Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 966개
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 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 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 구성은 FRED의 과거 거시경제 데이터셋을 지정해 국면 필터링과 교차 자산 분석에 사용합니다. 시계열을 일간, 주간, 월간, 분기별 빈도로 정리하며, 국채 수익률, 연방기금 금리, VIX, 노동 지표, 물가 지수, 산업 생산, 통화량, 명목 및 실질 GDP를 포함합니다. 설명용 이름도 나열하고 국채 만기별 수익률에서 파생한 수익률 곡선 스프레드를 정의합니다. 일부 금리 및 변동성 지표에 대해서는 최초 발표 시점을 고려한 분석을 지원하도록 별도의 최초 발표…
이 분석은 모델을 적합하거나 예측을 만들기 전에 데이터가 횡단면 암호화폐 무기한 선물 전략을 뒷받침할 수 있는지 살펴봅니다. 제안된 방법은 펀딩 정산 때마다 프리미엄 순위를 매기고 순위 한쪽을 매수하고 반대쪽을 매도합니다. 의사결정 시점마다 상장된 계약이 충분한지, 일반적인 가격 변동으로 거래소 수수료를 감당할 수 있는지, 시계열 상관을 고려한 뒤 독립적인 과거 데이터가 얼마나 남는지 점검합니다. 개발 기간만 사용하고 지정된 홀드아웃은 열어보지 않습니다.…
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 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 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 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 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 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 탐색 분석은 통화쌍 20개를 포함한 4시간 OANDA 데이터셋을 살펴봅니다. 거래량 필드는 한 거래소의 호가 갱신 횟수를 세며 통합 체결 규모가 아니므로 시장 전체의 유동성 순위를 매기는 데 쓸 수 없다고 설명합니다. US 달러가 기준 통화인지, 상대 통화인지, 또는 통화쌍에 포함되지 않는지에 따라 통화쌍을 분류해 달러 강세를 해석할 때 가격을 언제 역산해야 하는지 설명합니다. 노트북은 통과율과 위반 건수를 모두 사용해 OHLC 일관성을 확인한 뒤…
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…