Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 966개
이 장은 실용적인 질문을 바탕으로 시계열 딥러닝을 살펴봅니다. 관측 순서에는 횡단면 예측이 놓치는 정보가 언제 담기며, 어떤 모델 구조가 그 정보를 활용할 수 있을까요? 순차 학습 부담이 있는 순환 신경망, N-BEATS 같은 분해 모델, 어텐션 기반 접근법, 시간 합성곱, 믹싱 네트워크, 상태 공간 모델, 이미지 인코딩, 사전 학습 예측기를 다룹니다. 노트북에서는 강력한 선형 기준선을 포함해 구조를 비교하고, 워크포워드 평가와 함께 순서를 섞어 모델의 시간…
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 앙상블 구성원 간에 2층 특성 네트워크를 공유하는 표 형식 신경망 구조 TabM을 적용합니다. 각 구성원은 자체적으로 학습한 벡터로 공유 표현의 크기를 조정하고 자체 출력층을 사용합니다. 구성원 예측을 평균하면 완전한 네트워크를 각각 학습하는 것보다 낮은 비용으로 앙상블 다양성을 유지하는 것이 목표입니다. 사전에 지정한 세 설정은 다른 학습 설정을 고정한 채 층 너비와 구성원 수를 다르게 하며, 목표값은 숏 스트래들 수익률입니다. 워크플로는 적합…
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 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 유틸리티는 선택적으로 모멘텀을 포함하는 Fama–French 3요인 또는 5요인 모델로 전략 수익률을 설명하는 방법을 다룹니다. 일별 요인 데이터를 전략 수익률에 맞추고 수익률 빈도를 감지하며, 전략 관측 빈도가 일별보다 낮으면 요인 수익률을 복리로 계산합니다. 보통최소제곱법으로 알파와 요인 노출을 추정하고, Newey–West 이분산성 및 자기상관 일치 표준오차로 추론을 지원합니다. 롱온리 전략은 무위험 수익률을 초과하는 수익률로 모델링하고, 달러 중립…
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 데이터 가이드는 FRED 시계열을 가져와 일별 달력에 맞추고 선택한 지표를 분석용으로 불러오는 절차를 설명합니다. 예시에는 국채 수익률, 10년물과 2년물 간 스프레드, VIX, 고용 지표, 물가, 산업 생산, GDP가 포함됩니다. 원래 발표 주기가 다른 데이터를 결합한 뒤 앞 방향으로 채우면 결과 패널을 일별 전략 데이터와 비교할 수 있습니다. 제안된 활용법은 국면 필터링입니다. 수익률 곡선 기울기를 대략적인 위험 선호, 주의 또는 위험 회피 신호로…
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…
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 논문은 과거 데이터에서 시장 정보와 가격의 상관관계를 추정하고, 그 관계를 거래에 활용하면서 트레이더가 피드백을 만들어내는 과정을 모형화합니다. 충분히 많은 참여자가 추정된 관계에 따라 움직이면 주문이 가격을 바꾸고, 그 결과 처음 의존했던 상관관계도 변합니다. 이렇게 형성된 피드백은 효율적인 행동을 불안정하게 만들 수 있습니다. 모형은 비영(非零) 상관관계가 자발적으로 나타나고 시장이 지속적인 상태, 즉 관행 사이를 전환하는 임계점을 예측합니다. 가격…
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 노트북은 발표된 팩터 수익률을 포트폴리오 구성 요소로 평가합니다. 세 가지 질문을 구분합니다. 팩터 평균 수익률이 까다로운 통계 기준을 넘는지, 지속될 가능성이 있는 근거를 바탕으로 팩터들이 서로 분산 효과를 제공하는지, 선정된 위기 기간에 어떤 움직임을 보였는지 살펴봅니다. 장기 이력이 있는 AQR 및 Fama-French 시계열을 활용하고, 평균 수익률 통계를 시계열 상관에 맞게 보정하며, 일반적인 유의성 기준을 광범위한 팩터 탐색을 고려하기 위한 더…
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 네 단계로 예측 시스템을 구성합니다. 연구 에이전트 패널, 확률 통합, 대립 토론, 그리고 의견 차이를 찾아 추가 근거를 검색한 뒤 최종 확률을 내는 감독자입니다. 감독자의 영향력은 자체적으로 밝힌 신뢰도에 따라 제한됩니다. 무시하거나 이전 결과와 결합하거나 이전 결과를 대체하도록 할 수 있습니다. 상관 가정, 단계별 가중치, 검색 한도, 신뢰도 처리 설정은 중앙에서 선언합니다. 파이프라인은 중간 확률, 프롬프트, 근거, 단계별 출력을 기록하므로…
이 노트북은 설계된 ETF 특성에 차등 프라이버시를 적용해 생성적 적대 신경망을 학습하는 방법을 보여줍니다. 프라이버시 매개변수 엡실론과 델타를 소개하고, DP-SGD가 각 레코드의 그래디언트를 집계 전에 자르고 보정된 노이즈를 추가하는 이유를 설명하며, Opacus로 샘플별 그래디언트와 누적 프라이버시를 관리합니다. 배치 전체에 적용하는 정규화는 레코드 간 정보를 노출할 수 있으므로 판별자에는 호환되는 레이어가 필요합니다. 생성자는 실제 관측값을 직접…
이 노트북은 ETF 특성과 미래 수익률에 고전적인 최소제곱 추론을 적용합니다. 계수 추정치, 표준오차, t 통계량, p값과 이분산성, 잔차 자기상관, 비정규성, 다중공선성 검정을 살펴봅니다. 표본은 자산과 날짜로 구성된 불균형 패널입니다. 워크포워드 학습 폴드를 사용하고 학습 데이터로 특성을 표준화하며, 강건 공분산을 추정하기 전에 선형 종속성이 있는 수익률 합성 변수 여러 개를 제거합니다. 논의에서는 진단 결과가 패널 관측값의 정렬 및 그룹화 방식에 따라…