Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 535개
이 노트북은 관측된 교란 요인을 조정한 뒤에도 내재변동성에서 실현변동성을 뺀 스프레드와 미래 주식 수익률의 연관성이 유지되는지 이중 머신러닝으로 검정합니다. 동일한 교차적합 관측치에서 조정 추정치와 단순 보통최소제곱을 비교하고, 개체 내 블록 순열 위약 검정을 사용합니다. 시간 통제 변수는 결과 기간, 처치 변수의 롤링 구성, 폴드 엠바고, 관측치 간 의존성을 반영합니다. 최종 홀드아웃까지 이어질 수 있는 결과는 분석에서 제외합니다. 결과는 개발 기간 중…
이 노트북은 Interactive Brokers를 실시간 데이터 소스이자 주문 실행 플랫폼으로 사용해 일간 FX 통화쌍 모델을 배포하는 절차를 살펴봅니다. 과거 패널로 릿지 회귀 모델을 학습하고 일간 수익률, 모멘텀, 변동성, 가격에서 도출한 특성을 간결하게 계산한 뒤 최근 봉 데이터를 가져옵니다. 통화쌍 유니버스의 점수를 매겨 예측 수익률이 가장 높은 통화쌍으로 구성한 바스켓을 계획하고, 모델 아티팩트와 모니터링 및 감사를 위한 실행 기록도 저장합니다.…
이 노트북은 CME 선물 패널을 대상으로 신경망 확률할인요인 모형을 제시합니다. 이 모형은 상품 수익률과 캐리, 모멘텀, 변동성 같은 관측 가능한 특성을 함께 사용해 잠재 요인을 구성하고, 미리 정한 미래 수익률 기간에 대한 예측을 생성합니다. 수익률만 사용하는 PCA와 이 접근법을 비교해 특성이 수익률 공분산을 넘어 추가 가격 정보를 제공하는지 검토할 수 있는 방법을 설명합니다. 표현은 각 학습 폴드 안에서 적합하고 검증 데이터는 재적합 없이 변환하며,…
이 노트북은 멀티애셋 ETF 유니버스에서 롱온리 포트폴리오 배분 6가지를 비교합니다. 최적화를 불안정하게 만들 수 있는 표본 변동을 줄이기 위해 Ledoit–Wolf 공분산 축소를 사용하고, 샤프 비율 최대화, 분산 최소화, 리스크 패리티, 계층적 리스크 패리티, 조건부 드로다운 위험 최소화, 동일 비중을 비교합니다. 기법마다 필요한 추정치가 다릅니다. 일부는 기대수익률과 공분산을 사용하고 위험만을 기준으로 하는 목적 함수는 기대수익률 예측을 제외합니다.…
이 설정은 주가지수, 국채, 에너지, 금속, 통화, 농산물, 축산물을 아우르는 주간 선물 연구 유니버스를 정의합니다. 금요일 결제를 의사결정 기준 시점으로, 월요일 시가를 실행 시점으로 설정합니다. 전략 틀은 캐리 또는 모멘텀으로 상품 순위를 매기고 동일 위험 또는 명목금액 기준 포지션 규모를 사용하는 롱숏 포지션을 지원합니다. 비용 가정은 상품 유동성에 따라 달라지며 수수료, 스프레드, 롤 슬리피지를 포함합니다. 설정에는 모멘텀, 변동성, 캐리, 추세 및…
이 실험은 선택한 월간 US 주식 롱숏 신호가 소형주에 얼마나 의존하는지 살펴봅니다. 시차를 둔 시가총액 필터를 적용해 검증 예측에서 가장 작은 사분위 종목을 제거한 다음, 모델을 재학습하지 않고 동일한 포트폴리오 구성과 비용 가정으로 다시 실행합니다. 필터 적용 유니버스에는 자산이 더 적지만 회전율은 전체 유니버스 결과와 비슷하게 유지됩니다. 보고된 샤프 비율은 4.27에서 2.24로, 정보계수는 0.074에서 0.048로 하락하고 최대 드로다운은 약…
이 문서는 선형 및 그래디언트 부스팅 모델과 동일하게 가공된 특성 행과 워크포워드 폴드를 사용하는 CME 선물 TabM 실험을 설명합니다. TabM은 앙상블 구성원 간 대부분의 가중치를 공유해 여러 신경망 평균화의 분산 감소 효과 일부를 전체 계산 비용 없이 얻습니다. 설정마다 모델 용량이 달라지며, 선언한 모든 학습 체크포인트는 이후 검증 백테스트와 샤프 비율 기반 선택을 위해 공개됩니다. 이 비교는 특성 열, 레이블, 폴드 계약을 일관되게 유지하면서…
이 자료는 별도의 2021 홀드아웃 예측을 사용해 검증 데이터에서 선택한 전략을 평가하는 방법을 설명합니다. 선택한 배분, 집중도, 위험 통제, 거래 일정, 비용은 고정하고 전략에 입력되는 예측만 바꿉니다. 홀드아웃 예측 집합은 학습 명세를 통해 선택한 모델 설정에 연결되어 평가가 의도한 절차를 따르도록 돕습니다. 설명에서는 홀드아웃 결과를 검증 수치와 비교하면서 검증 성과가 탐색에서 나왔기 때문에 낙관적이라는 점을 유의합니다. 단일 홀드아웃 연도는…
이 노트북은 검증 폴드에서 설정을 선택한 뒤 US 주식 사례 연구의 홀드아웃 구간을 예측하는 과정을 설명합니다. 선택한 설정을 확정하고 체크포인트 선택을 유지하며, 홀드아웃 시작 전에 이용 가능한 데이터로 새 학습 명세를 구성합니다. 레이블 버퍼는 학습 결과가 평가 구간까지 이어지지 않게 하고, 재적합 때 폴드별 적격성과 매개변수를 다시 계산합니다. 노트북은 결과 예측 집합을 등록하고 학습 식별자와 적용 범위가 선언된 구간에 맞는지 확인합니다. 또한 서로…
이 노트북은 Ridge 회귀와 세 가지 컨포멀 방법인 분할 컨포멀 예측, 컨포멀화 분위수 회귀, 적응형 컨포멀 추론을 사용해 ETF 선행 수익률의 불확실성 구간을 만듭니다. 워크포워드 폴드로 이를 평가하고, 유한 표본 보정 규칙을 설명합니다. 보간된 분위수가 아니라 필요한 순위에 해당하는 보정 점수를 선택합니다. 적응형 컨포멀 추론은 시간에 따라 미포괄률 목표를 갱신하며, 선행 수익률 레이블이 확정될 때까지 피드백을 지연합니다. 분석에서는 전체 커버리지뿐…
이 노트북은 모델이 자산 순위를 정한 뒤 배분 규칙이 ETF 전략에 미치는 영향을 살펴봅니다. 예측 집합과 리밸런싱 달력은 고정하고, 각 비교에서 동일한 상위 K개 바스켓을 선택한 뒤 바스켓 내 가중치만 바꿉니다. 방법에는 동일 가중, 점수 가중, 역변동성, 리스크 패리티, 평균·분산 최적화, 계층적 리스크 패리티가 포함됩니다. 보유 펀드 수에 따라 가중치가 달라질 여지가 달라지므로 바스켓 집중도도 함께 바꿔봅니다. 분석은 배분 방식의 효과가 신호가 선택한…
이 장은 백테스트, 모의투자, 실거래 환경에서 실행할 수 있는 전략 로직을 바탕으로 연구에서 실거래 실행까지 이어지는 과정을 설명합니다. 브로커 및 플랫폼 통합, 배포 절차, 데이터와 특성의 일치 여부 점검, 주문 수명 주기 처리, 운영 준비를 다룹니다. 주문 흐름은 상태 기계로 모델링해 부분 체결, 취소, 거부, 중단 후 복구를 명시적으로 처리할 수 있습니다. 리스크 관리에는 주문 및 포지션 한도, 오래된 데이터 확인, 섀도 트레이딩, 대사, 킬 스위치가…
이 장은 금융 데이터를 시장, 펀더멘털, 대체 데이터 출처별로 정리한 뒤 자산군에 따라 가격, 유동성, 관측값의 의미가 어떻게 달라지는지 비교합니다. 타임스탬프, 조정, 식별자, 수정 이력이 데이터셋 정의의 일부이며 연구 결론을 바꿀 수 있다고 강조합니다. 예시로는 생존 편향을 고려한 주가, 기업 활동 조정, 선물 세션 봉과 연속 계약, 옵션 지표, 암호화폐 펀딩 데이터가 포함됩니다. 핵심 부분에서는 시점 기준 정확성, 생존 편향, 기업 활동, 식별자…
이 문서는 사례 연구 평가 설정에서 워크포워드 검증 분할을 생성하는 공통 방법을 설명합니다. 폴드 구성은 달력을 고려하는 분할기에 맡기고, 패널 행의 정렬을 유지하도록 고유 타임스탬프를 사용하며, 지정된 홀드아웃 경계에서 거꾸로 진행합니다. 학습 및 검증 구간에는 롤링 기간을 사용할 수 있고, 경계를 넘어 이어지는 결과의 누수를 줄이기 위해 레이블 버퍼로 두 구간을 분리합니다. 핵심 설계 선택 중 하나는 버퍼를 세는 방식입니다. 시장 달력과 세션 격자로…
이 노트북은 1년 동안 두 가지 US 주식 선형 모델 설정에서 나온 실제 검증 예측 오차에 순차 감지기 두 개를 적용합니다. 두 구간 평균 변화 감지기는 오차 크기의 변화를 찾고, 오답 빈도 모니터는 방향 예측이 틀리는 빈도를 추적합니다. 각 감지기는 초기 기간에 보정한 뒤 이후 세션을 모니터링하므로 평가 대상 기간에 맞춰 임계값을 조정하지 않습니다. 경보를 롤링 변동성 기반 시장 혼란 대리 지표와 비교하고, 혼란 구간까지의 부호 있는 거리를 기록해 조기…
이 문서는 기존 워크포워드 검증 명세에서 단일 홀드아웃 학습 구간을 도출하는 방법을 설명합니다. 연구 설정에 선언된 홀드아웃 날짜를 가져오고, 검증 폴드 전체에서 가장 이른 학습 시작일을 사용하며, 가장 긴 레이블 버퍼를 포함하는 간격을 남기도록 학습을 충분히 일찍 끝냅니다. 이 버퍼는 학습 결과가 홀드아웃 평가를 위해 남겨둔 기간까지 닿지 않게 합니다. 특성 데이터가 폴드별로 더 좁은 과거 구간에만 존재한다면, 학습 시작일 하한을 두어 해당 특성이 실제로…
이 노트북은 S&P 500 주식의 등가격 숏 스트래들에 대한 선행 수익률 레이블을 만듭니다. 일별 패널에서 명목 30일물 스트래들은 매 세션마다 다른 계약을 나타내므로, 가격 시계열을 단순히 이동하면 상품이 뒤섞입니다. 대신 레이블은 실제 진입한 콜·풋 계약을 추적하고 이후 가격이나 결제 값을 가져와 각 거래에 유효한 진입 및 청산 데이터가 있는지 확인합니다. 또한 만기 보유 수익률을 고정 기간 진단과 구분하며, 여기에는 델타 헤지 변형도 포함됩니다.…
이 노트북은 등가격 스트래들을 매도해 만기까지 보유하는 전략의 후보 특징을 선별합니다. 각 거래일에 특징별 가용 종목의 횡단면 순위를 만기 시점 스트래들 결과의 순위와 비교한 뒤, 검증 기간에 걸친 순위 일치도를 평균합니다. 여러 후보를 함께 시험하므로 중첩 포지션에 따른 불확실성을 조정하고 거짓 발견을 통제합니다. 워크플로는 데이터 범위와 오래된 값도 점검하고 기간별 일관성을 비교하며, 근거와 처리 결정을 선별 대장에 기록합니다. 통계적 선별과 모델 선택을…
이 Python 모듈은 일별 표본 외 수익률을 사용해 전략 백테스트의 불확실성을 정량화하는 방법을 설명합니다. 수익률 시계열 통계에 대한 정상성 블록 부트스트랩 구간, 자기상관과 비정규성을 조정한 Sharpe 표준오차, 평균 수익률에 대한 Newey–West 표준오차를 결합합니다. 블록 길이는 가능하면 리밸런싱 간격을 기준으로 정하고, 그렇지 않으면 최적 크기 추정기를 사용하되 수익률 산출 기간을 바탕으로 하한을 둡니다. 또한 일별 수익률 차이를 이용한 대응…
이 논문은 개별적으로는 유효한 여러 구성 요소가 서로 충돌하는 금융 상태를 만들 수 있는 레버리지 이벤트 시장을 위해 정본 프로토콜 그래프를 제안합니다. 포지션, 부채, 결제 증빙, 준비금, 청산과 같은 각 영역에 단일 정본 저장소를 지정하고, 구성 요소들은 잔액이나 기록을 중복하지 않은 채 상태 전이를 조율합니다. 설계에는 원자적 포지션 생성, 결제 확인에 따른 부채 처리, 트레이더 잔여분 해제, 순서가 있는 손실 분배 워터폴, 출금 대기열, 권한에 따른…
이 논문은 중앙화 거래소 거래가 지분증명 블록체인의 스테이킹 선택과 토큰 분배에 미칠 수 있는 영향을 모형화합니다. 연속시간 평균장 프레임워크에서 참여자는 가격 충격이 있는 중앙화 시장에서 검증자이자 트레이더로 활동합니다. 저자들은 명시된 가정 아래 국소적 정립성을 증명하고 균형 거래 행동을 준명시적으로 특성화합니다. 수치 결과는 시장 유인에 따라 중앙화 거래가 스테이킹 참여를 늘리고 스테이킹 분포의 집중도를 낮출 수 있음을 시사합니다. 이 연구는 거래…
이 노트북은 ETF 미래 수익률 예측에 대해 분할 컨포멀 예측, 컨포멀화 분위수 회귀, 적응형 컨포멀 추론을 비교합니다. 워크포워드 폴드에서는 한 부분으로 학습하고, 다른 부분에서 구간 오차를 보정한 뒤 이후 관측값을 평가합니다. 분할 컨포멀은 보정 잔차 순위를 사용해 구간 너비를 정합니다. CQR는 보정 전에 하한과 상한 분위수 모델을 적합하므로 상황에 따라 구간 너비가 달라질 수 있습니다. ACI는 지연된 결과를 이용할 수 있게 되면 미포함률을…
이 노트북은 개별 추정치를 정확히 계산하더라도 많은 팩터나 전략을 검색하면 선택된 우승 후보의 겉보기 성과가 부풀려지는 이유를 설명합니다. 시뮬레이션한 잡음 팩터 집합은 가장 큰 정보계수가 우연히도 인상적으로 보일 수 있음을 보여줍니다. 이어 이분산성과 자기상관에 강건한 추론을 적용한 뒤 거짓 발견률을 통제하는 보정 절차를 구성하고, 더 보수적인 선별을 위한 패밀리 단위 오류 통제도 논의합니다. 상관된 팩터 변형에는 Rademacher 복잡도 보정을…
이 노트북은 공유 ETF 모멘텀 전략 인터페이스를 Alpaca에 연결하는 방법을 보여주며, 기본적으로 시뮬레이션 오프라인 경로를 제공합니다. 브로커와 시장 데이터 어댑터를 바꿔도 전략, 주문 로그, 섀도 모드 래퍼는 동일하게 유지되는 방식을 설명합니다. 페이퍼 환경의 라이브 연결에 앞서 선택적 SDK 사용 가능 여부, 자격 증명, 계정 상태를 각각 확인합니다. 계정 스냅샷에는 현금, 자산, 포지션이 포함됩니다. 섀도 모드는 주문을 전송하지 않고 제안된 주문을…