지식 라이브러리

이 노트북은 학습 기간 평균 수익률의 가중 외적을 더해 수익률 공분산 행렬을 수정하는 위험 프리미엄 PCA을 설명합니다. 가장 큰 고유벡터는 정적 요인 포트폴리오를 정의하며, 가중치를 높이면 분산은 더 작더라도 평균 수익률을 설명하는 방향으로 요인이 기울어집니다. 노트북은 가중치별 가격결정 적합도, 평가 기간 수익률 재구성, 적재 공간 변화를 비교한 다음 사전에 선택한 가중치로 1일 선행 요인 프리미엄을 예측합니다. 학습 데이터로 로딩을 적합하고, 전체…

이 노트북은 이전에 선택한 S&P 500 옵션 모델의 아웃오브샘플 예측 세트를 만드는 방법을 설명합니다. 검증 결과로 설정을 고정하고, 홀드아웃 이전 데이터로 해당 설정을 다시 학습한 뒤 홀드아웃 구간 예측을 등록합니다. 학습 식별 정보를 확인해 실제 재학습과 검증 학습 실행에 잘못 연결된 예측을 구별합니다. 고정 기간 목표와 달리 만기까지의 수익률은 나중에 확정되므로 학습 종료 시점에는 전체 옵션 주기만큼의 라벨 버퍼도 포함합니다. 노트북은 선택한…

이 노트북은 시간봉 BTC, ETH, SOL 무기한 계약 데이터에서 두 모델을 사용하는 청산 설계를 시험합니다. 진입 분류기는 이례적으로 높은 선행 수익률을 식별하고, 예측 확률은 기술적 특성과 함께 별도 모델에 입력되어 다음 24시간 수익률이 음수일지 추정합니다. 청산 모델 학습에 사용하는 진입 확률은 확장 윈도우 방식의 아웃오브폴드 예측으로 생성하며, 라벨이 이후 기간에 걸쳐 들어가지 않도록 폴드 경계에서 퍼지합니다. 비교는 시간순으로 구성하고 퍼지를…

이 문서는 모델 학습과 롤링 추론을 위한 시계열 패널을 준비하는 데이터셋 유틸리티를 설명합니다. 학습 데이터셋은 설정 가능한 시퀀스 길이, 날짜 범위, 간격에 따라 특성, 선행 수익률, 변동성 척도, 마스크의 슬라이딩 시퀀스를 반환합니다. 날짜 범위는 사용 가능한 패널 날짜에 맞춰지며, 완전한 시퀀스를 제공할 수 없는 범위는 생성자가 거부합니다. 추론 데이터셋은 선택된 시간 인덱스에서 끝나는 윈도우를 생성하고, 각 예측 단계의 특성, 마스크, 해당 인덱스를…

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 장은 전략 설계와 실거래 운영의 일부로 리스크 관리를 다룹니다. VaR와 조건부 VaR를 사용한 꼬리 위험 측정, 드로다운의 깊이와 회복, 익스포저 분해, 스트레스 테스트, 적응형 제어, 거버넌스를 설명합니다. 제시된 방법에는 과거·모수적·Cornish-Fisher 꼬리 추정, 위기 상황 재현과 가상 시나리오, 팩터 회귀, 변동성 목표 설정, 포지션 청산, 드리프트 모니터링, 킬 스위치가 포함됩니다. 배포 전에 한도와 상향 보고 규칙을 정하고 의사결정…

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 노트북은 LSTM 배분기를 구축해 ETF 수익률과 롤링 변동성 특성의 시퀀스를 롱온리 포트폴리오 비중으로 직접 매핑합니다. 소프트맥스 출력은 비중이 음수가 되지 않고 자금이 전부 투자되도록 합니다. 수익률을 예측해 최적화기에 넣는 대신 학습 목표에서 미분 가능한 샤프 비율을 직접 최대화합니다. 시간 순서에 따라 학습, 검증, 테스트를 나눈 뒤 학습된 비중을 동일가중 및 역변동성 포트폴리오와 비교합니다. 예측 단계를 없애도 추정 불확실성은 사라지지 않는다고…

이 노트북은 가격 변동에 계속 노출되는 위험과 시장 충격의 균형을 고려해 포지션을 청산하는 Almgren–Chriss 해법을 전개합니다. 도착 가격 대비 Implementation Shortfall을 사용하고, 영구적 충격과 일시적 충격을 따로 모델링해 일정의 실행 비용과 위험을 도출합니다. 위험 회피도를 바꿔 효율적 프런티어를 그립니다. 청산 반감기로 일정도 설명해 매개변수의 실무적 의미를 보여줍니다. 짝지은 모의 가격 경로에서 일정을 비교해 무작위 표본…

이 노트북은 검증에서 선택한 FX 전략이 비례 거래 비용 변화에 어떻게 반응하는지 측정합니다. 예측 라벨마다 신호, 자산 배분, 리스크 오버레이 결과에서 상위 전략을 선택한 뒤 다른 전략 식별 필드는 그대로 유지하며 비용 격자에 따라 다시 실행합니다. 비용 범위 테스트는 이미 결정된 전략의 견고성을 설명하는 교란 분석이며 이후 전략 선택에는 반영되지 않습니다. 환율에 비례하는 FX 스프레드에 베이시스포인트가 적합한 이유와 설정에 스프레드 및 스왑 요소가 각각…

이 노트북은 통합 관리 도구, 미리 정의했거나 직접 만든 심볼 종목군, 분할된 Parquet 저장소를 사용해 금융 시계열을 수집하고 관리하는 절차를 소개합니다. 단일 또는 여러 심볼의 병렬 수집, 저장소에 데이터 로딩, 특정 기간 데이터 읽기, 증분 업데이트, 연구나 백테스트 전 결측 구간 탐지를 다룹니다. 주식, 채권, 금을 아우르는 기준 재조정된 ETF 시계열은 일괄 로딩으로 여러 자산을 한 데이터셋에서 비교하는 방법을 보여줍니다. 이 절차는 반복 가능한…

이 노트북은 ETF 횡단면의 가격결정을 위한 확률적 할인 요인 모델을 소개합니다. 펀드 익스포저와 요인 수익률을 따로 추정하는 대신, 펀드 수익률과의 공분산이 평균 수익률을 설명하는 공통 할인 요인 시계열을 신경망으로 학습합니다. 학습 목표는 가격결정 오차를 최소화하는 것이며, 예측 수익률과 정보계수는 후속 진단 지표로 보고합니다. 모델을 해석할 때 최적화 대상과 보고된 예측 점수를 구분하는 것이 핵심입니다. 학습 전에 구현부는 설정을 적격 펀드·날짜 행,…

이 분석은 무기한 선물 펀딩에 관한 여러 모델 계열의 검증 예측을 비교합니다. 정보계수는 후속 수익률의 순위를 측정하고, AUC는 상승과 하락 결과를 분류하는 순서를 측정하며, 로그 손실은 확률 품질을 평가하고 확신이 큰 오답에 불이익을 준다고 설명합니다. 이 진단 지표는 서로 다른 질문에 답합니다. 순위가 더 좋다고 확률 보정이 더 잘되는 것은 아니며, 예측만 따로 설명하는 지표로는 어떤 트레이딩 전략이 가장 좋은지 판단할 수 없습니다. 각 모델의 저장된…

이 사례 연구는 DeFi Llama 총예치가치 데이터를 Ether 트레이딩 연구 파이프라인의 입력으로 활용할 수 있는지 평가합니다. 신호 강도, 데이터 품질, 법적 적합성, 상업적 가치를 구분하며 법적 문제와 과거 버전을 재구성할 수 없다는 점을 반드시 통과해야 하는 기준으로 다룹니다. 세 가지 TVL 변환값을 여러 기간의 미래 Ether 수익률과 비교합니다. 수익률 구간이 겹치므로 각 기간에 맞춘 시차의 Newey-West 표준오차를 사용하고, 검토한…

이 사례 연구는 FX-쌍 레이블을 예측하기 위한 LSTM 모델을 설정합니다. 순환 모델이 유지하는 은닉 상태를 고정 과거 구간 변환 및 합성곱 수용 영역과 비교하되, 다른 모델과의 비교는 별도 분석으로 미룹니다. 공통 러너는 학습 전에 시퀀스 길이, 아키텍처 설정, 장치, 레이블, 폴드, 체크포인트 일정을 결정합니다. 누락된 일별 관측값을 가로지르는 과거 구간 윈도우는 제외하므로 검증 커버리지가 원본 패널보다 좁을 수 있습니다. 재현성과 올바른 모델 인계를…

이 노트북은 손절, 트레일링 스톱, 손실 한도, 드로다운 중단, 변동성 목표 규칙을 포함해 사례 연구 백테스트의 리스크 오버레이를 비교합니다. 각 연구의 오버레이 결과를 불러오고 가능한 경우 자산 배분 단계 백테스트에서 기준선을 선택해 오버레이 적용 전후 성과를 비교합니다. 규칙 유형별로 설정을 묶고 샤프 지수 변화의 평균과 중앙값, 개선 비율, 드로다운 결과도 살펴봅니다. 매개변수 탐색에서 찾은 최상의 오버레이와 규칙을 적용했을 때의 일반적인 결과를…

이 사례 연구는 NASDAQ-100 미시구조 특성에 그래디언트 부스팅 트리를 적용해 여러 장중 기간의 수익률과 방향을 예측합니다. 선형 모델과 트리를 비교합니다. 트리는 스프레드에 따라 주문흐름 불균형의 효과가 달라지는 등의 조건부 관계를 찾아낼 수 있지만, 선형 모델은 이런 상호작용을 명시적으로 입력해야 합니다. 탐색에서는 트리 규모, 손실 함수, 부스팅 반복 횟수를 바꾸고 여러 체크포인트에서 예측을 저장합니다. 노트북은 각 체크포인트가 평가를 위한 별도의…

이 노트북은 가상의 장중 전략 수익률을 실행 비용이 얼마나 잠식할 수 있는지 추정합니다. 먼저 분봉 호가를 사용해 NASDAQ-100 구성 종목의 거래량 가중 호가 스프레드를 측정한 뒤, 구성 종목 스프레드의 중앙값을 호가를 넘어 시장가로 체결할 때 드는 비용의 실증적 기준으로 삼습니다. 시장 충격, 슬리피지, 수수료 등 다른 비용 요소는 시나리오 가정입니다. 호가를 넘어 시장가로 체결하는 방식, 주문을 나눠 집행하는 방식, 패시브 방식의 실행 비용 구조를…

이 노트북은 ETF 순위 신호를 포트폴리오 구성부터 단순화한 백테스트까지 추적합니다. 릿지 회귀와 로지스틱 분류를 워크포워드 분할로 학습한 뒤 모멘텀 및 동일 가중 포트폴리오와 비교합니다. 매월 리밸런싱할 때 활성 신호는 공매도 없이 동일 비중으로 상위 10개 종목 바스켓을 구성합니다. 비교에서는 총수익 및 순수익 성과 지표, 회전율, 횡단면 정보계수를 보고해 신호의 순위 선정 능력과 해당 포트폴리오 거래 결과가 어떻게 다를 수 있는지 보여줍니다. 거래…

이 노트북은 시간 순서가 유지된 홀드아웃을 보존하면서 모멘텀 포트폴리오의 손절, 익절, 트레일링 스톱 규칙을 조정하는 방법을 보여줍니다. 1차원 매개변수 탐색, 규칙 조합 그리드, 청산된 거래의 최대 불리 및 유리 변동에서 도출한 손절 또는 목표가 사전분포를 비교합니다. 후보 설정은 보정 데이터에서 선택하고 이후 기간에서 한 번 평가하며, 동결된 설정의 순위는 CAGR 기반 칼마 지수로 매깁니다. 이 예시는 ETF 다섯 종목으로 고정 패널을 구성하고, 종가가…

이 노트북은 사전에 정의한 모델 집합의 하나로 PatchTST를 학습해 S&P 500 옵션을 연구합니다. 과거 시계열을 고정 길이 패치로 나누고 토큰으로 임베딩한 뒤, 어텐션을 사용해 구간 내 위치 간 관계를 학습합니다. LSTM의 단계별 순환과 비교하면 어텐션은 떨어진 시퀀스 구간을 직접 연결하고 구간 전체를 병렬 처리할 수 있습니다. 순서 정보는 위치 임베딩을 통해 학습해야 하며, 매개변수 수가 많아 데이터가 제한적일 때 학습이 더 어려울 수 있습니다.…

이 개요는 자산군, 종목군 규모, 데이터 빈도, 의사결정 주기, 비용 체계, 평가 프로토콜에 따라 여러 거래 사례 연구를 정리합니다. 각 연구에서 명시한 설정을 읽고 학습 및 검증 기간, 폴드 수, 홀드아웃 기간, 신호에서 포지션으로의 매핑을 포함한 비교 표를 제시합니다. 주식, 옵션, 암호화폐, 외환, 선물, 멀티에셋 ETF를 다루며 시장과 이용 가능한 데이터에 따라 연구 선택이 어떻게 달라지는지 보여줍니다. 주요 연구 교훈은 트레이딩 전략의 기간에 맞춰…

이 문서는 미래 수익률 구간이 겹치는 레이블을 위한 두 가지 진단 지표, 즉 통합 패널 자기상관과 레이블 고유성에 기반한 유효 표본 크기를 정의합니다. 자기상관은 원래 바 그리드에서 요청한 거리만큼 떨어진 관측값을 같은 개체 안에서만 짝짓습니다. 통합하기 전에 각 개체 내에서 값을 평균 중심화해 개체별 평균 차이로 생기는 허위 지속성을 방지합니다. 유효한 쌍이 없는 시차도 NaN으로 표시해 둡니다. 유효 표본 크기는 각 레이블의 미래 수익률 구간 중 동시에…

추정 구간의 상관관계 네트워크로 주식 유니버스를 설명하고 네트워크 분산 포트폴리오를 구성하는 방법을 보여줍니다. 평가 전에 이용할 수 있는 데이터만으로 유동성 있는 종목을 선택하고, 수익률 상관관계를 거리로 변환해 최소 신장 트리(MST)를 추출합니다. 차수, 매개 중심성, 근접 중심성으로 트리의 허브와 연결 고리를 요약한 뒤 역중심성을 사용해 구조적으로 중심에 있는 자산의 가중치를 낮춥니다. 동시 충격 전파 민감도 분석을 설명하고 이후 평가 구간에서…