Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 571개
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 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 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 문서는 롤링 ETF 수익률 구간을 일반 합성곱 신경망용 2채널 이미지로 변환하는 방법을 설명합니다. 그라미안 각도장은 정규화된 관측치를 각도로 매핑해 쌍별 각도 관계를 기록합니다. 마르코프 전이장은 관측치를 분위수 구간으로 나누고 구간 사이의 전이를 나타냅니다. 이미지 CNN와 페널티를 적용한 선형 기준 모델은 같은 인코딩 입력을 받으며, 날짜별 횡단면 순위 상관으로 예측을 평가합니다. 인코딩에는 중요한 정보 및 평가 한계가 있습니다. 구간별 정규화는…
이 문서는 자산 가격결정 모델의 벤치마크로 쓰이는 Chen, Pelger, Zhu의 월별 US 주식 패널을 소개합니다. 경제적 주제별로 분류한 기업 특성 46개, 다음 달 초과수익률, 시간순으로 나눈 훈련·검증·테스트 구간을 설명합니다. 매월 각 특성을 횡단면 순위로 매긴 뒤 공통된 제한 범위에 매핑합니다. 이를 통해 극단적인 원시 값의 영향을 줄이고 단위를 비교할 수 있지만 수준 정보는 버립니다. 분석은 각 특성과 이후 수익률 사이의 월별 순위 상관을…
이 노트북은 모델링 전에 시장 시계열의 특성을 파악하는 작업 흐름을 제시합니다. 먼저 SPY 가격과 수익률, VIX 수준, 수익률 분포를 그려 추세, 변동성 군집, 두꺼운 꼬리를 확인합니다. 이어 확장 디키-풀러 검정과 KPSS 검정을 함께 해석하는 방법을 설명합니다. 귀무가설의 방향이 서로 반대이므로 두 검정을 함께 보면 정상성 근거, 단위근, 상충되는 결과, 불충분한 표본을 구분할 수 있습니다. 작업 흐름은 수익률과 제곱 수익률의 자기상관을 살펴보고…
이 노트북은 SPY 일별 수익률을 사용해 주파수 영역 분석과 트레이딩 특성으로 활용할 때의 한계를 설명합니다. 웨이블릿 분해는 변동을 점차 느린 시간 척도의 대역으로 나누고, 스펙트럼 추정은 수익률 변동이 주파수에 따라 어떻게 분포하는지 설명합니다. 여러 웨이블릿 계열을 비교하고 롤링 구간으로 인과적 특성을 만드는 예시를 들며, 지배 주기, 스펙트럼 퍼짐, 저주파 비중, 정규화된 스펙트럼 엔트로피 같은 측정값을 다룹니다. 예시 스펙트럼은 대체로 평평해 일별…
이 노트북은 TWS 또는 Gateway를 통해 전략을 Interactive Brokers에 연결하는 운영 절차를 설명합니다. 세션이 모의 계좌인지 확인하고 계좌 값과 포지션을 읽으며, 데이터 피드가 시작되기 전에 전략 상태를 초기화하도록 과거 봉 데이터를 요청합니다. 5일 ETF 모멘텀 전략을 백테스팅과 운영 엔진에서 함께 사용하며, 들어오는 틱 데이터는 봉으로 집계합니다. 주문은 섀도 모드의 안전 래퍼를 거칩니다. 주문을 거래소로 보내지 않고 가상…
이 노트북은 SEC 공시를 살펴보고 구조화된 기업 데이터를 추출하는 데 EdgarTools를 활용합니다. 안정적인 CIK로 공시 기업을 식별하고, 양식별 공시를 가져오며, XBRL 태그가 달린 연차 보고서를 재무제표 표로 변환하는 방법을 설명합니다. 내부자 Form 4 거래와 기관의 Form 13F 보유 내역을 확인하고, 공시 색인을 유형과 날짜로 검색하는 방법도 다룹니다. 백테스트에서 사용 가능한 기준 시점은 공시 날짜입니다. 회계 기간 종료일은 공개…
이 분석은 트레이딩 사례 연구 9건에 등록된 이중 머신러닝 처치 효과를 비교합니다. 각 연구의 등록 자료에서 최신 결과를 불러오고 등록 정보의 무결성과 중복 라벨을 확인하며, 분석 범위를 명시합니다. 효과와 신뢰구간은 원래 단위를 유지하고 HAC 통계로 패널 간 비교를 뒷받침합니다. 노트북은 단순 OLS 추정치와 직교화 추정치를 비교하고 블록 순열 반증 검사를 적용하며, 여러 라벨이 실제로 서로 다른 예측 기간을 가리키는지 구분합니다. 이 접근법은 인과 효과…
이 탐색적 분석은 옵션 계약과 체인 구조를 소개한 뒤, 여덟 개 기초자산의 S&P 500 옵션 2020 표본을 살펴봅니다. 머니니스, 내재가치와 시간가치, 내재변동성, 그릭스를 설명하고 행사가, 만기, 콜·풋 구분이 어떻게 다차원 체인을 이루는지 보여줍니다. 변동성 스마일, 스큐, 기간 구조를 살펴보며, 솔버 상태와 그릭스 유효성 검사를 데이터 정제에 활용합니다. 노트북은 머니니스별 매수·매도 호가 스프레드와 내재변동성 변화와 이후 기초자산 수익률 사이의…
이 분석은 기업 특성에 기반한 월간 US 주식 전략의 등록된 백테스트 파이프라인을 살펴봅니다. 샤프 불확실성, 샤프 확률과 과대추정 보정 지표, 쌍체 전략 비교, 홀드아웃 성과 저하, 마이크로캡의 낮은 유동성을 반영하도록 설계된 비용 분석을 보고합니다. 검증 데이터로 전략 구성을 선택하고, 홀드아웃은 선택을 한 차례 더 진행하는 용도가 아니라 고정된 구성을 평가하는 데 사용합니다. 측정된 변화와 점추정치 차이를 구분하기 위해 쌍체 지표와 신뢰구간을…
이 노트북은 스트래들을 매도하는 S&P 500 옵션 전략의 포트폴리오 가중 규칙을 비교합니다. 선택된 종목과 다른 전략 설정은 고정하고 동일가중 기준선을 모델 예측 또는 기초자산 수익률 리스크 추정치를 활용하는 배분기로 대체합니다. 비교 옵션은 점수 가중, 변동성 역수, 리스크 패리티, 계층적 리스크 패리티, 축소 평균분산 최적화, 예측 구간 너비에 기반한 컨포멀 가중입니다. 워크플로는 선택 전에 변경 불가능한 후보 세트를 고정하고, 모델 설정을 검증 샤프로…
이 노트북은 S&P 500 기업의 분기별 MD&A 공시를 트레이딩 특성으로 바꾸는 워크플로를 설명합니다. 공시 접수일을 시점 기준점으로 삼고, 같은 날짜에 한 기업이 여러 공시를 제출한 경우 가장 최근 기간의 공시만 남깁니다. 그런 다음 두 가지 신호를 만듭니다. 청크 단위 FinBERT 감성을 문서별 평균과 분산으로 집계하고, sentence-transformer 임베딩을 기반으로 전 분기 대비 의미 변화를 계산합니다. 또한 연차 보고서가 제출되는 분기에…
이 읽기 전용 분석은 여러 모델 계열의 검증 예측을 모아 데이터가 완전한지, 주식 순위를 얼마나 잘 매기는지, 폴드 전반에 걸쳐 순위 예측력이 이어지는지, 겉보기에 비슷한 모델이 서로 다른 정보를 제공하는지 살펴봅니다. 예측값과 이후 수익률 사이의 횡단면 순위 상관인 정보계수를 사용하고, 수익률 윈도우 중첩으로 인한 의존성을 반영하는 구간을 함께 제시합니다. 쌍별 비교에는 공통 날짜와 패널 키를 사용해 표본 불일치나 중복 조인으로 인한 오해를 피합니다. 또한…
이 노트북은 SHAP으로 ETF 수익률에 대한 릿지 회귀 예측을 설명합니다. 선형 모델에서 특성 기여도는 적합 계수와 배경 특성값으로부터의 편차 사이에 폐쇄형 관계가 있으므로, 분석은 설명 결과를 정확한 분해와 대조해 확인할 수 있습니다. 전역 중요도, 단일 예측의 워터폴 설명, 큰 폭의 예측 중 맞은 경우와 틀린 경우의 비교를 보여줍니다. 모델은 마지막 워크포워드 폴드에서 학습하고, 폴드 전반의 추가 적합 결과로 특성 중요도가 시간에 따라 어떻게 변하는지…
이 노트북은 금융 가격에서 특성을 추출하는 방법으로 칼만 필터링을 설명합니다. 국소 선형 추세 상태는 잠재 가격 수준과 기울기를 함께 추적하고, 관측 모델은 종가의 노이즈를 반영합니다. 각 업데이트는 필터링된 수준, 기울기, 혁신, 불확실성 추정치를 만듭니다. 칼만 이득은 모델과 관측의 불확실성에 따라 새로운 관측값이 상태를 얼마나 바꾸는지 조절합니다. 또한 두 자산 사이에서 시간에 따라 변할 수 있는 헤지 비율을 필터링으로 추정합니다. 노이즈 분산을 직접…
이 분석은 여러 자산을 아우르는 ETF 패널의 워크포워드 검증 결과를 사용해 등록된 모델 계열을 비교합니다. 모델은 21거래일 수익률을 예측하며, 각 날짜 안에서 펀드 순위를 예측이 얼마나 잘 매기는지 측정하는 횡단면 정보계수로 평가합니다. 노트북은 평균 점수의 단순 순위보다 신뢰구간과 폴드별 일관성을 강조하고, 모델 계열이 비슷하거나 서로 다른 신호를 포착하는지 살펴봅니다. 또한 예측 순위와 특성의 인과적 증거를 구분합니다. 유니버스에는 주식 섹터, 국가,…
이 노트북은 NASDAQ TotalView-ITCH 메시지를 분석해 시장 전반의 활동을 살펴보고 재사용 가능한 거래 데이터를 만듭니다. 메시지 유형별 개수를 세고, 주식 위치 식별자를 티커에, 주문 참조를 원래의 주문 추가 메시지에 연결해 주문 체결 메시지를 보강합니다. 대체 메시지가 새로운 주문 참조의 연쇄를 만들 수 있으므로, 해당 연결을 따라 원주문까지 거슬러 올라가며 티커와 매수·매도 방향을 이어받고 호가 가격은 대체 메시지에서 가져옵니다. 그런 다음…
이 노트북은 광범위한 US 주식 유니버스를 순위화하기 위해 가격에서 파생한 특성을 만듭니다. 모멘텀, 변동성, 이동평균, 기술적 지표 계열을 설명한 뒤, 이를 1세션 선행 수익률 라벨과 비교해 평가합니다. 핵심 설계 원칙은 전체 세션 시퀀스에서 종목별 롤링 특성을 계산하고, 적격성 필터를 적용한 다음에야 횡단면 순위를 계산하는 것입니다. 이렇게 하면 윈도우의 의미를 보존하면서 매일의 순위가 실제로 거래할 수 있었던 종목을 반영합니다. 또한 노트북은 같은…
이 연구는 NVDA 거래일의 시장별 주문 데이터를 사용해 일일 거래 활동이 바 샘플링에 미치는 영향을 살펴봅니다. 거래를 미국 정규 US 시장 시간으로 필터링하고 거래소 라벨로 공격자 방향을 분류하며, 거래 건수, 주식 수 거래량, 거래대금의 일별 변화를 보고합니다. 이후 시간, 틱, 거래량, 거래대금, 불균형 바 임계값을 목표 일일 바 수에 맞춰 보정합니다. 세션 간 매개변수 안정성을 판단하기 위해 일별 바 수와 바 통계를 비교합니다. 공격자 방향을 확인할…
이 노트북은 기관 13F 보유 종목 데이터에서 규칙 기반 관계형 검색과 임베딩 검색을 비교합니다. 고정 기준 시점 전에 각 기관이 가장 최근에 보고한 보유 수량을 남겨 특정 시점 스냅샷을 만든 다음, 주요 보유 기관, 공동 보유, 기관별 최대 보유 종목에 관한 질문을 구성합니다. 기대 근거 레코드는 같은 보유 데이터로 정의합니다. 그래프 방식은 근거 정의와 일치하는 명시적 필터 및 교집합 연산을 적용하므로 구조상 완전 재현율이 보장됩니다. 독립적으로 검증된…
이 문서는 이중 머신러닝(DML)이 스프레드, 단기 변동성, 과거 수익률을 통제한 뒤 매수 주도 거래량 비중이 미래 수익률에 영향을 주는지 추정하는 방법을 설명합니다. 교차 적합으로 처치 변수와 결과 변수 모두에서 통제 변수의 영향을 제거한 뒤 잔차 간 관계를 이용해 효과를 추정합니다. 예시는 1분 단위 NASDAQ-100 관측값과 15분 결과 기간을 사용하며, Lee-Ready 규칙으로 주문 흐름을 분류합니다. 시간상 안전장치를 라벨 기간에 맞춰야 한다고…