Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 550개
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 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 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 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 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 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 룩어헤드 편향을 통제하면서 적합된 GJR-GARCH와 숨은 마르코프 모델을 트레이딩 특성으로 바꾸는 방법을 설명합니다. GJR-GARCH은 조건부 변동성을 추정하고 음의 수익률 충격이 더 큰 영향을 미치는 현상을 포착합니다. 2상태 가우시안 HMM는 횡단면 펀딩 정산의 레짐을 모델링하고 필터링된 스트레스 확률을 제공합니다. 두 모델 모두 정해진 주기에 따라 확장되는 과거 데이터로 다시 적합하며, 검증 중에는 매개변수를 고정하고 초기 워밍업…
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 유틸리티는 열 이름과 날짜 형식이 서로 다른 예측 아티팩트를 공통 타임스탬프, 자산, 예측 구조로 정규화해 라이브 데모 노트북에 사용할 수 있게 준비합니다. 타임스탬프와 자산이 중복되는 관측값을 묶어 점수의 평균을 계산합니다. 로더는 먼저 저장소에 커밋된 모델 출력을 검색하고, 해당 파일이 없으면 레지스트리를 조회합니다. 레지스트리 대체 경로는 기록된 신호, 배분, 리스크 오버레이 백테스트 가운데 검증 샤프가 가장 높은 모델 실행을 우선해 해당 실행의…
이 노트북은 감성 레이블이 있는 소규모 금융 뉴스 말뭉치로 Skip-gram Word2Vec 모델을 학습하고 가장 가까운 단어들이 무엇을 보여주는지 살펴봅니다. 이 방법은 단어가 나타나는 문맥에 따라 단어를 표현합니다. 예시에서는 이익과 손실의 의미 극성은 반대인데도 금융 보고서에서 비슷한 문장 틀에 등장해 서로 가까운 단어가 됩니다. 단순 토큰화에서 숫자 토큰을 유지하면 숫자와 통화 단편이 단어의 이웃에 포함될 수 있다는 점도 확인합니다. 벡터 크기, 문맥…
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 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 노트북은 그래디언트 부스팅 예측의 예측 구간을 만들고 분할 컨포멀 예측을 분위수 회귀, 컨포멀화 분위수 회귀, 적응형 컨포멀 추론과 비교합니다. 분할 컨포멀은 시간순으로 학습 데이터와 보정 데이터를 나누고, 레이블 기간을 고려해 경계 주변 관측치를 제거하며, 유한 표본 잔차 순서 통계량으로 구간 폭을 설정합니다. 이 프레임워크는 ETF, 암호화폐, 선물 데이터를 대상으로 경계 주변 관측치를 제거한 워크포워드 폴드를 사용해 평가합니다. 노트북은 경험적…
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 노트북은 언어 모델 클라이언트, 검색 도구, 제한된 턴 반복으로 예측 에이전트를 구성합니다. 에이전트는 근거를 검색하고 근거 설명과 함께 이진 확률을 반환합니다. 응답 파서는 흔한 형식 오류를 처리하고 검색 및 예측 행동이 유효한지 검증하며, 잘못된 응답은 수정을 위해 다시 전달합니다. 저장된 실행 기록은 프롬프트, 도구 결과, 모델 호출, 토큰 사용량을 보존해 새 API 호출 없이 예측을 재생하고 감사할 수 있게 합니다. 노트북은 예측과 근거 설명에서…
이 노트북은 시간별 비트코인 무기한 선물 수익률에 맞춘 공통 모의 트레이딩 환경에서 DQN, PPO, A2C를 비교합니다. GARCH(1,1) 모형으로 변동성 군집을 생성합니다. 환경은 포지션 변경에 비용을 부과하고, 행동 시점에 이미 확인 가능한 수익률을 에이전트가 얻는 일을 막기 위해 한 스텝 지연 후 행동을 적용합니다. 모든 알고리즘에 동일한 학습 상호작용 예산을 배정하고, 서로 대응하는 미관측 에피소드 시드로 평가합니다. 평균 보상 외의 진단도…
이 노트북은 광범위한 ETF 동조화를 통제한 뒤 운용 포트폴리오 전략 4개가 SPY 수익률을 설명하는지 검정합니다. 전략은 시차 모멘텀, 변동성 또는 최근 수익률로 ETF 순위를 매깁니다. 장기 이력이 있는 균형 잡힌 ETF 집합에서 주성분 10개를 통제 변수로 쓰며, 요인 구성 유니버스에서는 SPY를 제외합니다. 각 전략의 단변량 SPY 로딩과 통제 변수를 선택한 뒤 추정한 조건부 로딩을 비교합니다. 이중 선택 후 LASSO는 결과와 각 핵심 전략을 모두…
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,…
이 노트북은 모델 기반 포지션 규모 설정이 US 기업 특성 전략에서 동일 가중보다 나은지 검정합니다. 예측 점수가 높은 종목에 더 많이 배분하는 점수 가중과, 예측 구간이 신뢰도가 낮음을 나타낼 때 배분을 줄이는 컨포멀 가중을 비교합니다. 선택한 예측값과 집중도를 각 비교 안에서 고정한 채 두 방법을 여러 포트폴리오 집중 수준과 조합합니다. 스윕에 포함한 예측값은 동일 가중 기준선의 검증 성과를 사용해 선택했습니다. 노트북은 이로 인해 선택 편향이 생기고…
이 노트북은 연속 관측치가 서로 의존할 때 신호의 정보계수(IC)가 잡음과 구별되는지 평가합니다. 모멘텀 신호와 ETF 데이터를 예로 들어 선행 수익률 중첩, 지속적인 신호 순위, 시장 국면이 일별 IC 값을 자기상관되게 만들 수 있음을 설명합니다. 이 경우 단순 t 통계량은 불확실성을 과소평가하고 유의성을 과대평가할 수 있습니다. 노트북은 이분산성 및 자기상관 일관 표준오차인 Newey–West 표준오차를 연속 관측치를 재표본추출하는 블록 부트스트랩과…
이 노트북은 ARIMA 예측을 독립적인 예측 결과가 아니라 후속 모델의 입력 열로 다룹니다. ETF 수익률에 모델을 적합하고, 정상성 검정과 자기상관 진단으로 차수를 제안한 뒤, 학습 구간에서 정보 기준을 이용해 후보 차수를 비교합니다. 핵심은 다단계 예측과 원스텝 예측의 차이입니다. 정상 모형의 다단계 예측은 무조건부 평균에 수렴해 곧 거의 일정해지는 반면, 원스텝 예측은 새로운 관측치가 들어올 때마다 갱신됩니다. 노트북은 앞선 학습 구간에서 추정한…
이 노트북은 FX 레이블의 NLinear 예측을 준비하고 등록하는 방법을 설명합니다. NLinear는 고정 길이 입력 이력에서 마지막 관측 수준을 빼서 룩백 구간 내 변화에 모델을 집중시킵니다. 공통 시퀀스 적격성 절차는 확정된 레이블 타임라인에서 폴드 경계를 도출하고, 일별 관측치가 누락된 지점을 가로지르는 윈도를 제외합니다. 따라서 검증 예측은 유효한 시퀀스만 포함합니다. 워크플로는 모델 설정을 확인하고 요청한 아키텍처와 레이블이 구성된 학습 계획에…