Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 571개
이 노트북은 Yahoo Finance, WikiPrices, FRED 전반에서 통합 OHLCV 인터페이스를 보여준 다음, 각 소스를 최신 ETF 데이터, 장기 이력 주식, 거시경제 시계열에 활용합니다. 수집 우선순위에 따른 대체 방법을 설명하고, 연결한 패널을 감사할 수 있도록 각 관측치의 출처를 기록하라고 강조합니다. ETF 종목군에는 주식, 채권, 원자재 익스포저가 포함되며 후속 로테이션 전략에 사용하도록 구성되어 있습니다. 공급자별 행 범위와 가격…
이 종합 노트북은 분산된 ETF 종목군에서 공통 신호를 사용해 동일 비중, 역변동성, 평균-분산 최적화, 계층적 리스크 패리티를 비교합니다. 롤링 Ridge 모델은 모멘텀, 이동평균 거리, 변동성 특성으로 선행 수익률을 추정하고 롱·숏 ETF를 선택합니다. 각 배분 방법에 동일한 신호를 적용해 종목 선택과 배분을 구분한 뒤 포트폴리오 성과, 안정성, 낙폭, 회전율, 국면별 특성을 평가합니다. 홀드아웃 전 선택 기간에 배분 방법을 정해 이후 홀드아웃에서…
이 노트북은 입력 구간 전체를 처리해 미래 경로를 예측하는 완전 연결 신경망 예측 구조인 N-BEATS를 구현합니다. 해석 가능한 변형에서는 다항 추세 및 푸리에 계절성 기저를 통해 블록이 성분을 표현하도록 제약합니다. 잔차 역예측을 사용하면 쌓인 블록이 입력의 각 부분을 차례로 설명할 수 있습니다. 제약을 둔 버전과 두지 않은 버전을 SPY 종가에 적합하고, 이름을 붙인 성분을 도식화해 가장 최근 가격을 반복하는 지속성 예측과 오차를 비교합니다. 이…
단일 종목과 거래일의 DataBento 주문별 시장 메시지로 NASDAQ 지정가 주문장을 재구성하는 방법을 설명합니다. 개별 주문 상태를 추적하고, 주문을 가격 수준별로 집계하며, 매수·매도 측을 유지하는 모듈형 엔진을 제시합니다. 추가, 변경, 취소, 체결, 초기화는 주문장을 갱신하고, 거래 기록은 두 번째 주문장 갱신에 적용하지 않고 체결 테이프 분석에 보관합니다. 최우선 호가만 제공하는 피드와 정의되지 않은 가격도 별도로 처리합니다. 정기 스냅샷마다…
이 노트북은 ETF 모멘텀 순위가 가장 높은 포트폴리오에서 리밸런싱 주기가 회전율, 비용 차감 전 성과, 비용 조정 후 결과에 미치는 영향을 살펴봅니다. 일별, 주별, 격주별, 월별 일정에 따른 과거 목표 비중 변동으로 회전율을 추정한 뒤, 예시 스프레드와 시장 충격 및 수수료 가정을 적용합니다. 손익분기 알파는 연간 편도 회전율에 왕복 거래 비용을 곱해 계산하며, 거래 비용을 충당하는 데 필요한 총수익률 기준을 제시합니다. 별도의 시나리오 분석에서는 신호…
이 노트북은 두 가지 기간의 ETF 수익률을 예측하는 LightGBM 모델과 릿지 기준 모델을 비교합니다. 시장 스트레스에서 모멘텀이 다르게 작동하는 것처럼 트리가 국면별 상호작용을 찾아낼 수 있는 이유를 설명하는 한편, 특성 간 상관관계가 높으면 탐욕적 분할이 불안정해질 수 있다고 짚습니다. 실험에서는 트리 용량과 손실 함수를 달리하고 각 학습 과정의 여러 체크포인트에서 예측을 평가합니다. 제시된 학습 곡선에서는 정보계수가 설정된 학습 길이 전에 정점에…
이 노트북은 13F 공시의 기관 보유 종목을 대상으로 구조화된 그래프 방식 검색과 임베딩 기반 벡터 검색을 비교합니다. 고정된 기준 시점의 보유 현황 스냅샷을 만들고 주식 종목군을 제한한 뒤, 주식 보유자, 기관의 보유 종목, 공통 포지션을 가진 기관에 관한 질문을 생성합니다. 각 질문의 예상 근거 레코드를 정의해 근거 재현율을 측정하고 검색 토큰 예산을 추정합니다. 구조화 검색은 예상 답변도 정의하는 관계형 필터를 사용하므로, 완벽한 재현율은 설계상…
이 노트북은 손실 거래를 각 거래 결정에 연결된 모델 설명과 연계하는 절차를 보여줍니다. 가격 및 거시경제 데이터로 단일 자산 SPY 특성 패널을 만들고, 과거 관측치로 LightGBM 모델을 학습한 다음 이후 관측치로 거래 기록과 SHAP 설명을 구성합니다. 거래 분석기는 최악의 거래에 대한 설명을 군집화해 특성, 국면, 데이터 문제를 조사하는 데 도움이 될 패턴을 찾습니다. 예시에서는 시차를 둔 예측 변수와 시간순 분할을 사용하고, 한 세션 레이블 기간에…
15분봉 예측을 위한 NASDAQ-100 종목 백테스트 워크플로를 설명합니다. 먼저 무작위 신호의 처리 과정을 점검합니다. 무작위 매매는 비용 차감 후 손실이 나야 하므로, 지속적으로 수익이 나는 결과는 미래 데이터 참조, 데이터 정렬 오류 또는 비용 누락 같은 문제를 나타낼 수 있습니다. 그런 다음 공통 백테스트 엔진에서 예측과 진입 방식 조합을 순회하고, 등록된 결과를 수정 샤프 비율을 포함한 통계 지표로 평가합니다. 설명된 설정은 체결 가격으로 구성한…
이 노트북은 NASDAQ ITCH 체결 데이터로 시장 미시구조 지표를 만들고, 거래를 장중 구간으로 집계하며, 유동성 대용 지표와 주문 흐름 신호, 호가창 상태를 구분합니다. 집계 전에 틱 규칙으로 개별 거래를 분류해 매수·매도 거래량으로 의미 있는 주문 흐름 불균형 지표를 만들 수 있게 합니다. 이어서 카일 람다의 비율 근사치, 아미후드 비유동성, 롤 스프레드, 거래 강도를 각각의 입력값 및 해석과 함께 보여줍니다. 핵심 주의점은 구현된 카일 람다가 절대…
이 노트북은 상장 옵션 신호를 읽고 기초 주식을 거래하는 전략에 사용할 선행 수익률 레이블을 만듭니다. 일별 주가에 액면분할과 배당을 반영하고, 지속적으로 유지되는 종목 식별자를 사용하며, 예정된 진입 및 청산 시점에 체결 가능한 가격 간의 수익률을 정의합니다. 각 선행 구간이 완전한지, 하나의 종목 안에 머무르는지 확인하고, 단순히 이용 가능한 행을 이동하는 대신 거래 세션 수를 셉니다. 레이블에는 보유 기간별 수익률, 위험 조정, 방향성 변형이…
이 노트북은 생존한 US 주식의 동일 비중 포트폴리오가 데이터셋에서 제외된 기업을 포함한 포트폴리오보다 수익률을 얼마나 과대평가할 수 있는지 추정합니다. 먼저 패널에 언제부터 퇴출 기록이 있는지 살펴보고, 활용 가능한 퇴출 이력이 후반 연도에야 시작됨을 확인합니다. 패널에는 상장폐지 사유와 최종 수익률이 없으므로, 공개된 CRSP 비율에 맞춘 시나리오로 마지막 호가 이후의 결과를 모델링합니다. 포트폴리오 편향을 계산하기 전에 수정주가에 기업행동이 반영되지…
이 노트북은 잦은 리밸런싱이 적용되는 NASDAQ-100 전략에 거래 비용이 미치는 영향을 살펴봅니다. 먼저 비용이 들기 전의 기존 백테스트에 베이시스포인트 단위 비용 가정을 적용해 비용 상승에 따라 샤프가 어떻게 달라지는지 보여줍니다. 이어서 공통으로 사용하는 동일 가중 상위 k 전략을 전체 유니버스 버전과 비용 필터 적용 버전으로 비교해 거래 비용이 낮은 종목을 선택하는 효과를 분리합니다. 별도의 탐색에서는 리밸런싱 빈도와 주당 비용을 바꿔 거래 빈도가…
이 노트북은 각 주식에 고정 로딩을 할당하는 대신 관측 가능한 주식 특성에 따라 잠재 팩터 로딩을 조정하는 방법으로 도구변수 주성분 분석을 설명합니다. 특성에서 팩터 익스포저로 이어지는 공통 매핑을 통해 학습 패널에 없던 주식의 로딩을 계산하고, 주식 특성이 바뀔 때 로딩을 조정할 수 있습니다. 일반 PCA와 나란히 방법을 제시하며, 의도된 비교에서는 팩터 수, 패널, 워크포워드 폴드를 동일하게 유지합니다. 예측에 나중에 사용되는 수익률에서 누출이 발생하지…
이 노트북은 보정 기간과 평가 기간을 시간순으로 분리하면서 모멘텀 포트폴리오의 StopLoss, TakeProfit, TrailingStop 규칙을 조정하는 방법을 보여줍니다. 보정 데이터로 개별 규칙 범위와 여러 규칙의 조합을 시험한 뒤, 이후 평가 기간을 시작하기 전에 선택한 설정을 고정합니다. 청산된 거래의 최대 불리 및 유리 변동폭은 손절 및 목표 가격 후보를 정하는 또 다른 방법입니다. 이 예시는 고정된 5개 ETF 패널, 동일 비중 상위 3개…
이 문서는 공통 전략 인터페이스를 통해 5일 ETF 모멘텀 전략을 Alpaca에 연결하는 방법을 보여줍니다. 이 전략은 SPY, QQQ, IWM의 모멘텀을 추적하고 임계값을 넘으면 신호를 생성합니다. 브로커별 어댑터가 데이터와 주문을 처리하며, 전략과 리스크 래퍼는 재사용할 수 있습니다. 노트북은 SDK 사용 가능 여부, 자격 증명, 계좌 상태, 실행 모드 검사를 각각 분리하고, 주문을 전송하지 않고 기록만 하는 섀도 모드도 지원합니다. 기본 시연에서는 모의…
이 문서는 웨이블릿 분해와 롤링 스펙트럼 추정이 여러 시간 척도에서 금융 수익률을 어떻게 설명하는지 다룹니다. 웨이블릿은 수익률을 점차 느려지는 주기의 성분으로 나눠 어떤 척도가 변동의 대부분을 설명하는지 살펴볼 수 있게 합니다. 일별 SPY 수익률에 여러 웨이블릿 계열을 적용한 예시에서는 가장 빠른 성분이 분산의 대부분을 차지하고 느린 성분은 계열별로 대체로 비슷하게 나타납니다. 표준 웨이블릿 분해는 각 시점의 이전과 이후 관측값을 사용하므로 예측 특성으로…
이 노트북은 모델 예측 집합을 비교 가능한 S&P 500 옵션 백테스트로 변환합니다. 매주 의사결정일에 예측 수익률을 순위화하고 유동성 유니버스에서 순위가 가장 높은 종목을 골라 동일 가중 등가격 스트래들을 매도합니다. 포지션은 만기까지 보유하고 내재가치로 현금 결제합니다. 기초자산 델타를 관찰하다 임계값을 넘으면 헤지합니다. 모델 계열을 더 잘 비교할 수 있도록 보유 종목 수를 바꾸고 나머지 전략 설정은 고정합니다. 이름을 붙인 고정 예측 집합 및 백테스트…
이 문서는 자본을 배정하기 전에 현행 모델과 후보 모델을 섀도 평가로 비교하는 방법을 설명합니다. 모델의 역할과 승격 임계값을 사전에 정한 뒤, 연율화 샤프 개선도, 최소 관측 기간, 신호 상관도, 포지션 중복도, 상대 최대 드로다운의 다섯 차원에서 후보를 평가합니다. 두 모델은 순위 기반 롱숏 포트폴리오로 점수를 내며, 각 모델의 거래 회전율에 따라 거래 비용을 부과합니다. 최소 개선폭을 요구하면 짧은 기간의 샤프 추정치가 불안정한 문제에 대응할 수 있고,…
이 노트북은 주식 팩터 모델링을 위한 지도 오토인코더를 소개합니다. 횡단면을 재구성해 병목 표현을 학습하는 비지도 오토인코더와 달리, 이 모델은 학습 목표에 미래 수익률도 포함합니다. 따라서 목표값은 예측뿐 아니라 학습된 표현에도 영향을 줍니다. 각 라벨이 손실 함수에 직접 들어가므로 미래 수익률 라벨에 따라 서로 다른 모델이 학습됩니다. 이 설정은 예측값에 더 잘 맞출 수 있지만, 목표값을 좇는 일을 제한할 수 있는 재구성 제약도 약화한다는 점을 노트북은…
이 탐색용 노트북은 AlgoSeek NASDAQ-100 분봉 데이터의 구조와 해석을 설명합니다. 데이터셋의 사전 계산 필드를 호가 가격과 수량, 체결 가격, 스프레드, 거래량, 체결 위치 구간, 틱 방향, 압력, VWAP, 호가 수로 나눠 정리합니다. 분봉은 장전, 정규장, 장후 세션에 걸쳐 있으며, 세션마다 거래 활동과 유동성 조건이 다르므로 세션을 고려한 분석이 중요합니다. 핵심 데이터 품질 교훈은 체결 필드가 null이면 대개 해당 분에 체결이 없었다는…
이 노트북은 장중 주식 수익률에서 연속적인 가격 변동과 점프를 구분하는 방법을 설명합니다. 제곱 수익률로 일별 실현분산을 추정하고, 점프에 강건한 연속 성분 추정치로 바이파워 변동을 사용합니다. 두 값의 음수가 아닌 차이로 점프 분산을 추정합니다. 이어서 같은 거래 세션에서 앞서 발생한 수익률로 계산한 국소 변동성 추정치로 각 수익률을 표준화해 리–마이클런드 검정을 적용합니다. 이 검정은 최대 통계량을 바탕으로 세션 전체에 적용되는 임계값을 사용해 여러 바…
이 문서는 거래를 전달하기 전에 주문과 포트폴리오 상태를 확인하는 브로커 래퍼를 시연합니다. 주문별 주식 수와 금액 한도, 포지션 익스포저 제한, 주문 빈도 제한, 자산 허용 및 차단 목록, 비상 정지 기능이 포함됩니다. 가상 브로커로 승인 및 거부된 요청을 확인하고, 각 시나리오에서 예상한 결과가 나오는지 단언문으로 검증합니다. 또한 기초 브로커에 거래를 보내지 않고 가상 포트폴리오에 체결과 원가 기준을 기록하는 섀도 모드를 설명합니다. 정지 상태와 일일…
이 장은 사전과 단어 수 계산부터 TF-IDF, 정적 임베딩, 순환 신경망, 트랜스포머까지 금융 텍스트 표현 방법을 살펴봅니다. 간단한 방법은 빠르고 해석하기 쉬우며 금융에 맞게 조정하기 좋지만, 맥락 기반 모델은 구절의 모호성과 관계를 더 잘 처리할 수 있다는 장단점을 설명합니다. 실무 흐름에서는 사전 학습 모델, 선택적 도메인 적응, 작업별 미세 조정을 사용해 감성, 서술상의 놀라움, 주제 노출, 구조화된 이벤트 등의 신호를 만듭니다. 모델 품질만으로…