런싱 주기, 비용 가정을 사용합니다. 실행 결과는 홀드아웃 백테스트로 등록됩니다. 같은 예측 집합에서 서로 다른 두 번째 설정을 평가하면 홀드아웃 결과 중 선택하게 되어 검정이 훼손되므로 이를 방지하는 보호 장치가…
이 벤치마크 생성 방법은 사례 연구에서 지정한 자산으로 동일 가중 일별 수익률 시계열을 만듭니다. 먼저 각 세션의 심볼별 마지막 종가를 가져온 다음 종가 간 수익률을 계산하고, 이용 가능한 심볼 수익률의 평균을 구합니다. 자산이 관측 패널에 새로 들어오거나 빠질 때 인위적인 수익률이 생기지 않도록 연속된 세션에 가격이 있는 경우에만 해당 심볼을 포함합니다. 벤치마크는 일별 격자로 만들어 같은 주기의 전략과 수익률 및 연환산 지표를 비교할 수 있습니다. 이…
이 노트북은 분산된 ETF 유니버스를 위한 롱온리·완전 투자 평균분산 프레임워크를 구축합니다. 실현 가능한 포트폴리오와 효율적 투자선을 구성한 뒤 추정 수익률과 공분산으로 샤프 지수 최대화 및 분산 최소화 비중을 풉니다. 추정이 덜 필요한 동일 비중, 역변동성, 동일 위험 기여도 같은 간단한 대안과 최적화 포트폴리오도 비교합니다. 핵심은 기대수익률을 추정하기 어렵고, 공분산을 훨씬 더 많은 관측치로 추정하더라도 기대수익률이 최적화 결과를 좌우할 수 있다는…
이 노트북은 예측, 집중도, 배분 규칙을 고정한 채 성과가 좋은 ETF 배분 설정을 두 가지 비용 격자에서 다시 가격 책정합니다. 주식 수에 따라 ETF 거래 비용이 달라지는 사례 연구의 주당 수수료 및 스프레드 절반 모형과, 거래 금액에 비례해 비용을 부과하는 베이시스포인트 격자를 비교합니다. 여러 비용 수준에 등록된 백테스트를 통해 감소 곡선을 만들고, 순 샤프 지수가 0이 되는 지점이나 시험한 격자 범위에서 교차점이 얼마나 벗어나는지 확인할 수…
이 설정은 기업 특성 순위에 따른 월간 롱숏 US 주식 포트폴리오를 설명합니다. 46개 특성의 완전 사례 유니버스, 월말 의사결정, 다음 시가 체결, 롱·숏 각각의 동일 비중, 차입 비용을 포함한 주요 거래 비용을 명시합니다. 특성 목록은 가치, 품질, 투자, 모멘텀 같은 신호를 묶고, 가정한 갱신 지연과 실패 유형을 기록합니다. 월간 수익률 레이블과 홀드아웃 2016 기간을 포함한 워크포워드 평가도 설정합니다. 중요한 설계 논점은 배분 방식의 추정입니다.…
이 노트북은 포트폴리오 수익률부터 모의 거래까지 월간 ETF 로테이션 백테스트를 구축합니다. 후행 위험조정수익률을 기준으로 10개 펀드의 순위를 매기고, 미국 국채 수익률 곡선 국면에 따라 상위 펀드와 방어적 채권 배분 중 하나를 선택해 다음 거래일 시가에 체결합니다. 수수료, 현금 한도, 60/40 벤치마크도 동일한 시뮬레이터에서 처리합니다. 신호일에 이용할 수 있었던 정보만 사용하고 날짜, 가격, 비용이 일치하는 포트폴리오끼리 비교하는 절차를 강조합니다.…
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 명시적인 거래, 금융, 펀드 비용 가정에 따라 세전 수익률을 세후 성과로 환산하는 방법을 보여줍니다. 비용 항목에는 스프레드와 시장 충격, 수수료와 거래소 비용, 증거금 이자, 주식 대차, 운용 및 관리 비용이 포함됩니다. 매개변수화된 계산으로 실제 일간 ETF 수익률 시계열에서 고회전율 롱 온리, 레버리지 롱숏 스프레드, 저회전율 롱 온리 구성을 설정해 비용을 차감한 다음 세전·세후 수익률, 샤프 비율, 드로다운을 비교합니다. 이 비교는…
이 노트북은 멀티애셋 ETF 유니버스에서 롱온리 포트폴리오 배분 6가지를 비교합니다. 최적화를 불안정하게 만들 수 있는 표본 변동을 줄이기 위해 Ledoit–Wolf 공분산 축소를 사용하고, 샤프 비율 최대화, 분산 최소화, 리스크 패리티, 계층적 리스크 패리티, 조건부 드로다운 위험 최소화, 동일 비중을 비교합니다. 기법마다 필요한 추정치가 다릅니다. 일부는 기대수익률과 공분산을 사용하고 위험만을 기준으로 하는 목적 함수는 기대수익률 예측을 제외합니다.…
이 자료는 별도의 2021 홀드아웃 예측을 사용해 검증 데이터에서 선택한 전략을 평가하는 방법을 설명합니다. 선택한 배분, 집중도, 위험 통제, 거래 일정, 비용은 고정하고 전략에 입력되는 예측만 바꿉니다. 홀드아웃 예측 집합은 학습 명세를 통해 선택한 모델 설정에 연결되어 평가가 의도한 절차를 따르도록 돕습니다. 설명에서는 홀드아웃 결과를 검증 수치와 비교하면서 검증 성과가 탐색에서 나왔기 때문에 낙관적이라는 점을 유의합니다. 단일 홀드아웃 연도는…
이 노트북은 특성에 따라 달라지는 팩터 로딩과 잠재 팩터의 곱으로 주식 수익률을 모델링하는 조건부 오토인코더를 설명합니다. 먼저 횡단면 공동 최소제곱 적합으로 특성 관리 포트폴리오 수익률을 추정하고, 이어 신경망을 학습시켜 같은 시점의 수익률을 재구성합니다. 별도의 워크포워드 어댑터는 다음 팩터 값을 예측하고 현재 특성에 적용해 다음 날 주식 수익률을 예측합니다. 워크플로는 가격에서 산출한 특성 다섯 가지와 학습 데이터로 정의한 유동성 주식 유니버스를…
이 노트북은 모델이 자산 순위를 정한 뒤 배분 규칙이 ETF 전략에 미치는 영향을 살펴봅니다. 예측 집합과 리밸런싱 달력은 고정하고, 각 비교에서 동일한 상위 K개 바스켓을 선택한 뒤 바스켓 내 가중치만 바꿉니다. 방법에는 동일 가중, 점수 가중, 역변동성, 리스크 패리티, 평균·분산 최적화, 계층적 리스크 패리티가 포함됩니다. 보유 펀드 수에 따라 가중치가 달라질 여지가 달라지므로 바스켓 집중도도 함께 바꿔봅니다. 분석은 배분 방식의 효과가 신호가 선택한…
이 노트북은 거래 비용으로 손실을 보는 모든 봉 단위 NASDAQ-100 전략을 포트폴리오 구성으로 만회할 수 있는지 테스트합니다. 선언된 선택 유니버스에서 기준선 예측을 추린 다음 전체 유니버스에서 배분을 비교합니다. 보유 종목 수를 바꾸고 15분 거래 주기는 고정한 채 동일 가중, 점수 가중, 역변동성 포지션 크기를 비교합니다. 테스트한 모든 배분 방식의 결과가 상당한 손실로 남았다는 결론을 보고하며, 따라서 배분 선택과 집중도보다 회전율 부담이 더…
이 노트북은 동일 가중 신호 단계 기준선에서 검증 예측 설정을 추린 뒤, 같은 예측에 다른 자산 배분 방법을 테스트합니다. 점수 기반 및 적합도 가중치와 역변동성, 리스크 패리티, 평균·분산 최적화, 계층적 리스크 패리티를 비교하고 보유 종목 수를 바꿔봅니다. 검증 샤프 지수로 설정을 추려, 체크포인트가 촘촘한 구성이 후보 목록에서 지나치게 큰 비중을 차지하지 않도록 각 구성에서 전체 구간을 포괄하는 최적 체크포인트를 사용합니다. 이 비교는 각 계보의 동일…
이 문서는 선물 수익률을 위한 두 가지 잠재 요인 접근법을 소개합니다. 주성분 분석은 수익률 변동을 가장 많이 설명하는 비상관 방향을 찾고, 신경망 확률적 할인인자는 기대수익률의 횡단면 가격결정과 관련된 조합을 찾으며 캐리나 변동성과 같은 상품 특성을 활용할 수 있습니다. 따라서 두 방법은 서로 다른 질문에 답합니다. 광범위한 동조 움직임과 가격에 반영될 수 있는 수익률 구조를 다루며, 추정된 요인의 경제적 의미는 추가 해석이 필요합니다. 두 접근법은 미래…
이 Python 모듈은 일별 표본 외 수익률을 사용해 전략 백테스트의 불확실성을 정량화하는 방법을 설명합니다. 수익률 시계열 통계에 대한 정상성 블록 부트스트랩 구간, 자기상관과 비정규성을 조정한 Sharpe 표준오차, 평균 수익률에 대한 Newey–West 표준오차를 결합합니다. 블록 길이는 가능하면 리밸런싱 간격을 기준으로 정하고, 그렇지 않으면 최적 크기 추정기를 사용하되 수익률 산출 기간을 바탕으로 하한을 둡니다. 또한 일별 수익률 차이를 이용한 대응…