지식 라이브러리

이 노트북은 US 기업 특성 연구의 홀드아웃 예측 단계를 설명합니다. 검증 결과로 선택한 모델 설정의 학습 사양과 체크포인트를 복원한 뒤, 홀드아웃 기간 전에 끝나는 데이터로 다시 적합합니다. 새 학습 식별자를 사용해 재적합을 감사할 수 있게 하고, 연구 설정에서 기간과 레이블 버퍼를 정해 학습 결과와 평가 기간이 겹칠 위험을 줄입니다. 노트북은 레지스트리 무결성도 다룹니다. 검증 학습 식별자를 재사용한 이전 예측 생성을 찾아내고, 후속 사용자가 경쟁 결과…

이 노트북은 관측된 교란변수를 조정한 뒤 내재변동성과 실현변동성의 차이가 이후 주식 수익률과 연관되는지 이중 머신러닝으로 살펴봅니다. 실현 변동성, 주식 모멘텀, 리스크 리버설 스큐를 관련 통제변수로 식별하고, 같은 교차 적합 관측치에서 조정 추정치와 순진한 일반 최소제곱 추정치를 비교합니다. 블록 순열 반증 검정과 패널을 고려한 불확실성 추정도 사용합니다. 확정된 연구 사양에 따라 추정 대상, 적격 관측치, 교차 적합 구조, 엠바고, 위약 검정 설계를…

이 분석 노트북은 새로운 백테스트 대신 레지스트리 결과를 사용해 기업 특성으로 구성한 US 주식 전략을 평가하는 방법을 설명합니다. 불확실성을 반영한 성과 통계를 읽고 공통 표본 구간에서 설정 순위를 매기며, 선택한 전략을 동일가중 기준과 쌍별 비교로 평가합니다. 홀드아웃 결과를 기준으로 선택하지 않도록 선택한 검증 실행의 전체 사양에 따라 홀드아웃 평가를 확정합니다. 선택 종목의 비유동성을 고려한 확장 비용 구간으로 실행 마찰도 살펴봅니다. 패밀리 코호트…

이 노트북은 사전학습 시계열 파운데이션 모델 Chronos와 TinyTimeMixer를 LSTM 및 페널티가 적용된 선형 기준 모델과 ETF 패널에서 비교합니다. 각 모델은 단변량 과거 데이터를 입력받습니다. 사전학습 모델은 해당 시계열을 예측하고 예측 경로의 평균을 횡단면 순위 점수로 사용하며, 적합된 기준 모델은 선행 수익률을 직접 예측합니다. 제로샷 모델에는 예측 목표와 기간이 수익률 레이블과 맞지 않으므로 순위 정보계수를 사용합니다. 실험은 모델에…

이 문서는 고정된 ETF 모멘텀 전략의 비용 민감도를 분석합니다. 유니버스, 가중치, 일정, 시뮬레이터는 그대로 두고 거래 단위별 수수료를 달리해 백테스트를 다시 실행합니다. 결과 곡선은 가정한 거래 비용이 높아질수록 샤프 비율과 복리 성장률이 어떻게 바뀌는지 보여줍니다. 손익분기 수수료도 두 가지 방식으로 추정합니다. 비용 차감 전 성장률을 연간 회전율로 나누고, 시뮬레이션 성장 곡선을 보간합니다. 두 추정치의 차이는 시간이 지남에 따라 비용이 복리로…

이 사례 연구는 S&P 500 종목에서 등가격 내재분산이 이후 실현분산보다 큰지, 그리고 그 차이가 증권별로 달라지는지 연구하기 위한 특성을 구성합니다. 스트래들 호가와 기초자산 가격을 결합해 분산 프리미엄, 변동성, 옵션 시장 상황 및 관련 위험 특성을 측정합니다. 스트래들 호가가 모든 세션에 있는 것은 아니므로, 후행 기간은 성긴 호가 행이 아니라 기초자산의 시장 세션 캘린더를 기준으로 계산합니다. 특성군은 설정에서 룩백과 시차를 선언하며, 종목 코드…

이 노트북은 단일 3월 2020 거래일에 발생한 각 AAPL 거래의 당시 최우선 매수·매도 호가를 재구성한 뒤 리–레디 방식으로 매수자와 매도자 중 누가 거래를 주도했는지 추론합니다. 호가와 거래 이벤트를 타임스탬프순으로 교차 배치하고, 가장 최근 매수·매도 호가를 이어 붙인 다음 각 거래 가격을 호가 중간 가격과 비교합니다. 중간 가격에서 벗어난 거래는 호가 검정으로 분류하고, 중간 가격 거래에는 직전 가격 변동 방향을 틱 검정으로 사용합니다. 이렇게…

이 논문은 구글 검색 활동이 다음 날 지수 중앙값을 웃도는 S&P 100 종목을 예측하는 데 도움이 되는지 검증합니다. 시차를 둔 금융 변수와 검색어 검색량을 결합하고 그래디언트 부스팅 의사결정나무를 학습시켜 결과를 분류합니다. 연구 기간은 2005년부터 2017년까지이며, 평균 ROC 면적은 54.2%에서 56.7%까지로 보고되어 우연보다 높은 예측력을 나타냅니다. 보고된 포트폴리오 실험에서는 여러 데이터 출처를 결합한 모델의 순위가 가장 높습니다.…

이 노트북은 12~-2개월 모멘텀이 베타, 고유 변동성, 시가총액, 분산을 조정한 뒤 다음 달 US 기업 수익률을 예측하는지 확장 윈도우 이중 머신러닝 분석으로 살펴봅니다. 이전 달 데이터를 사용해 교란 요인 모델을 적합하고, 학습 기간과 테스트 기간 사이에 엠바고를 적용하며, 마지막 2016 홀드아웃은 제외합니다. 조정 추정치를 동일한 아웃오브폴드 관측치에서 구한 단순 OLS와 비교하고, 시간 및 기업 간 의존성을 고려해 Driscoll-Kraay 추론을…

이 노트북은 SEC 8-K 공시에서 구조화된 기업 사건 정보를 추출해 Neo4j 지식 그래프에 적재하는 파이프라인을 제시합니다. 언어 모델은 공시를 일괄 처리해 주체, 관계, 객체, 타임스탬프를 포함한 이벤트 레코드를 생성합니다. 명시적인 이벤트 및 관계 스키마를 사용하고 모델 출력을 검증하며 엔터티 형식을 정규화합니다. 지원되지 않는 관계, 날짜, 범주는 검토를 위해 미확정 상태로 둡니다. 콘텐츠 해시, 안정적인 이벤트 및 실행 식별자, 그래프 스냅샷을…

이 노트북은 기업 특성 데이터셋에서 XGBoost, LightGBM, CatBoost의 Optuna 하이퍼파라미터 탐색을 비교합니다. 각 라이브러리에서 트리 구조 Parzen 추정기, 중앙값 가지치기, 조기 종료, 영구 저장소를 사용하는 탐색 실험을 별도로 진행합니다. 평균제곱오차와 평균절대오차 중 선택을 범주형 하이퍼파라미터로 포함하고, 평균 횡단면 정보계수로 검증 성능을 측정합니다. 노트북은 이 데이터셋의 두꺼운 꼬리 수익률에서 MAE 손실 함수가 세…

이 시연은 하나의 이중 이동평균 교차 구현이 백테스트 및 실거래 엔진에서 일치하는 신호를 내는지 확인합니다. 두 엔진에 동일하게 준비한 ETF 봉을 입력하고 같은 전략 매개변수와 체결 규칙을 사용하므로, 비교는 엔진 동작 차이에 초점을 둡니다. 단기 이동평균이 장기 이동평균을 웃돌고 롱 포지션이 없으면 매수하며, 보유 중 역방향 교차가 발생하면 매도합니다. 노트북은 두 신호 기록을 필드별로 비교하며 불일치가 있으면 동등성 검사를 실패로 처리합니다. 근거는…

이 분석은 ITCH 추가, 삭제, 부분 취소, 주문 정정, 체결 메시지로 개별 NASDAQ 지정가 주문을 재구성합니다. 정확한 타임스탬프와 로그 스케일로 표현한 주문 유지 시간 분포를 사용해 주문의 취소 또는 체결 여부와 해당 상태에 도달하는 데 걸린 시간을 측정합니다. 세션 종료 시 호가창에 남은 주문을 이미 체결되었거나 수정된 주문과 구분하고, 단일 종목의 생애주기 분석을 더 광범위한 메시지 개수 분석과 분리합니다. 핵심 결과는 취소율과 체결률이 서로…

이 사례 연구는 ETF 수익률 레이블에 그래디언트 부스팅 트리를 적합하고, 강한 릿지 정규화에서 좋은 성과를 보인 선형 기준선과 비교합니다. 트리는 시장 스트레스 국면에 따라 모멘텀이 다르게 작동하는 경우처럼 상호작용을 찾을 수 있지만, 탐욕적 분할은 릿지가 결합할 수 있는 상관된 피처 중 하나를 임의로 선택할 수 있는 이유를 설명합니다. 그리드는 트리의 용량과 손실 함수를 바꾸고 학습 중 여러 체크포인트에서 각 설정을 평가합니다. 보고된 학습 곡선에 따르면…

이 탐색 분석은 과거 US 주식 패널의 원시 및 수정 가격 필드를 살펴보고 시간에 따른 종목 범위를 분석합니다. 연도별 활성 종목 수와 최초·최종 관측치를 비교해 데이터셋이 과거 검증에 적합한지 이해하려면 진입과 퇴출 흐름을 모두 봐야 하는 이유를 설명합니다. 중단된 커뮤니티 관리 데이터 출처는 패널의 범위를 해석하는 데 핵심적입니다. 분석에 따르면 기록된 퇴출은 2014 무렵부터 나타나지만, 기업들은 그보다 일찍 시장을 떠났습니다. 파일의 구성과 관리 방식…

이 노트북은 GJR-GARCH 모형을 사용해 S&P 500 주식·옵션 연구의 조건부 변동성 피처를 생성합니다. 과거 가격에 기반한 고정 규칙과 달리, 적합된 피처는 추정 기간에 따라 달라집니다. 따라서 재적합 일정을 명시하고, 이전 관측치만으로 매개변수를 추정하며, 생성 시점과 폴드 식별 정보를 보존해 어떤 정보 집합에서 값이 나왔는지 추적합니다. 또한 재귀 초기화와 경계값을 추정 기간에 고정해 이후 데이터가 과거 피처 값에 영향을 주지 않게 합니다. 이…

이 문서는 금융 데이터 정제 방법과 전처리를 학습 데이터와 테스트 데이터 분할에 맞추는 방법을 소개합니다. 핵심은 스케일링이나 윈저화 같은 변환을 학습 데이터만으로 추정하는 것입니다. 전체 데이터셋을 사용하면 미래 관측치 정보가 모델 개발에 유입될 수 있습니다. 중복 처리, 도메인 필터, 결측 구간 표시, 반전 급등 탐지, 이상치 클리핑, 범주형 인코딩, 주기가 다른 데이터셋 정렬 등 재사용 가능한 작업을 설명합니다. 노트북은 주식, ETF 및 기타 시장…

이 문서는 포트폴리오의 예정된 리밸런싱 전에 포지션을 청산하는 세 가지 규칙, 즉 고정 손실 손절, 포지션의 최고가를 기준으로 측정하는 트레일링 스톱, 정해진 보유 기간이 지나면 청산하는 시간 기준 청산을 설명합니다. 오버레이는 포지션을 추가하지 않고 제거하기만 하므로, 손실을 줄이거나 수익을 제한하면서 익스포저를 늘리는 대신 수익률 분포를 바꿀 수 있습니다. 시간 기준 청산은 보유 기간이 중요한지 평가하기 위한 가격 독립적 대조 기준입니다. 노트북은 각…

이 문서는 벤치마킹, 위험 귀속, 팩터 연구에 활용할 수 있는 공개 Fama-French 및 AQR 팩터 수익률 데이터셋을 소개합니다. Fama-French 라이브러리의 시장, 규모, 가치, 수익성, 투자, 모멘텀 팩터와 품질, 저베타, 대안적 가치 개념을 다루는 AQR 시리즈를 설명합니다. 데이터는 월별로 제공되며, 로더에서 일별 Fama-French 데이터와 날짜 범위 필터링도 지원합니다. 워크플로는 데이터셋 다운로드와 캐싱, 로드 및 프로파일링, 월별…

이 노트북은 후속 텍스트 분석을 위해 10-K와 10-Q 공시의 서술형 섹션을 추출하는 방법을 설명합니다. 양식별 항목 번호를 매핑하고 문단 경계를 보존하면서 공시 HTML를 변환하며, 문서 머리말과 꼬리말을 정리합니다. 목차와 본문 상호 참조에 같은 항목이 반복되어도 섹션의 시작과 끝을 찾아냅니다. 공시를 식별하고 정보 이용 가능 시점을 정하기 위해 접수 번호와 접수 타임스탬프를 보존하는 것도 강조합니다. 비어 있거나 지나치게 짧거나 긴 섹션이 있는지 추출…

이 노트북은 기관의 13F 공시를 운용사와 주식을 연결하는 이분 그래프로 변환한 뒤 주식 단위의 보유 특성을 도출합니다. 같은 운용사와 주식의 중복 포지션을 합산하고 발행사 이름을 표준화하며 옵션 행을 제외합니다. 공시 누락을 청산으로 잘못 해석하지 않도록 완전한 보고 분기를 사용합니다. 공시일로 전체 선정 운용사의 스냅샷을 언제부터 이용할 수 있는지 판단하므로 시점별 연구를 지원합니다. 분석에서는 운용사 보유 내역으로 주식 간 코사인 유사도, 보유 폭과…

이 노트북은 오프라인 머신러닝 파이프라인과 QuantConnect의 LEAN 엔진 사이의 배포 경계를 보여줍니다. ETF 사례 레지스트리에서 예측 집합을 선택하고 학습 및 예측 출처를 검증한 뒤, 플랫폼이 사용할 수 있는 JSON 구조로 표본 외 홀드아웃 예측을 내보냅니다. 플랫폼 알고리즘은 모델 추론 파이프라인을 재현하지 않고 해당 점수에 포트폴리오 규칙을 적용합니다. 예측을 고정하면 연구자가 재학습 없이 임계값, 포지션 한도, 리밸런싱 규칙을 시험할 수도…

이 노트북은 시계열 관측값의 순서와 결합된 형태를 보존하는 고정 길이 특성인 경로 시그니처를 설명합니다. 첫 번째 시그니처 차수는 전체 변화를 기록하고, 두 번째 차수 항은 좌표 쌍 사이의 부호 있는 면적을 담습니다. 시간을 경로 좌표에 추가하면 총수익률은 같더라도 가격 경로가 다른 경우를 구별할 수 있고, 거래량을 더하면 가격과 거래량의 동반 움직임을 나타내는 특성을 만들 수 있습니다. 중복 특성을 줄이는 로그 시그니처를 권장하며, 차수가 높아질수록 특성…

이 노트북은 선정된 실제 사례 연구 전략에서 Backtrader, Zipline Reloaded, 내부 트레이딩 프레임워크 간 패리티 비교 결과를 보고합니다. 두 외부 엔진의 ETF 및 US 주식 패널 비교와 Backtrader의 CME 선물 및 USD 표시 FX 비교를 포함합니다. 감사에서는 체결 가격과 수량, 평가 시점, 계좌 가치를 센트 단위 정밀도로 확인합니다. 지원되지 않는 자산 모델은 성공적인 비교로 간주하지 않고 별도로 나열하며, 이 감사에서는…