Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 571개
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 생존한 US 주식으로 구성한 동일가중 포트폴리오가 전체 초기 종목군에 비해 수익률을 얼마나 과대평가할 수 있는지 추정합니다. 먼저 패널에 종목 이탈이 기록되기 시작한 시점을 살펴보며, 기록된 이탈은 데이터셋의 마지막 몇 년에 들어서야 나타납니다. 그 이전에 누락된 기업은 원천 데이터에 없으므로, 분석 결론은 이탈이 관측되는 기간으로 제한됩니다. 패널에는 상장폐지 사유와 최종 지급 내역도 없어 마지막 호가 이후 결과를 모델링해야 한다고 설명합니다.…
이 노트북은 기업 특성으로 수익률을 예측하는 잠재 요인 접근법인 도구화 주성분 분석(IPCA)을 소개합니다. 각 특성에 직접 수익률 가중치를 부여하는 대신, IPCA는 각 기업의 요인 노출을 해당 기업 특성의 선형 함수로 모델링합니다. 공통 매핑은 패널 전체에서 추정하고, 요인 수익률은 월별로 달라집니다. 교대 최소제곱법은 Ridge 페널티를 적용해 매핑과 요인 수익률을 함께 추정하며, 적합된 노출과 수익률로 검증 월의 예측값을 생성합니다. 이 노트북은…
이 노트북은 가격 수준에서 금융 특성을 추출하는 국소 선형 추세 상태 공간 모델을 설명합니다. 숨겨진 상태에는 가격 수준과 기울기가 포함되고 관측값은 잡음이 있는 종가입니다. 필터는 매 단계 상태를 예측하고 관측값의 혁신을 측정한 뒤 칼만 이득에 따라 추정치를 업데이트합니다. 이렇게 얻은 수준, 기울기, 혁신, 불확실성으로 추세와 예상 밖의 움직임, 신뢰도를 설명할 수 있습니다. 잡음 설정은 추정치의 반응 속도를 좌우하며 최대우도 적합은 임의로 정한 값 대신…
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 옵션 분석 연구에서 주식 수익률 예측을 위한 무조건부 잠재 요인 기준선으로 주성분 분석을 제시합니다. PCA는 과거 수익률 패널로 공통 움직임과 각 주식의 노출도를 추정한 다음 학습 구간에서 추정한 요인 평균으로 예측값을 만듭니다. 내재 변동성, 스큐, 기간 구조 및 기타 옵션 특성은 의도적으로 제외합니다. 이 기준선을 통해 관련 모델에서 노출도를 옵션 특성에 따라 조정했을 때의 기여도를 측정할 수 있습니다. 노트북은 선언된 수익률 라벨 전반에…
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 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 주간 S&P 500 옵션 전략의 특수 백테스트를 설명합니다. 각 코호트는 순위가 높은 구성 종목을 선택해 만기가 대략 한 달 남은 등가격 부근 콜옵션과 풋옵션을 매도하고, 순델타가 임계값을 넘으면 주식으로 델타 헤지를 합니다. 만기에는 포지션을 내재가치로 결제합니다. 호가가 일찍 끊기거나 보유 한도에 도달한 계약은 정해진 청산 규칙에 따라 마지막으로 이용 가능한 마크 가격이나 매도 호가로 다시 매수합니다. 포트폴리오 회계에는 겹치는 코호트, 고정…
이 노트북은 넓은 US 주식 종목 패널의 공통 움직임을 주성분 분석으로 나타냅니다. PCA은 수익률의 공통 변동을 설명하는 방향을 추출하며 각 주식의 로딩은 해당 방향에 대한 노출도를 나타냅니다. 제한된 요인 집합으로 재구성한 예측은 종목 고유 정보를 버리는 대신 패널과 공유하는 주식 움직임을 포착합니다. 미래 수익률을 요인 추정에 사용하지 않도록 각 워크포워드 학습 폴드 안에서 요인을 적합한 뒤 검증 행에 적용합니다. 요인 개수는 탐색이 아닌 사전 설정으로…
이 노트북은 과거 수익률 특성 시퀀스로 ETF의 미래 수익률을 예측하는 시계열 합성곱 네트워크(TCN)를 소개합니다. 인과 합성곱은 출력이 해당 날짜까지의 관측값만 사용하도록 보장하고, 기하급수적으로 늘어나는 팽창률은 입력 창 전반으로 수용 영역을 확장합니다. 잔차 연결은 더 깊은 스택을 지원하며 가중치 정규화와 채널 드롭아웃도 블록 설계에 포함됩니다. 모델은 횡단면 순위 상관계수와 영점 예측을 기준으로 한 제곱 오차를 사용해 릿지 회귀 기준선과 비교합니다.…
이 노트북은 틱 불균형 바와 거래량 불균형 바를 설명하고, NVDA 거래 데이터를 사용해 적응형, 고정 임계값, 이동 창 방식을 비교합니다. 틱 불균형 바는 부호가 있는 거래 방향을 임계값에 도달할 때까지 누적합니다. 예상 임계값은 바당 예상 거래 수와 매수 및 매도 불균형 추정치에 따라 달라집니다. 직접 계산한 틱 바를 라이브러리 구현과 대조하며, 매개변수 스윕으로 바 개수, 평균 바 크기, 수익률 정규성, 자기상관, 분산비를 살펴봅니다. 핵심은 적응형…
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 노트북은 재구성한 NASDAQ 주문장을 분석해 장중 최우선 매수·매도 호가의 스프레드와 잔량을 설명하고, 주문 흐름 불균형이 다음 구간의 수익률과 관련 있는지 살펴봅니다. 주가가 달라도 비용을 비교할 수 있도록 스프레드를 베이시스 포인트로 표시하고, 장중 스프레드와 최우선 호가 잔량을 그리며, 파싱한 메시지의 주문 추가와 취소로 불균형을 구성합니다. 두꺼운 꼬리를 가진 구간의 영향을 줄이기 위해 원시 불균형과 부호 있는 로그 변환을 비교합니다. 종목…
이 노트북은 조건부 오토인코더가 도구변수 PCA를 확장해 ETF 수익률을 모델링하는 방식을 설명합니다. 두 방법 모두 펀드 특성을 요인 익스포저로 매핑하고 이를 요인 수익률과 결합합니다. 오토인코더는 IPCA의 선형 특성-익스포저 매핑을 신경망으로 대체합니다. 학습에는 워크포워드 폴드를 사용하며, 미리 정한 에포크 일정에 따라 레이블마다 여러 체크포인트를 생성합니다. 노트북은 모든 체크포인트를 공개해 이후 모델 선택 시 후보 집합을 확인하고 검증 백테스트…
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 노트북은 금융 시계열을 어떻게 모델링할지 결정하는 절차를 제시합니다. SPY 가격과 수익률, VIX 수준, 수익률 분포를 그려 수준의 표류, 군집 움직임, 두꺼운 꼬리를 확인합니다. 귀무가설이 단위근인 Augmented Dickey-Fuller 검정과 수준 정상성을 귀무가설로 두는 KPSS를 함께 사용합니다. 두 검정의 귀무가설은 서로 반대이므로 단순한 예·아니요 판정 대신 네 가지 조합 해석이 가능합니다. 추가 진단에서는 수익률과 제곱 수익률의…
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…
이 벤치마크는 동일하고 결정적인 OHLCV 패널로 CSV, Parquet, Feather(Arrow IPC), HDF5를 비교합니다. 쓰기 시간, 메모리에 올린 뒤의 읽기 시간, 파일 크기, 선택한 열만 읽을 때의 영향을 측정합니다. 측정 방식은 한 번 쓰고 워밍업 후 반복해서 읽은 시간을 평균하는 것입니다. 따라서 읽기는 캐시가 따뜻한 상태에서 측정합니다. Feather의 메모리 매핑 열기 시간은 데이터 적재 비용으로 오해하지 않도록 메모리 적재 시간과…
이 ETF 특성 연구는 모델에서 산출한 입력 세 가지를 만듭니다. 시장 레짐을 추정하는 은닉 마르코프 모델(HMM), 기준 펀드의 분수 차분 가격, ETF별 ETF 조건부 변동성 GARCH(1,1)입니다. 미래 정보 누출을 막으려면 매 세션까지 이용할 수 있는 정보만으로 파라미터와 추론을 모두 계산해야 한다고 강조합니다. 재적합 일정에 따라 각 예측 구간 전에 추정한 파라미터를 적용하며, 필터링된 HMM 확률은 평활화 확률에 포함될 미래 정보를 사용하지…
이 노트북은 도구변수 주성분 분석(IPCA)을 설명합니다. 공통 요인을 추정하면서 각 주식의 요인 익스포저를 같은 날의 옵션 표면 특성으로 이루어진 공통 선형 함수로 표현합니다. 이러한 특성에는 내재 변동성, 풋콜 스큐, 기간 구조 기울기, 내재 분산과 실현 분산이 포함됩니다. 교대 최소제곱법으로 특성에서 익스포저로 이어지는 매핑과 요인 수익률을 적합합니다. 노트북은 이를 수익률 이력에서 익스포저를 구하며 균형 패널이 필요한 일반 PCA와 비교합니다. 제안된…
이 튜토리얼은 고정 손절·익절 장벽, 추적 손절, ATR 기반 청산, 머신러닝 청산 신호와 이 접근법들의 조합을 일별 SPY 데이터로 비교합니다. 고정 장벽은 진입 가격을 기준으로 시뮬레이션하며, 야간 갭은 시가에 체결하고 한 봉에서 손절과 목표가가 모두 닿으면 보수적으로 손절이 먼저 체결된다고 가정합니다. ATR는 최근 가격 움직임에 맞춰 청산 거리를 조정합니다. 머신러닝 부분은 기술적 특성과 시간순 분할을 사용하고, 미래를 보는 레이블에서 정보가 누출되는…
이 노트북은 Word2Vec 스킵그램을 기관 주식 보유 자료에 적용합니다. 기관별 포트폴리오를 문장으로, 주식 식별자를 토큰으로, 보고된 보유 가치 순으로 정렬한 포지션을 단어 순서로 다룹니다. 비슷한 포트폴리오 맥락에 반복해서 등장하는 주식은 가까운 임베딩을 얻을 수 있습니다. 이를 통해 기관 포트폴리오 행동을 표현하고 경제적으로 유사한 자산을 식별할 수 있습니다. 예시는 분기별 13F 보유 자료를 사용합니다. 포트폴리오 폭에 따라 기관을 선택하고,…