Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 1,616개
이 노트북은 분 단위 NASDAQ-100 데이터에서 모델 기반 특성을 만드는 세 가지 방법을 설명합니다. 분산 예측과 예측 오차를 위한 롤링 HAR 회귀, 최근 거래량 패턴을 위한 푸리에 변환, 가격과 주문 흐름의 변화 순서를 나타내는 깊이 2 경로 시그니처입니다. 적합된 매개변수에는 추정 구간의 정보가 담기므로 재적합 시점과 특성 시점에서 미래 정보를 피해야 한다고 강조합니다. 특성은 타임스탬프와 종목별로 저장하며, 설정된 예측 기간마다 필요한 서로 다른…
이 노트북은 암호화폐 무기한 계약 펀딩 프리미엄을 예측하는 시퀀스 모델 비교에 시간 합성곱 신경망(TCN)을 추가합니다. 인과적 패딩은 각 위치가 현재와 이전 관측치만 사용하도록 하며, 팽창 합성곱은 수용 영역을 효율적으로 넓힙니다. 선택한 스택은 선언된 입력 구간 전체에 걸칩니다. 마지막 순환 상태를 바탕으로 예측하는 LSTM과 달리, TCN은 위치별 표현을 평균해 유용한 정보가 시간에 따라 어디에 나타나는지에 관한 다른 가설을 검증합니다. 이 모델은 앞선…
이 노트북은 기업 공시 텍스트 말뭉치에서 구절을 검색하는 네 가지 방법, 즉 BM25, 밀집 임베딩, 역순위 융합(RRF), 교차 인코더 재순위화를 비교합니다. RRF는 원점수가 아니라 순위 목록을 결합하므로 점수 척도를 서로 보정하지 않고도 어휘 기반 시스템과 의미 기반 시스템을 결합할 수 있습니다. 이어서 재순위화 모델이 후보 집합의 순서를 바꿉니다. 노트북은 검색 단계의 구현 방법과 동일한 검색 깊이에서 평가하는 방법도 설명합니다. 핵심 평가상의 교훈은…
이 문서는 리서치 패널, 집계 예측, 반대 토론, 감독자를 결합한 종단 간 예측 구조를 소개합니다. 감독자는 의견 차이를 찾아 이를 설명할 근거를 검색하고 신뢰도 표기와 함께 확률을 제안합니다. 신뢰도 기반 규칙은 해당 확률로 앙상블을 대체할지, 결합할지, 그대로 둘지 결정합니다. 노트북은 출력에 영향을 주는 설정을 한곳에 모으고 나중에 검토할 수 있도록 단계별 확률과 실행 세부사항을 기록합니다. 예제에서는 아직 결론이 나지 않은 경제 문제에 대한 기록된…
이 사례 연구는 광범위한 US 주식 종목군에서 일별 횡단면 신호를 평가하고, 특정 시점 기준 데이터와 특성 설계에서 모델 비교, 포트폴리오 구성, 비용, 홀드아웃 평가에 이르는 연구 과정을 설명합니다. 워크포워드 검증, 여러 선행 수익률 기간, 선형 및 트리 기반 모델, 표 형식 및 시계열 신경망 모델, 잠재 요인 방법을 사용합니다. 트레이딩 전략은 시대별 거래 비용과 차입 관련 요소를 반영해 주식 순위에 따라 달러 중립 롱숏 포트폴리오를 구성합니다. 보고된…
이 모듈은 강화학습 환경에 쓰이는 모의 암호화폐 시장의 매개변수를 추정합니다. 선택된 종목의 시간별 무기한 선물 시장 데이터를 불러와 종가 간 로그 수익률을 계산하고 GARCH(1,1) 변동성 모델을 적합합니다. 추정 라이브러리를 사용할 수 없거나 최적화에 실패하면 제곱 수익률 자기상관과 사전 설정된 범위를 사용해 모멘트 기반 추정치로 대체합니다. 지속성을 제한하고 무조건부 변동성을 표본 변동성에 맞춥니다. 롤링 변동성에 임계값을 적용하거나 해당 의존성을…
이 노트북은 사례 연구 간 LightGBM 모델 비교를 구성하고, 가능한 경우 선형 모델과 TabM을 기준 모델 계열로 사용합니다. 트리 크기, 회귀 손실 함수, 체크포인트, 분류 목적 함수에 따라 설정을 평가합니다. 주요 신호 지표는 일별 횡단면 Spearman 정보 계수의 평균이며, HAC 신뢰구간과 함께 보고합니다. 모델들이 동일한 폴드와 기간에 걸쳐 평가되었는지를 고려해 비교합니다. 분석은 상위 설정을 선택하고 손실 함수와 트리 깊이를 비교하며…
이 문서는 고정 기간에 걸쳐 포지션을 청산하도록 에이전트를 학습시키는 Gymnasium 환경을 설명합니다. 관측값은 남은 재고와 시간에 스프레드, 시장 깊이, 변동성, 정상 또는 스트레스 국면을 결합합니다. 연속형 행동은 기준 일정에 대한 실행 속도를 설정하고, 참여율과 일정 한도가 거래를 제한합니다. 완료를 보장하기 위해 마지막 단계에서 남은 주식을 모두 매도합니다. 시장 경로에는 GARCH 변동성, 국면별 유동성, 방향성 기대 드리프트가 없는 가격 변동이…
이 노트북은 표 형식 특성으로 ETF 선행 수익률을 예측할 때 LightGBM을 MLP, TabM 및 사용 가능한 경우 TabPFN과 비교합니다. 모델은 동일한 시간순 워크포워드 폴드에서 평가하며, 순위 정보계수와 학습 시간을 주요 비교 기준으로 삼습니다. 신경망 접근법에는 단순 다층 퍼셉트론과 여러 어댑터 헤드가 하나의 백본을 공유하고 예측값을 평균하는 TabM이 포함됩니다. 학습에는 L1 손실을 사용하고 각 학습 구간 안의 홀드아웃 데이터로 조기 종료…
이 문서는 FX 전략에서 고정 손절 규칙과 추적 손절 규칙을 검증 단계에서 비교합니다. 각 수익률 레이블에 대해 신호와 배분 결과로 이뤄진 봉인된 집단에서 기준 전략을 선택한 뒤, 기준 전략의 식별 정보는 고정하고 지정된 포지션 단위 위험 제어만 바꿉니다. 손절은 보유 기간 중 가격 경로에 따라 작동하므로, 시작과 끝의 수익률은 같지만 중간 드로다운이 다른 포지션을 구분할 수 있습니다. 사례 연구는 규칙을 개별 포지션에 적용하며 포트폴리오 전체의 드로다운이나…
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 20개 통화쌍에서 후보 신호를 하나씩 검사하는 방법을 설명합니다. 워크포워드 검증 구간만 사용해 각 특성의 일별 횡단면 순위와 다음 거래일 수익률 간의 일치도를 계산합니다. 레이블 결과가 홀드아웃 안에서 확정되지 않도록 평가 패널을 홀드아웃보다 충분히 앞에서 끊습니다. 커버리지 및 최신성 필터로 평가하기에 너무 희소하거나 정적인 열을 제거하고, Newey–West 방식의 불확실성 추정으로 인접 거래일 간 의존성을 고려합니다. 폴드 방향 확인,…
이 노트북은 비트코인 무기한 선물의 극단적 프리미엄에 관한 두 가지 인과 질문을 비교합니다. 프리미엄 상태가 미래 수익률을 예측하는지, 그리고 이후 프리미엄 평균회귀를 예측하는지 살펴봅니다. 처치는 정해진 임계값을 넘는 프리미엄 z점수의 이진 지표입니다. 설계에서는 과거 수익률과 변동성을 통제 변수로 사용하고 결과는 미래에 측정하며, 두 결과 모두 같은 조정 변수 집합과 검증 점검으로 효과를 추정합니다. 비교의 핵심은 인과 메커니즘입니다. 펀딩 압력은 무기한…
이 연구는 미래 수익률을 기준으로 통화쌍 순위를 매길 때 그래디언트 부스팅 트리와 페널티를 적용한 선형 모델을 비교합니다. 트리는 한 시장 국면에서 모멘텀을, 다른 국면에서 캐리를 사용하는 것처럼 조건부 관계를 나타낼 수 있다는 점이 분석의 동기입니다. 다만 통화쌍은 통화를 공유하므로 통계적으로 서로 의존합니다. 미리 정한 격자는 리프 수에 따라 트리 용량을 달리하고 제곱오차, 절대오차, Huber 목적 함수를 비교합니다. 각 구성은 여러 학습 단계…
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 문서는 알려진 합성 데이터 생성 과정의 계열 안에서 지도 추론을 수행하는 ADIA Lab의 인과 발견 과제를 살펴봅니다. 이 과제는 다수의 레이블이 있는 데이터셋과 그래프 쌍을 사용해 처치와 결과를 둘러싼 변수에 8가지 역할을 부여합니다. 시뮬레이터가 생성한 예시에서 안정적인 통계 패턴을 학습하고, 일부 접근법은 PC나 NOTEARS 같은 방법의 출력을 모델 특성으로 사용하기 때문에 이 환경에서는 지도 모델이 고전적인 발견 방법보다 나은 성능을 낼 수…
이 모듈은 재현성을 유지하고 선택 편향을 피하는 데 중점을 두고 등록된 예측 집합으로 평균 예측 앙상블을 만듭니다. 직접 작성한 구성원 목록을 관리하는 대신 레지스트리에서 조건에 맞는 모델 구성을 확인합니다. 불완전하거나 폐기된 예측은 제외하고 검증 결과가 가장 좋은 체크포인트를 고르는 대신 구성별로 허용되는 마지막 체크포인트를 선택합니다. 또한 하나의 구성이 여러 활성 학습 실행에 연결되는 모호한 경우는 거부합니다. 평균을 내기 전에 예측 스키마를…
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 기본 Python 오케스트레이션, CrewAI, LangGraph로 네 단계 예측 워크플로를 구현합니다. 상태 저장 위치, 오류 확인 및 복구 방식, 각 접근법이 추가하는 의존성, 추적 방식을 비교합니다. 기본 Python과 LangGraph 버전은 동일한 전문가 클래스를 조합하지만 CrewAI 버전은 역할 프롬프트를 사용한 작업과 다른 모델 호출 경로를 사용합니다. 따라서 세 버전의 예측 확률값은 프레임워크 품질을 통제된 방식으로 비교하는…
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 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…