본문으로 건너뛰기

지식 라이브러리

Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.

라이브러리 검색

문서 535개

Machine Learning for Trading

이 노트북은 설명된 S&P 500 숏 스트래들 엔진에 일반적인 목표 비중 리스크 오버레이가 적합하지 않은 이유를 설명합니다. 엔진은 고정 자본 비중을 주간 코호트에 할당하고 각 코호트 안에서 비중의 합이 1이 되도록 정규화합니다. 따라서 비중을 낮춰도 정규화 과정에서 원래대로 돌아가 드로다운이나 변동성 오버레이가 통제할 현금 배분이 남지 않습니다. 대신 헤지 기준, 결제 규칙, 진입 비용, 코호트 수를 포함한 전략 사양에 관련 통제를 두어야 합니다. 노트북은…

옵션리스크 관리백테스트
Machine Learning for Trading

이 노트북은 선택된 US 기업 특성 전략의 검증 성과가 가정한 수수료와 슬리피지에 따라 어떻게 달라지는지 측정합니다. 동일한 설정을 명시된 비용 그리드 전반에서 다시 실행하고, 총 비용을 수수료와 슬리피지에 균등하게 나눕니다. 전략을 고정하면 샤프 곡선을 통해 거래 비용 가정에 대한 민감도를 분리해 볼 수 있습니다. 비교를 위해 선언된 비용 수준을 스윕 안에 표시하며, 등록된 결과는 다시 계산하지 않고 재사용할 수 있습니다. 전략은 선언된 비용 수준에서 얻은…

주식백테스트주문 집행리스크 관리
Machine Learning for Trading

이 노트북은 9개의 요인 및 자산군 수익률 시계열의 공동 움직임을 기준으로 월을 그룹화하는 가우시안 혼합 모델을 사용합니다. 월별 관측치를 표준화하고 결측 월을 제거한 뒤 BIC, AIC, 실루엣 점수로 후보 군집 수를 비교합니다. 이후 날짜가 확인된 시장 이벤트에 비춰 군집을 해석하고 각 그룹 내 요인 성과를 살펴봅니다. 이를 통해 환경별 차이가 통합 평균에 가려질 수 있음을 보여줍니다. 증거는 1927년에 시작되는 AQR의 월별 요인 수익률 기록에서…

팩터 투자머신러닝통계멀티에셋
Machine Learning for Trading

이 노트북은 선택된 CME 선물 모델 설정의 홀드아웃 예측을 생성하는 방법을 설명합니다. 검증 결과로 설정을 선택한 뒤 홀드아웃 기간이 시작되기 전에 끝나는 데이터로 다시 적합합니다. 레이블 버퍼를 두어 선행 레이블 결과가 홀드아웃까지 이어지지 않도록 학습 관측치와 평가 기간을 분리합니다. 또한 기간 시작 전에 추정한 매개변수를 홀드아웃 기간 내내 고정해 모델 기반 특성을 다시 생성합니다. 예측 집합은 실제로 재적합한 학습 실행과 연결되어야 합니다. 검증…

선물백테스트머신러닝리스크 관리
Machine Learning for Trading

이 노트북은 위험가치(VaR)와 기대부족액(ES)을 목표로 금융 수익률 시나리오를 생성하는 생성적 적대 네트워크 방식인 Tail-GAN을 설명합니다. 미분 가능한 정렬을 사용해 분위수 추정치를 통한 기울기 전달이 가능하고, VaR와 ES의 관계를 나타내는 제약 조건에 위험 추정치를 투영합니다. ETF 수익률을 롤링 시나리오로 배열하고 무작위 롱·숏 포트폴리오 가중치와 결합해 손익 예시를 만듭니다. 극단값을 표현할 수 있도록 입력값을 생성기의 출력 클램프…

머신러닝리스크 관리변동성포트폴리오 구성
Machine Learning for Trading

이 노트북은 거래량 참여 한도가 각 시장 구간에서 체결될 수 있는 부모 주문의 수량을 어떻게 제한하는지 설명합니다. 브로커는 관측된 거래량으로 허용 수량을 계산하고 미체결 잔량을 다음 구간으로 넘깁니다. 참여 한도가 낮으면 시장 영향은 줄지만 완료 시간이 길어지고, 한도가 높으면 체결 속도가 빨라지는 대신 시장 충격에 더 노출됩니다. 최소 거래량 기준을 두면 특히 유동성이 낮은 시간대의 거래를 막을 수 있습니다. 이 시연은 실제 NASDAQ-100 분봉…

주문 집행시장 미시구조리스크 관리주식
Machine Learning for Trading

이 노트북은 신호 규칙, 자산 배분, 리스크 오버레이를 다루는 등록된 검증 백테스트에서 CME 선물 사례 연구를 선택합니다. 두 수익률 구간에 걸쳐 후보를 비교하고 검증 샤프가 가장 높은 설정을 선택합니다. 비용 민감도는 선택 후보군에 후보를 추가하지 않고 선택된 설정만 설명합니다. 재현 가능한 비교를 위해 기준 실행에서 후보 구성을 고정합니다. 그런 다음 선택된 전략의 정확한 전략 사양과 모델 체크포인트를 맞춰 이후 홀드아웃 기간에서 평가합니다. 검증과…

선물백테스트리스크 관리포트폴리오 구성
Machine Learning for Trading

이 사례 연구는 만기까지의 수익률을 예측하는 단기 등가격 스트래들 그래디언트 부스팅 모델을 비교합니다. 트리 용량과 제곱 오차, 절대 오차, 후버 손실의 세 가지 적합 목적을 달리합니다. 변동성 이벤트가 있었던 해를 포함한 두 기간에 워크포워드 검증을 적용하고 정보계수(IC)로 예측을 평가합니다. 각 부스팅 단계에서 자체 예측이 생성되므로 체크포인트를 별도의 모델 후보로 취급합니다. 보고된 양상은 제곱 오차가 다른 목적들과 일관되게 구별되며 IC가 가장…

옵션변동성머신러닝백테스트
Machine Learning for Trading

이 문서는 일일 시장 데이터를 최신 상태로 유지하는 운영 절차를 제시합니다. 초기 이력을 불러오고, 저장 이력과 일부 겹치는 짧은 증분 구간을 가져오고, 누락된 날짜를 확인하며, 최신성과 검증 문제를 모니터링합니다. 겹치는 구간은 공급업체가 최근 봉을 수정한 내용을 반영하는 데 도움이 됩니다. OHLCV 데이터는 공급업체가 불완전하거나 가격 정보가 빠진 세션을 반환할 수 있으므로 업데이트 종료 시점을 현재 날짜가 아니라 마지막으로 완성된 봉에 맞춰야 합니다.…

주식백테스트통계리스크 관리
Machine Learning for Trading

이 구성은 S&P 500 종목을 대상으로 주간 등가격 스트래들 매도 연구를 설명합니다. 포지션은 금요일에 열어 만기까지 보유하며, 옵션 델타 변화가 발생하면 주식 헤지를 매일 실행합니다. 포트폴리오 자본은 겹치는 코호트에 나누어 배분하며, 주요 성과 지표는 만기까지의 수익률입니다. 평가는 시간순 학습·검증·홀드아웃 기간을 사용하고 여러 포트폴리오 배분 방식과 분산 리스크 프리미엄이 수익률을 설명할 수 있는지 분석합니다. 비용 모형에는 옵션 및 헤지 스프레드,…

옵션변동성리스크 관리백테스트
arXiv papers

이 연구는 BTC/USDT 주문 실행을 대상으로 이중 심층 Q 학습과 K-평균으로 구획한 전문가 혼합 모형, 매개변수 수를 맞춘 밀집 신경망을 비교합니다. 평가는 5분 평균 집계 바이낸스 지정가 주문 장부 데이터를 사용하며, 집행 부족분, 학습 시드별 변동, 정책 붕괴, 정책 내 꼬리 위험에 초점을 맞춥니다. 보상과 페널티 설계 때문에 조기 청산 비용이 거의 없는 재생 환경에서 시간가중 평균 가격 및 즉시 청산 기준과 결과를 비교합니다. 학습된 구성 중 기준…

가상자산주문 집행머신러닝시장 미시구조
arXiv papers

이 논문은 하이브리드 온체인 금융 시스템의 워크플로를 평가하기 위한 증거 아키텍처를 제시합니다. 봉인된 매니페스트에는 시스템 식별 정보, 역할, 스키마, 릴리스 정보가 기록되며, 등록된 도출 과정과 공통 상관 식별자를 갖춘 7개 증거 계층을 보존합니다. 출처, 관련 루트 조건, 음성 대조군, 재현 가능한 패키징, 과거 재생, 독립 검토가 모두 명시된 요건을 충족해야 주장을 다음 단계로 올릴 수 있습니다. 해시가 일치한다는 사실만으로 증거가 독립적으로…

가상자산탈중앙화 금융(DeFi)시장 미시구조리스크 관리
arXiv papers

이 연구는 투자 기회가 확률 요인에 따라 달라지는 불완전 시장에서 멱효용을 가진 투자자의 무한 기간 투자와 소비를 살펴봅니다. 유한 상태 요인과 이토 확산으로 모형화한 요인을 모두 다루며, 동적 포트폴리오 선택을 해밀턴–자코비–벨만 방정식의 해와 연결합니다. 유한 상태 공간에서는 최적화 문제가 적절히 정의되는 조건을 규명하고 가치 함수를 계산하는 수치 방법을 제시합니다. 열린 구간의 확산 요인에는 경계값을 지정하지 않은 2계 상미분방정식의 하해 및 상해…

포트폴리오 구성리스크 관리변동성통계
arXiv papers

이 논문은 소득이 확률적이고 투자 대상에 주식, 채권, 생명보험이 포함되는 개인의 생애주기 포트폴리오 선택을 연구합니다. 목적 함수는 소비, 사망 보험금, 기말 부를 고려합니다. 볼록 매매 제약은 거래할 수 없는 자산, 공매도 금지, 차입 한도 같은 제한을 나타냅니다. 저자들은 보상 자산 드리프트를 조정해 매매 제약을 반영하는 인공 시장을 구성합니다. 그런 다음 쌍대 변환과 심층 가격 커널 방법으로 원래 최적화 문제의 하한과 상한을 계산합니다. 가격 커널에…

포트폴리오 구성머신러닝리스크 관리채권
arXiv papers

이 논문은 트레이더가 이산시간 준정적 전략과 제한된 수의 옵션에 대한 동적 거래를 함께 사용할 수 있을 때, 이색 파생상품의 모형 독립적 초복제 가격을 연구합니다. 초복제 범위는 하나의 가격 모형을 정하지 않고 가능한 결과 전반에서 파생상품의 지급액을 충당하도록 설계된 전략의 비용을 나타냅니다. 분석은 쌍대성 결과를 도출하고, 동적으로 거래되는 옵션에 어떤 가격 규칙을 적용하면 통상적인 마팅게일 최적 수송 범위보다 범위를 개선할 수 있는지 규명합니다. 문서는…

옵션파생상품 가격 결정차익 거래리스크 관리
arXiv papers

이 문서는 페어 트레이딩을 동적 포트폴리오 최적화 문제로 정식화합니다. 서로 관련된 두 증권의 스프레드는 가우스 평균회귀 과정을 따르며, 드리프트율은 관측되지 않는 유한 상태 연속시간 마르코프 연쇄에 따라 변합니다. 국면이 숨겨져 있으므로 저자들은 확률적 필터링을 사용해 부분 정보 문제를 완전 정보 정식화로 변환합니다. 로그 효용을 사용해 결과 문제를 풀고, 실현 포트폴리오 변동성에 연동된 기말 부의 페널티를 포함합니다. 이 연구는 완전 정보와 부분 정보…

페어 트레이딩평균 회귀리스크 관리포지션 규모 설정
arXiv papers

이 문서는 주문장 역학을 입자의 움직임으로 표현하고 운동량 지표로 시장 상태를 요약하는 방법을 제안합니다. 통계물리학 관점의 이 방법은 특히 허수 주문과 레이어링처럼 시장 조작을 시사할 수 있는 행동을 포착하는 데 목적이 있습니다. 저자들은 LUNA 가상자산 급락 전후의 주문장 활동에 이 방법을 적용해 두 행동의 광범위한 사례를 발견했다고 보고합니다. 문서는 LUNA 및 비트코인 시장에서 기존 Z 점수 이상 탐지와 비교한 결과도 보고하며, 제안한 방법이 조작…

가상자산시장 미시구조통계리스크 관리
arXiv papers

이 논문은 근접 정책 최적화, 어드밴티지 액터 크리틱, 심층 결정론적 정책 경사라는 세 가지 액터 크리틱 강화학습 알고리즘을 결합한 자동 주식 트레이딩 방식을 설명합니다. 에이전트는 투자 수익 극대화를 목표로 트레이딩 결정을 학습하고, 각 알고리즘의 강점을 결합해 시장 상황에 적응하도록 만든 앙상블에 통합됩니다. 연속 행동 학습 중 메모리 사용을 제한하면서 대용량 데이터를 처리하기 위해 필요할 때 데이터를 불러오는 기법도 사용합니다. 이 접근법은 다우존스…

주식머신러닝포트폴리오 구성리스크 관리
arXiv papers

이 문서는 투자자가 견고한 기대 거듭제곱 효용을 극대화할 때 확률적 요인 모형에서의 장기 투자를 연구합니다. 견고성이란 하나의 가정된 모형만을 바탕으로 최적화하는 것이 아니라 불리한 대안 모형도 고려하는 것을 뜻합니다. 저자들은 쌍대성을 이용해 투자 문제를 무한 시간 범위의 위험 민감 제어 문제로 바꿉니다. 에르고딕 벨만 방정식으로 최적 장기 성장률, 이에 대응하는 트레이딩 전략, 점근적 최악 조건 모형을 규정합니다. 이어서 이 결과를 바탕으로 장기 투자를…

멀티에셋리스크 관리포트폴리오 구성통계
arXiv papers

이 연구는 NSE 500 종목으로 구성한 실물 모멘텀 포트폴리오를 일간, 주간, 월간, 연간 투자 기간에 걸쳐 평가합니다. 2014–2021의 과거 수익률과 위험 특성을 살펴보고, 각 기간에서 가장 높은 성과를 낸 포트폴리오를 NIFTY 50 포트폴리오와 비교합니다. 연구 기간에 선정된 각 모멘텀 포트폴리오가 벤치마크보다 수익률이 높고 위험 지표도 더 양호했다고 저자들은 보고합니다. 또한 논문은 일간 투자 기간에서 실물 모멘텀 효과의 반전이 가장 강하게…

주식모멘텀통계백테스트
arXiv papers

이 연구는 자산 가격의 거품이 어떻게 형성되고 붕괴하는지 설명하기 위한 단순 확률 미분 방정식을 제시합니다. 모형은 안정된 가치로 되돌아가려는 평균 회귀, 추세 추종과 연관된 투기적 사회 반응, 무작위 변동이라는 세 가지 힘을 결합합니다. 이 힘들의 상호작용은 거품과 유사한 움직임을 만들어낼 수 있으며, 시장 역학을 비금융 분야에도 나타날 수 있는 심리적·사회적 과정과 연결합니다. 저자들은 수치 시뮬레이션으로 매개변수가 변할 때 모형의 작동 양상이 구별되는…

통계평균 회귀모멘텀리스크 관리
arXiv papers

이 논문은 주식 시장에서 시간에 따라 포지션을 선택하는 심층 강화학습 방식인 트레이딩 심층 Q 네트워크(TDQN)를 소개합니다. DQN 방식을 트레이딩에 맞게 조정하고, 전략이 최대화하려는 성과 척도로 샤프 비율을 설정합니다. 설명된 목표는 범용 강화학습 알고리즘을 수정 없이 적용하는 것이 아니라 트레이딩 중 적절한 포지션을 찾는 것입니다. 제한된 과거 주식 데이터에서 생성한 인공 경로를 사용해 에이전트를 학습합니다. 이 논문은 트레이딩 전략을 더 엄밀하게…

주식머신러닝통계백테스트
arXiv papers

이 논문은 대형 US 주식의 가격 산정을 위한 단방향 트랜스포머 모델 SERT을 제안하고, 사전 학습된 트랜스포머를 주가 산정과 팩터 투자에 적용합니다. 코로나19 이전, 팬데믹 기간, 이후 1년의 기간에 걸쳐 이 접근법들을 표준 트랜스포머 및 인코더 전용 트랜스포머와 비교하며, 시장 스트레스 시기의 성과에 주목합니다. 저자들은 극심한 시장 변동 중 표본 외 R²가 SERT에서 가장 높았고, 사전 학습 트랜스포머가 그 뒤를 이었다고 보고합니다. 모델을…

주식머신러닝팩터 투자추세 추종
arXiv papers

이 논문은 위험 프리미엄 전략의 초과 수익률이 비대칭 꼬리 위험과 어떻게 관련되는지 살펴봅니다. 왜도의 새로운 정의를 제시하고, 위험 프리미엄이 꼬리 위험의 왜도와 강한 관련이 있지만 변동성과는 관련성이 낮다고 보고합니다. 주식, Fama-French, 외환 캐리, 숏 변동성, 채권, 신용 전략 전반에서 샤프 비율과 음의 왜도 사이에 대략 선형 관계가 있음을 확인합니다. 추세 추종은 두드러진 예외입니다. 저자들은 양의 초과 수익률과 함께 양의 왜도가…

리스크 관리통계추세 추종캐리 전략