지식 라이브러리

기존 Quandl WIKI US 주식 패널을 탐색하며 가격 기준, 데이터 범위, 이력으로 백테스트에서 무엇을 확인할 수 있는지 살펴봅니다. 거래 가격 수준을 나타내는 원시 가격과 액면분할 및 배당을 반영한 수익률 계산용 조정 가격을 구분합니다. 행 단위 결측값과 OHLC 일관성 검사에 더해 연도별 종목 수와 최초·최종 관측값으로 시간에 따른 커버리지를 확인하는 방법도 제안합니다. 핵심 발견은 기업들이 더 일찍 상장 폐지되었는데도 패널에 2014년 이전의 퇴출…

샤프 비율을 표본 불확실성이 있는 추정치로 다룹니다. 표본 길이, 왜도, 첨도를 고려하는 신뢰 구간과 확률적 샤프 계산을 전개한 뒤, 최소 운용 실적 기간과 검정력 계획을 사용해 목표 샤프를 벤치마크와 구분하는 데 필요한 데이터 양을 추정합니다. 일반적인 빈도의 제곱근 규칙에 의존하지 않고 시계열 의존성을 고려해 수익률을 연율화하는 Lo의 조정 방법도 설명합니다. 시뮬레이션과 과거 SPY 수익률로 불확실성, 연율화, 후보 전략 탐색의 영향을 보여줍니다. 짧은…

공통 ETF 수익률 패널에 포트폴리오 배분기를 적합하고 이후 관측값에서 고정된 가중치를 평가해 PyPortfolioOpt, Riskfolio-Lib, skfolio를 비교합니다. 평균-위험, 꼬리 위험, 계층적 리스크 패리티, 페널티 배분을 다루며, 반환된 가중치를 자산별로 정렬하고 롱온리 범위와 완전 투자 조건을 확인합니다. 워크포워드 평가는 훈련 기간 안에서 수행하며, 한 배분 결과는 실행 엔진의 일일 목표값으로도 변환합니다. 일관된 입력과 목적 함수…

분 단위 NASDAQ-100 데이터에서 세 가지 절차로 특성을 구성합니다. 단기 분산 예측을 위한 롤링 이질적 자기회귀 회귀, 최근 활동의 주기 구조를 설명하는 푸리에 변환, 가격·주문 흐름·거래 강도 변화의 순서를 포착하는 깊이 2의 경로 시그니처입니다. 회귀 특성은 매개변수를 적합하는 데이터 구간에 따라 달라지지만, 변환과 시그니처는 최근 구간에 적용하는 고정 계산입니다. 특성은 봉마다 생성하며 단면 순위화 능력을 평가합니다. 방법론은 인과적 워크포워드…

공개된 US 기업 패널로 기업 특성 기반 월간 롱숏 전략을 연구할 수 있는지 평가합니다. 데이터 인코딩, 시간에 따른 가용 유니버스 변화, 리밸런싱마다 양쪽 포지션을 채울 만큼 기업이 충분한지, 특성 스프레드가 가정한 거래 비용을 넘어설 수 있는지 점검합니다. 홀드아웃을 열어보지 않은 채 개발 이력으로 워크포워드 평가를 할 수 있는지도 살펴봅니다. 기업 순위를 매겨 상위 그룹을 매수하고 하위 그룹을 매도하며 월간 수익률을 결과로 삼는 전략을 설명합니다.…

이 노트북은 사건 발생 시점, 공개 시점, 그래프 파이프라인이 사건을 추출한 시점을 혼동하지 않고 금융 이벤트 그래프를 분석하는 방법을 보여줍니다. 시각이 기록된 8-K 관계를 불러와 공시와 추출 지연을 측정하고, 공개 공시 기준 시점으로 그래프 스냅샷을 만듭니다. 누적 스냅샷을 비교해 관계 변동을 계산하고 이후 공시나 추출 결과가 과거 시점 보기에도 나타나는지 확인합니다. 예시는 시간 평가의 함정을 보여줍니다. 데이터셋을 필터링한 뒤 같은 필터를 확인하는…

잠재 요인을 이름이 붙은 예측 변수로 제공하는 대신 선물 간 동조 움직임에서 추론한 공통 수익 동인으로 소개합니다. 각 훈련 폴드 안에서 적합하는 두 접근법을 비교합니다. 주성분 분석(PCA)은 수익률 분산을 가장 많이 설명하는 선형 방향을 찾고, 신경망 확률적 할인 요인(SDF) 접근법은 단면 기대 수익률을 설명하는 공통 가격 결정 객체를 찾습니다. PCA는 수익률만 사용하는 반면, SDF는 특성도 도구 변수로 사용해 특성 조건부 익스포저를 표현할 수…

S&P 500 옵션을 대상으로 선형 모델, 그래디언트 부스팅, 표 형식 딥러닝, 시퀀스 모델의 검증 예측을 비교하는 방법을 설명합니다. 진단 결과를 제시하기 전에 등록된 각 예측 모집단이 적격성 조건을 충족하며 완전한지, 모든 모집단이 동일한 교차 검증 식별자를 공유하는지 확인합니다. 시퀀스 모델은 과거 이력이 필요하므로 적격 행이 다릅니다. 비교는 적격 그룹이 일치할 때 의미가 있으며, 모델 계열 간에 자동으로 비교할 수 있는 것은 아닙니다. 폴드별 정보…

이 노트북은 모델을 학습하거나 백테스트를 다시 실행하지 않고, 등록된 NASDAQ-100 미시구조 백테스트를 전략 평가로 정리합니다. 레지스트리에서 지표와 계보를 읽고, 필요한 경우 파생 코호트 및 대응 비교 표를 만들며, 공통 날짜의 전략을 동일 가중 벤치마크와 비교합니다. 핵심 방법은 독립적인 요약 통계를 빼는 대신 일별 수익률 차이를 분석해 대응 관측치가 공유하는 정보를 보존하는 것입니다. 연속된 일별 수익률 간 의존성을 고려하기 위해 블록 부트스트랩…

이 노트북은 사전에 선택한 CME 선물 구성을 기존 배분 방식, 리밸런싱 일정, 집중도 규칙, 거래 비용 가정을 사용해 홀드아웃 예측치에 적용합니다. 핵심 방법은 홀드아웃을 평가하기 전에 이런 선택을 고정하는 것입니다. 해당 기간을 확인한 뒤 매개변수를 바꾸면 검정의 신뢰도가 약해집니다. 등록된 학습 및 백테스트 정체성을 통해 선택된 구성과 이에 대응하는 예측 집합을 확정하고, 실행 결과를 홀드아웃 백테스트로 기록합니다. 이 노트북은 홀드아웃 성과를 검증…

이 노트북은 피처 스토어가 학습 데이터와 실시간 모델 입력을 일치시키는 방법을 설명합니다. 엔터티 키, 이벤트 타임스탬프, 피처 값의 TTL(생존 시간), 피처 열을 기준으로 피처 뷰를 설명하고, 과거 학습을 위한 시점 기준 조인과 서빙을 위한 최신 값 조회를 비교합니다. 예시에서는 Parquet 파일에 저장된 일별 US 주식 재무 특성과 모델 산출 특성을 사용하며, 학습 데이터가 홀드아웃 경계를 넘지 않도록 하는 검사를 포함합니다. 또한 타임스탬프 규칙을…

이 노트북은 등록된 검증 백테스트에서 CME 선물 사례 구성 하나를 선택하는 방법을 설명합니다. 신호, 배분, 리스크 관리 단계의 후보를 모은 뒤 검증 샤프가 가장 높은 구성을 선택합니다. 두 수익률 기간을 함께 고려하며, 비용 민감도 실행은 선택 경쟁에 참여하지 않고 이미 선택한 구성을 설명합니다. 홀드아웃은 선택된 사양만을 대상으로 평가하는 이후의 미사용 기간입니다. 결과가 검증과 다를 수 있지만, 그 차이를 보고할 뿐 다시 선택하지 않습니다. 이…

이 노트북은 월별 ETF 모멘텀 및 수익률 곡선 국면 전략 하나를 벡터화 수익률 계산과 순차 계좌 시뮬레이션, 두 방식으로 적용합니다. 두 방식은 동일한 목표 비중, 자산, 날짜, 총 거래 비용을 사용하므로 목표 반영 시점, 체결 가격, 정수 단위 주식 제약, 현금 추적 등 실행 방식의 차이에 초점을 맞출 수 있습니다. 신호는 실현 변동성 대비 룩백 수익률의 비율로 ETF 순위를 매기고, 위험 선호 국면에는 선정 펀드를 보유하며 그 외에는 채권 ETF를…

이 문서는 신호 품질부터 검증, 거래 비용, 홀드아웃 성과, 근거의 품질까지 트레이딩 사례 9개를 평가하는 5단계 절차를 설명합니다. 각 관문은 누적 방식으로 적용되므로 전략이 마지막 단계에 도달하려면 해당되는 앞선 관문을 모두 통과해야 합니다. 사례에 적용되지 않는 단계는 실패가 아니라 통과로 처리합니다. 분석은 제외 사유를 신호, 구현, 근거 품질 문제로 분류하고, 레이블 개선, 분야별 특성 추가, 모델 튜닝, 앙상블 구성, 포트폴리오 규칙 변경 등 다음…

이 노트북은 여러 기간의 선행 수익률을 예측하기 위해 1분 단위 NASDAQ-100 미시구조 특성에 장단기 기억 네트워크를 적합하는 과정을 설명합니다. 모델은 과거 관측값으로 구성한 시퀀스를 한 단계씩 처리하며 어떤 이전 관측치를 유지할지 학습합니다. 학습에는 워크포워드 폴드를 사용하고, 학습 데이터만으로 특성을 표준화하며, 종목과 폴드가 바뀔 때 상태를 초기화하고, 지정된 체크포인트에서 검증 예측치를 저장합니다. 학습 대상 간 중첩을 줄이기 위해 각 레이블…

이 노트북은 변동성 측정치를 비교하고 이질적 자기회귀(HAR) 모델을 적합하며, 허스트 지수로 거칠기를 추정합니다. 장중 실현분산과 일별 추정치를 먼저 비교하면서 야간 수익률과 장중 움직임을 구분하고, 조정되지 않은 가격, 누락된 거래일, 서로 맞지 않는 변동성 정의 같은 함정을 짚습니다. HAR 회귀는 일별, 주별, 월별 변동성의 이동 평균을 사용해 여러 시장 기간을 나타내며, 뉴이-웨스트 표준오차로 회귀변수 중첩에 따른 추론 문제를 다룹니다. 또한 HAR…

이 노트북은 계측 주성분 분석에서 주식 특성을 요인 노출로 변환하는 선형 매핑을 신경망으로 대체한 조건부 오토인코더를 소개합니다. 노출과 요인 수익률의 곱으로 이루어진 구조는 유지하면서, 특성과 적재량 간 비선형 관계를 허용합니다. 각 학습 구간에서 설정된 선행 수익률 레이블을 재구성하도록 모델을 학습한 뒤, 검증 정보계수로 표현이 이후 날짜에도 적용되는지 측정합니다. 이 노트북은 한 번의 확률적 학습에서 여러 체크포인트의 예측값을 공개하고, 모델 선택은…

이 유틸리티 모듈은 검증 및 홀드아웃 데이터에서 예측 모델을 평가하는 표와 그림을 만듭니다. 진단 항목에는 정보계수의 신뢰구간, 검증에서 홀드아웃으로의 성과 저하, 선택 편향을 보정한 백테스트 통계, 폴드별 비교, 시장 국면 포괄률, 컨포멀 구간 포괄률이 포함됩니다. 저장된 학습, 예측, 백테스트 기록을 조회하고 비교 가능한 구성을 선택하며, 관련 결과가 아직 없으면 일관된 빈 표 스키마를 반환합니다. 설계는 모델 평가를 위한 몇 가지 안전장치를 강조합니다.…

이 장에서는 연속시간 가격 과정, GARCH 변동성, 부트스트랩 재표본추출, 모델 비교 등 합성 금융 데이터를 생성하는 전통적 접근법을 설명합니다. 기하 브라운 운동, 점프 확산, 평균 회귀, 헤스턴 같은 모델이 수익률, 점프, 변동성 변화에 대해 서로 다른 가정을 어떻게 반영하는지 살펴보고, 드리프트 보정과 분산 절단 같은 실무 구현 세부사항도 다룹니다. 모수적 모델은 관측된 과거를 넘어선 결과를 생성할 수 있지만, 그 결과의 특성은 모델 가정이 함의하는…

이 노트북은 주요 S&P 500 주식 신호 구성에 적용할 포트폴리오 비중 산정 방식을 비교합니다. 먼저 검증 샤프를 기준으로 각 구성에서 전체 구간을 포괄하는 가장 우수한 체크포인트를 선택한 뒤, 점수 가중, 컨포멀 가중, 역변동성, 리스크 패리티, 평균-분산 최적화, 계층적 리스크 패리티 등 대체 배분 방식을 같은 예측치에 적용합니다. 리밸런싱마다 보유하는 종목 수도 바꾸고, 신호 단계의 동일 가중 기준선과 결과를 비교합니다. 이 설계는 예측 품질과 배분의…

이 노트북은 S&P 500 옵션을 대상으로 선언된 3개 모델 시퀀스 학습 집단 중 NLinear 모델을 실행합니다. 이 모델을 학습하기 전에 전체 집단의 요청과 체크포인트를 확정하므로, 후속 노트북에서 같은 스냅샷을 기준으로 LSTM 및 PatchTST 모델을 실행할 수 있습니다. 장치도 학습 정체성의 일부로 간주합니다. CPU와 GPU 연산에서 서로 다른 학습 가중치가 나올 수 있으므로, 표준 장치가 아닌 경우 별도의 집단 이름이 필요합니다. 이 워크플로는…

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 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 Binance 무기한 선물 데이터로 프리미엄에 따라 계약 순위를 매기고 롱·숏 포지션을 취하는 횡단면 전략을 지원할 수 있는지 평가합니다. 모델을 적합하거나 예측을 수행하지는 않습니다. 대신 펀딩 정산 시점의 선언된 거래 유니버스를 확인하고, 관측된 시장 폭을 전략의 의도된 포지션 규모와 비교하며, 거래소 수수료 대비 가격 변동을 살펴봅니다. 홀드아웃 기간을 유지하면서 개발 이력으로 워크포워드 검증이 가능한지도 평가합니다. 각 계약의 자기상관도…