Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 535개
이 문서는 리서치 패널, 집계 예측, 반대 토론, 감독자를 결합한 종단 간 예측 구조를 소개합니다. 감독자는 의견 차이를 찾아 이를 설명할 근거를 검색하고 신뢰도 표기와 함께 확률을 제안합니다. 신뢰도 기반 규칙은 해당 확률로 앙상블을 대체할지, 결합할지, 그대로 둘지 결정합니다. 노트북은 출력에 영향을 주는 설정을 한곳에 모으고 나중에 검토할 수 있도록 단계별 확률과 실행 세부사항을 기록합니다. 예제에서는 아직 결론이 나지 않은 경제 문제에 대한 기록된…
이 문서는 고정 기간에 걸쳐 포지션을 청산하도록 에이전트를 학습시키는 Gymnasium 환경을 설명합니다. 관측값은 남은 재고와 시간에 스프레드, 시장 깊이, 변동성, 정상 또는 스트레스 국면을 결합합니다. 연속형 행동은 기준 일정에 대한 실행 속도를 설정하고, 참여율과 일정 한도가 거래를 제한합니다. 완료를 보장하기 위해 마지막 단계에서 남은 주식을 모두 매도합니다. 시장 경로에는 GARCH 변동성, 국면별 유동성, 방향성 기대 드리프트가 없는 가격 변동이…
이 문서는 FX 전략에서 고정 손절 규칙과 추적 손절 규칙을 검증 단계에서 비교합니다. 각 수익률 레이블에 대해 신호와 배분 결과로 이뤄진 봉인된 집단에서 기준 전략을 선택한 뒤, 기준 전략의 식별 정보는 고정하고 지정된 포지션 단위 위험 제어만 바꿉니다. 손절은 보유 기간 중 가격 경로에 따라 작동하므로, 시작과 끝의 수익률은 같지만 중간 드로다운이 다른 포지션을 구분할 수 있습니다. 사례 연구는 규칙을 개별 포지션에 적용하며 포트폴리오 전체의 드로다운이나…
이 노트북은 기준 주문을 유한 기간 제어 문제로 설정합니다. 각 구간에서 표 형식 Q-러닝은 VWAP 기반 거래 분할량에 곱할 계수를 선택하며, 시간과 남은 재고, 가장 최근에 관측한 스프레드 및 변동성 국면을 고려합니다. 보상은 스프레드와 시나리오 기반 시장 충격을 포함한 실행 비용과 변동성이 큰 구간 동안 재고를 보유하는 데 따른 선형 페널티 사이의 균형을 맞춥니다. 참여율 상한은 체결량을 제한하고 종료 페널티는 미체결 재고에 비용을 부과합니다. 가격과…
이 노트북은 극단적인 무기한 선물 프리미엄이 후속 BTC 수익률이나 프리미엄 회귀에 영향을 주는지 살펴봅니다. 높은 프리미엄 상태를 처치로 정의하고, 다양한 요인의 영향을 받을 수 있는 광범위한 시장 결과와 펀딩 압력 및 차익거래에 더 직접적으로 연결되는 프리미엄 변화를 비교합니다. 인과 그래프는 과거 수익률 및 변동성을 통제 변수로 사용하는 조정 집합을 지정하며, 설계에서는 처치 전 통제 변수와 선행 결과를 구분합니다. 분석은 시간에 따른 표본 외 안정성,…
이 장에서는 적합된 통계 절차를 트레이딩 모델의 특성으로 바꾸는 방법을 살펴봅니다. 진단 및 정상성, 구조적 변화, 분수 차분, 칼만 필터, 스펙트럼 및 경로 서명 기법, ARIMA 및 GARCH 변동성, HAR 및 거친 변동성 측정치, 불확실성 추정치, 국면 모델, 횡단면 또는 패널 변환을 다룹니다. 출력에는 필터링된 수준과 추세, 혁신, 예측값, 조건부 변동성, 국면 확률, 사후 또는 예측 불확실성이 포함됩니다. 핵심 워크플로는 학습 데이터를 사용해…
이 노트북은 상장 옵션 데이터를 읽어 주식 순위를 매긴 다음 해당 주식을 보유하는 전략에 사용할 선행 주식 수익률 라벨을 만듭니다. 기업 행위를 반영한 조정 가격 시계열을 생성하고 지속적인 증권 ID로 기업을 식별한 다음, 각 선행 구간이 완전한지, 하나의 증권에 속하는지, 거래 세션 단위로 측정되는지 확인합니다. 이용할 수 없는 수익률을 명시적으로 처리해 방향 라벨도 도출합니다. 보유 기간과 검증 퍼지 버퍼를 구분하고 신호 관측 시점이 아니라 결과 확정…
이 노트북은 과거 US 주식 수익률로 상관 네트워크를 만들고 포트폴리오 구성을 살펴봅니다. 추정 구간 데이터를 사용해 유동성 있는 종목군을 선택하고 쌍별 상관관계를 거리로 바꾼 다음, 촘촘한 의존 구조를 더 쉽게 살펴보도록 최소 신장 트리(MST)를 추출합니다. 차수 중심성, 매개 중심성, 근접 중심성으로 각 자산의 트리 내 위치를 설명하고, 역중심성 가중 규칙으로 구조적 허브의 비중을 낮추되 포지션 한도를 적용합니다. 이 노트북은 배분을 포트폴리오…
이 노트북은 정보 계수, 분위수 수익률, 상하위 스프레드, 분류 진단을 사용해 횡단면 모멘텀 팩터를 평가합니다. Spearman IC를 신호와 후속 수익률 간 날짜별 순위 상관으로 소개하고, 전체 날짜·자산 관측값을 합친 상관과 구분합니다. 통합 IC에는 수익률의 시간 변동도 반영되므로 두 방식의 결과가 달라질 수 있습니다. 또한 ICIR, 유의성 지표, 분위수 단조성, 회전율, 신호 감쇠를 상호 보완적인 진단으로 설명합니다. 사례에서는 ETF 데이터를…
이 노트북은 ETF 패널을 사용해 쌍별 및 횡단면 특성을 설명합니다. Engle–Granger와 Johansen 공적분 검정을 비교하며 정상성을 갖는 스프레드와 단순한 동조 움직임을 구분합니다. 에너지 펀드와 원유 펀드 사례는 두 검정을 모두 통과하지 못합니다. 펀드 보유 자산과 선물 롤 비용의 차이는 고정된 조합이 왜 표류할 수 있는지 설명하는 데 도움이 됩니다. 노트북은 공적분 검정에서 기각된 헤지 비율이 거래 가능한 관계의 증거가 아니라고 경고합니다.…
이 사례 연구는 상장 옵션 정보가 S&P 500 주식 선정에 도움이 되는지 살펴봅니다. 2017년부터 2021년까지 633개 주식의 일별 주가와 옵션 내재 변동성 수준, 스큐, 기간 구조, 분산 위험 프리미엄 지표를 결합합니다. 옵션 특성값에는 시차를 두고, 금요일 데이터로 포트폴리오를 정한 뒤 다음 월요일 시가에 거래를 시작합니다. 연구 워크플로는 수익률 라벨, 특성 구성, 여러 모델군, 포트폴리오 배분, 위험 통제, 거래 비용, 후속 기간 평가를…
이 모듈은 CME 선물 연구를 위한 독자용 워크플로를 정의하며, 모델 요청, 예측 및 백테스트 실행, 후보 풀, 최종 선정을 다룹니다. 공통 설정 선언에서 구성된 라벨 스윕을 읽고 선언된 순서를 유지하며, 요청된 모델 구성이 모든 라벨에 존재하는지 확인합니다. 연구 구성에서는 표준 실행과 축소된 미리보기 실행을 구분하고 실행 세부 정보를 기록해 미리보기 결과가 표준 모집단의 구성원으로 취급되지 않도록 합니다. 전략 선정을 위해 이 워크플로는 검증 및 위험…
이 노트북은 관측된 가격 경로를 바탕으로 삼중 장벽 라벨의 폭을 정하기 위해 최대 유리 변동폭(MFE)과 최대 불리 변동폭(MAE)을 사용합니다. 바 종가에 진입한 포지션을 대상으로 다음 바부터 시작하는 선행 보유 기간 동안의 최대 유리 움직임과 최대 불리 움직임을 측정합니다. 롱과 숏 포지션은 정의가 반대입니다. 진폭(True Range)과 와일더 스무딩을 사용한 평균 진폭도 설명하고, 변동성 조건부 분석으로 장벽 폭을 조정하는 방법을 제시합니다. 일별…
이 문서는 신호 선택과 포지션 규모 결정을 분리하기 위해 설계된 FX 포트폴리오 배분 스윕을 설명합니다. 검증 백테스트 성과 순으로 정렬한 고정 동일 비중 기준선 후보에서 시작해 각 모델 체크포인트와 신호 매핑을 유지하면서 다음 설정 단계로 진행합니다. 스윕에서는 예측값, 선택된 페어, 거래 비용, 실행 가정을 고정하고 배분 규칙만 바꿉니다. 각 전략 명세를 기준선과 비교하고 배분 외의 필드 변경은 거부합니다. 워크플로는 정식 프로덕션 실행과 축소된 미리보기…
이 문서는 모델의 불확실성이 점 추정치 이상의 정보를 제공하는 방식을 설명합니다. 과거 수익률로 변동성을 정의하는 GARCH와, 변동성을 잠재 자기회귀 과정으로 보고 수익률을 스튜던트 t 분포로 모델링하는 확률적 변동성 모델을 비교합니다. 사후분포의 산포는 지속성, 변동성 동학, 꼬리 특성 추정치와 함께 시간에 따라 변하는 특성으로 활용할 수 있습니다. 노트북은 SPY 수익률에 대한 롤링 적합과 사후 요약값 추출을 설명하며, 적합에 몇 분이 걸릴 수 있다고…
이 노트북은 직접 만든 사례 6개를 사용해 문서 기반 금융 어시스턴트의 보안 규칙을 평가합니다. 사례에는 프롬프트 인젝션, 신뢰할 수 없는 자료에 조작된 수치 삽입, 작업 시도, 검색되지 않은 콘텐츠 인용이 포함됩니다. 검색된 콘텐츠를 무차별적으로 사용하는 기준 정책과 문구 기반 인젝션 탐지를 신뢰 필터링 및 근거 확인과 결합한 방어 정책, 두 가지 답변 정책을 비교합니다. 사례는 이 통제들이 서로 다른 실패를 다루는 이유를 보여줍니다. 패턴 매칭은 알려진…
이 사례 연구는 CME 선물의 여러 포지션 규모 결정법을 동일 비중 기준선과 비교합니다. 역변동성 포지션 산정은 각 계약의 자체 변동성을 사용하는 반면, 공분산 기반 방법은 상품 간 관계도 고려합니다. 이런 방법은 분산투자를 개선할 수 있지만 제한된 과거 데이터로 더 많은 값을 추정해야 하며 잡음을 키울 수 있습니다. 노트북은 강한 신호 설정을 추린 뒤 각 의사결정 전에 이용할 수 있는 가격 이력으로 명시된 배분 방법을 적용합니다. 문서는 검증 샤프가 후보…
이 노트북은 금융 시계열을 생성하는 과정의 변화를 찾는 방법을 살펴보며, 일별 SPY 데이터를 예시로 사용합니다. 단위근을 검정하면서 하나의 구조적 변화를 추정하는 Zivot–Andrews 검정과 여러 변화점을 찾는 구간 분할 방법을 비교합니다. PELT은 패널티를 통해 변화점 개수를 정하지만, 이진 분할은 지정된 개수를 요구합니다. 두 방법 모두 구간 내 수준 안정성을 바탕으로 비용을 계산합니다. 가정이 다르면 날짜도 달라질 수 있으며, 어느 방법도 구조적…
이 검증 스크립트는 모델 예측부터 포트폴리오 비중과 백테스팅까지 축소된 CME 선물 리서치 워크플로를 실행합니다. 예측값이 예상한 상품, 타임스탬프, 폴드 키를 정확히 포함하는지, 적합된 상태와 예측 파일이 기록된 다이제스트와 일치하는지, 요청을 다시 실행했을 때 같은 아티팩트가 재현되는지 확인합니다. 미리보기 출력이 공식 모집단과 후보 집합에서 분리되어 있는지도 점검합니다. 예시에서는 순위가 가장 높은 상품을 선택해 롱숏 신호를 구성하고 변동성에 반비례해…
이 노트북은 거래 마찰, 금융 비용, 펀드 비용을 각각 모델링해 총수익률을 순성과로 환산하는 설명 방식을 제시합니다. 매개변수화된 비용 구성표는 회전율과 거래 규모로 거래 비용을 계산하고, 레버리지와 공매도 익스포저로 금융 비용을 계산하며, 운용 및 관리 가정을 바탕으로 연간 비용을 계산합니다. 그런 다음 이 비용을 일별 ETF 수익률 시계열의 세 가지 구성에 적용합니다. 회전율이 높은 QQQ, 레버리지를 사용한 QQQ-IWM 롱숏 스프레드, 회전율이 낮은…
이 모듈은 실시간 제공자와 결정적 모의 제공자를 갖춘 리서치 에이전트용 검색 인터페이스를 설명합니다. 검색 결과 수를 제한하고 게시일 기준일을 적용해 해당 날짜 또는 이후 결과를 제거함으로써 특정 시점 기준 리서치를 지원합니다. 허용 목록과 차단 목록으로 도메인 출처를 필터링하며, 도구 실행기는 감사용 정책 집행 및 실행 로그를 적용해 검색 호출을 감쌉니다. 모의 클라이언트는 미리 준비한 결과를 반환하고 동일한 기준일 필터를 적용해 개발 실행을 반복할 수…
이 모듈은 종단 간 포트폴리오 학습을 위한 미분 가능한 목적 함수를 정의합니다. 자산별 위험 가중치를 변동성으로 조정해 포트폴리오 익스포저로 바꾸고, 이용 가능한 자산의 평균 비용 차감 전 수익률을 계산하며, 이전 가중치와의 차이를 바탕으로 거래 비용을 선택적으로 차감합니다. 수익률 시계열을 평가할 때 초기 구간을 제외할 수 있습니다. 목적 함수는 합산 샤프 비율과 기간별 샤프 비율의 소프트 최솟값을 조정 가능한 파라미터로 가중해 결합하며, 학습은 결합…
이 사례 연구는 월별 관측치로 구성한 US 기업 특성 포트폴리오에서 손절, 추적 손절, 기타 포지션 단위 오버레이를 검정할 수 없는 이유를 설명합니다. 벡터화 백테스트는 한 달 동안 실현된 미래 수익률에 가중치 벡터 하나를 적용하므로 진입과 청산 사이의 가격 경로가 없습니다. 손절 작동 방식과 최대 불리·유리 움직임은 이 누락된 경로에 달려 있으며, 이를 시뮬레이션하려면 존재하지 않는 데이터를 만들어야 합니다. 배포 자료는 익명의 블록 단위 기업 식별자를…
이 설정은 롱온리 ETF 순위화 및 리밸런싱 실험을 정의합니다. 주식, 채권, 원자재, 지역 익스포저를 포함하는 폭넓은 100-ETF 유니버스를 구성하고, 매월 의사결정해 다음 시가에 체결합니다. 주요 레이블은 21일 수익률을 예측합니다. 5일 레이블에는 주간 일정을 적용해 백테스트 주기를 예측 기간에 더 잘 맞춥니다. 순위로 포지션을 선택하고 동일 비중을 적용하며, 여러 포트폴리오 집중도에서 상위 k개 선택을 시험합니다. 일별 가격 데이터에는 매수·매도…