Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 555개
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 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 개별 만기 선물 계약으로 연속적인 선물 가격 시계열을 구성하는 방법을 설명합니다. 거래량을 사용해 최근월물을 식별하고, 잘못된 계약 전환을 피하기 위해 롤백 방지 제약을 적용하며, 달력 기준 롤 시점과 실제 거래 활동을 비교합니다. 데이터에서 발생할 수 있는 문제도 다룹니다. 단일 선물 계약과 캘린더 스프레드를 구분해야 하고, 계약 기호에 연도가 온전히 표시되지 않을 수 있으며, 구성한 시계열과 데이터 공급업체 시계열을 비교하기 전에 바 주기를…
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 통화 페어 예측 순위를 실제 매매 기준선으로 전환합니다. 각 의사결정 시점에 순위가 가장 높고 낮은 페어를 같은 규모의 롱 및 숏 포지션군으로 구성한 다음 FX 백테스트 엔진으로 평가합니다. 동일 비중을 사용해 포지션 규모와 배분에 관한 후속 결정과 순위의 기여도를 분리합니다. 포트폴리오 규모 그리드는 포지션군의 집중도를 바꾸며, 유니버스 규모는 양쪽에 보유할 수 있는 서로 다른 페어 수를 제한합니다. 노트북은 완전한 검증 예측 모집단을 고정하고…
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 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 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 CME 선물의 모델 예측을 평가하기 위한 신호 단계 기준선을 마련합니다. 매주 의사결정 시점마다 예측 수익률로 상품 순위를 매겨 상위 그룹을 매수하고 하위 그룹을 공매도하며 각 포지션에 동일 비중을 부여합니다. 각 롱·숏 그룹의 상품 수를 바꿔 집중도가 비교에 미치는 영향을 보여줍니다. 이후 포트폴리오 기법의 명확한 기준점이 되도록 이 단계에서는 배분, 리스크 관리, 거래 비용을 제외합니다. 작업 절차는 예측 대상 전체가 빠짐없이 있어야 하며…
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 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 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 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 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 주식 분할이나 현금 배당일을 가로지를 때 원시 주가로 수익률을 계산하면 왜 오해를 부를 수 있는지 설명합니다. 후방 조정은 이후 기업 행사를 반영해 과거 가격을 조정하는 방법입니다. 체결 시뮬레이션에는 원시 가격을, 일부 단기 구간에는 분할 조정 가격을, 장기 연구와 백테스트에는 총수익 조정 가격을 사용하는 방식을 구분합니다. Apple의 과거 자료로 분할 및 배당 조정이 누적 수익률에 미치는 영향을 보여줍니다. 노트북은 OHLCV 데이터에 조정…
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 롱 ETF 거래의 청산 방법을 비교합니다. 고정 이익 목표와 손절, 추적 손절, ATR 조정 장벽, 머신러닝 신호 및 이들의 조합을 다룹니다. 지표와 거래 시뮬레이션을 만들고 거래 수익률, 승률, 손절 빈도, 표준오차를 이용한 불확실성을 요약합니다. OHLC 체결 관례는 오버나이트 갭을 시가에 처리하고, 일별 데이터로 장중 순서를 알 수 없으므로 일별 봉에서 손절과 목표가 모두 닿으면 손절이 먼저 체결된다고 가정합니다. 머신러닝 비교에서는 시간…
이 노트북은 FRED의 제공된 경제 지표 패널을 살펴보고 달력 일자 그리드, 메타데이터, 파생 열을 해석하는 방법을 설명합니다. 패널이 일별 달력에 맞춰 평탄화되어 있어 행 수만으로는 원천 지표의 발표 일정을 알 수 없습니다. 각 시계열의 값이 바뀌는 횟수를 세면 발표 빈도의 하한을 추정할 수 있지만, 연속 발표 값이 변하지 않으면 실제 발표 수를 놓칠 수 있습니다. 예시에는 미국 국채 수익률, VIX, 10년물과 2년물 수익률 차가 포함되며 최근 정책…