Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 266개
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 각 사례 연구에서 선택된 신호를 고정하고 배분 단계의 백테스트를 비교해 포트폴리오 자산 배분을 분리해 살펴봅니다. 동일 비중, 역변동성, 점수 가중치, 평균-분산 최적화, 리스크 패리티, 계층적 리스크 패리티 등의 방법을 다룹니다. 각 방법에 대해 리밸런싱 및 상위 K개 변형에서 샤프가 가장 높은 설정을 유지한 다음, 사례별 최적 배분 방법과 가장 높은 샤프를 보인 배분 방법 및 가장 낮은 샤프를 보인 배분 방법 간 차이를 비교합니다. 그 차이는…
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 동일한 ETF 수익률 패널을 사용해 PyPortfolioOpt, Riskfolio-Lib, skfolio의 포트폴리오 배분을 비교합니다. 학습 기간에 배분 방법을 적합하고, 동등한 목적 함수와 정렬된 가중치가 솔버 허용 오차 내에서 일치하는지 확인한 뒤, 이후 관측치에 고정 배분을 적용해 평가합니다. 평균-위험 방법, 계층적 리스크 패리티, 꼬리 위험 목적 함수, 회전율 또는 집중 가중치에 대한 페널티를 비교합니다. 허핀달 집중도도 사용하며,…
이 노트북은 공매도 없이 완전 투자하는 마코위츠 체계를 구성합니다. 실행 가능한 포트폴리오, 효율적 투자선, 최대 샤프 및 최소 분산 해를 포함합니다. 포트폴리오 분산이 공분산 행렬에 따라 달라지는 방식과 자산이 함께 움직이지 않을 때 분산투자로 위험을 낮출 수 있는 이유를 설명합니다. 자산 수익률 간 중복과 그에 따른 수치적 민감도를 진단하는 데 조건수를 사용합니다. 핵심 교훈은 기대수익률이 공분산보다 추정하기 훨씬 어렵기 때문에 최적화된 가중치가 불안정할…
이 노트북은 모델 순위를 단순한 암호화폐 무기한 선물 포트폴리오로 바꿔 이후 실험에서 규모, 비용, 리스크 통제 변경의 효과를 측정할 수 있게 합니다. 롱에는 점수가 가장 높은 계약을, 숏에는 가장 낮은 계약을 선택하는 진입 규칙을 적용하고, 규모 설정에서 또 다른 변동 요인이 생기지 않도록 동일 가중을 사용합니다. 의사결정에는 예측 타임스탬프를 사용하고 포지션은 라벨 기간 동안 보유합니다. 펀딩 지급은 각 펀딩 시점까지 보유한 포지션에 반영되어 백테스트…
이 문서는 동일 가중 검증 샤프 순으로 정렬한 기준선에서 선택된 CME 선물 전략의 여러 포지션 규모 설정 방법을 비교합니다. 동일 가중은 선택한 각 상품을 똑같이 취급하지만 선물 계약별 변동성과 동조 움직임은 크게 다를 수 있습니다. 대안으로 상품 변동성, 공분산 관계 또는 명시된 다른 규모 설정 입력값을 사용해 익스포저를 조정합니다. 역변동성 규모 설정은 추정하는 수량이 적어 이력이 제한적일 때 더 견고할 수 있습니다. 공분산 기반 방법은 분산투자를…
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 노트북은 주식 및 옵션 연구에서 나온 검증 예측을 롱 온리 주식 포트폴리오로 바꿔 평가합니다. 동일 가중 상위 K개 기준 전략을 사용하고 여러 포트폴리오 집중도를 비교하며 레이블별 의사결정 주기를 따릅니다. 종가에 만든 신호는 다음으로 이용 가능한 시가에 실행하며, 시드가 고정된 무작위 신호 실행은 시스템 연결을 점검하는 데 사용합니다. 검증 날짜의 커버리지가 서로 비슷한지 확인한 뒤 후보 결과 순위를 매깁니다. 불확실성 분석에는 블록 부트스트랩 구간과…
이 노트북은 동일한 ETF 유니버스, 예측치, 리밸런싱 일정, 백테스트 절차를 사용해 동일 가중, 역변동성, 최소 분산, 계층적 리스크 패리티를 비교합니다. 롤링 Ridge 모델은 모멘텀, 이동평균 거리, 변동성 특성으로 ETF 순위를 매깁니다. 각 배분 방식은 공통으로 선택된 자산에 자체 가중 규칙을 적용합니다. 결과는 홀드아웃 전 선택 기간과 그 이후 홀드아웃 기간으로 나누며 위험 조정 수익률, 드로다운, 회전율, 안정성을 진단합니다. 신호와 선택 자산이…
이 노트북은 손실 분위수를 나타내는 위험가치(VaR)와 해당 임계값을 넘는 손실의 평균인 조건부 위험가치(CVaR)를 설명합니다. 일간 ETF 수익률을 사용해 역사적, 가우스, Cornish–Fisher 조정, Student-t 몬테카를로 추정치를 비교합니다. 이어 예외 건수를 세고 예외 빈도가 설정된 신뢰 수준과 일치하는지 검정해 VaR 커버리지를 평가합니다. 빈도 검정으로는 예외의 군집 여부를 찾지 못한다는 점도 강조합니다. 다음 부분에서는 5개 ETF로…
이 노트북은 계층적 리스크 패리티(HRP)를 설명합니다. 이는 잡음이 있는 공분산 추정치에 대한 민감도를 낮추도록 설계된 포트폴리오 구성 방법입니다. 세 단계를 소개합니다. 상관 거리로 자산을 군집화하고, 그 결과로 얻은 계층 구조에 따라 순서를 재정렬한 다음, 군집을 반복해서 나누며 분산이 더 낮은 쪽에 더 많은 비중을 배분합니다. 또한 공분산 역행렬이 추정 오차를 키울 수 있는 평균-분산 최적화 및 역행렬을 구하기 전에 공분산 추정치를 안정화하는 축소…
이 노트북은 신호와 자산 배분부터 비용 및 위험 오버레이까지 전략 파이프라인 전반에 등록된 ETF 백테스트를 평가합니다. 모델을 적합하거나 새 백테스트를 추가하지 않고 기존 예측과 백테스트를 읽어, 등록된 결과에서 집단별 및 짝비교 지표를 도출합니다. 분석에는 전략 지표의 부트스트랩 신뢰 구간, 선택 편향 측정치, 단계별 비교, 동일 가중 ETF 유니버스 벤치마크를 대상으로 한 검증 및 홀드아웃 비교가 포함됩니다. 벤치마크 대비 알파, 베타, 정보 비율도…
이 노트북은 같은 예측 순위로 선정한 ETF 포트폴리오의 가중치를 정하는 여섯 가지 방법을 비교합니다. 동일 가중, 점수 가중, 역변동성, 리스크 패리티, 평균-분산 최적화, 계층적 리스크 패리티입니다. 선택하는 펀드 수와 배분 방식을 함께 바꿉니다. 집중된 바스켓에서는 가중 방식별 차이가 작을 수 있고, 위험 특성이 서로 다른 펀드가 포함되면 차이가 커질 수 있기 때문입니다. 비교에는 신호 단계 백테스트에서 샤프 기준으로 선택해 다음 단계로 올린 예측…
이 노트북은 여러 트레이딩 사례 연구에 등록된 이중 머신러닝 추정치를 모아 불확실성과 진단 결과를 비교합니다. 각 연구 레지스트리의 최신 행을 불러와 레지스트리 무결성과 라벨 고유성을 확인하고, 커버리지를 명시하며, HAC 통계량과 신뢰 구간을 도출합니다. 추정된 효과는 각각의 고유 단위가 다르므로 포레스트 플롯은 효과 크기를 그대로 순위화하는 대신 무차원 HAC 통계량을 비교합니다. 또한 순진한 OLS 계수와 직교화 추정치를 대조하고, 교란 편향 측정값과…
이 노트북은 기준 선별 절차를 이미 통과한 암호화폐 무기한 계약 전략에서 여섯 가지 배분 방식을 비교합니다. 각 전략의 예측과 진입 규칙은 고정한 채 자본 배분 방식만 바꿉니다. 한 배분기는 모델 점수를 사용하고, 여러 방식은 자산 변동성이나 공분산을 사용하며, 다른 하나는 과거 예측 불확실성을 사용합니다. 공분산 행렬을 추정하는 방식은 역변동성보다 사용 가능한 수익률 이력에서 더 많은 모수를 추정해야 하므로 가중치가 더 불안정할 수 있습니다. 노트북은 검증…
이 모듈은 검증 단계와 전략 라벨 전반에서 홀드아웃 선택 기준을 구성하는 방법을 정의합니다. 고정된 후보 집합과 실시간 재구성이 서로 다른 설정을 선택하거나, 후속 분석에서 우승 설정과 다른 라벨을 사용하는 불일치를 다룹니다. 공통 구성에는 명시된 라벨 전반의 신호, 배분, 리스크 오버레이 단계가 포함되며, 후속 분석에는 선택된 결과의 라벨을 사용합니다. 기록된 후보 집합이 있으면 모듈은 그 안의 백테스트 결과에서 선택합니다. 없으면 적격 집합을 다시…
이 노트북은 기대 로그 자산을 극대화해 이진 베팅의 켈리 투자 규모를 도출한 뒤, 베팅액이 시뮬레이션 자산 경로의 분포를 어떻게 바꾸는지 보여줍니다. 이 프레임워크를 연속 수익률과 다중 자산 포트폴리오로 확장합니다. 이때 익숙한 평균 대비 분산 식은 로그 함수의 절단 전개에 의존합니다. 포트폴리오 해법에서 내재 레버리지와 자본을 소진시킬 수 있는 불리한 움직임도 살펴봅니다. 롤링 추정은 시장 데이터로 기대수익률과 공분산을 추정할 때 포지션 규모가 얼마나…
이 노트북은 이전에 선택된 ETF 전략을 따로 확보한 홀드아웃 기간에서 평가합니다. 학습 식별자와 체크포인트가 일치하는 예측을 가져오고, 앞서 정한 전략 명세와 거래 비용을 적용한 뒤 백테스트를 등록합니다. 집중도, 배분, 리스크 오버레이, 리밸런싱 주기를 포함한 설정은 홀드아웃 실행 전에 고정합니다. 배분이 컨포멀 구간 너비에 따라 달라지는 경우에는 검증 잔차로 너비를 계산하고, 선행 수익률 레이블이 홀드아웃과 겹치는 잔차를 제외합니다. 보고된 근거에는…
이 모듈은 재현성을 유지하고 선택 편향을 피하는 데 중점을 두고 등록된 예측 집합으로 평균 예측 앙상블을 만듭니다. 직접 작성한 구성원 목록을 관리하는 대신 레지스트리에서 조건에 맞는 모델 구성을 확인합니다. 불완전하거나 폐기된 예측은 제외하고 검증 결과가 가장 좋은 체크포인트를 고르는 대신 구성별로 허용되는 마지막 체크포인트를 선택합니다. 또한 하나의 구성이 여러 활성 학습 실행에 연결되는 모호한 경우는 거부합니다. 평균을 내기 전에 예측 스키마를…
이 노트북은 과거 US 주식 수익률로 상관 네트워크를 만들고 포트폴리오 구성을 살펴봅니다. 추정 구간 데이터를 사용해 유동성 있는 종목군을 선택하고 쌍별 상관관계를 거리로 바꾼 다음, 촘촘한 의존 구조를 더 쉽게 살펴보도록 최소 신장 트리(MST)를 추출합니다. 차수 중심성, 매개 중심성, 근접 중심성으로 각 자산의 트리 내 위치를 설명하고, 역중심성 가중 규칙으로 구조적 허브의 비중을 낮추되 포지션 한도를 적용합니다. 이 노트북은 배분을 포트폴리오…
이 사례 연구는 상장 옵션 정보가 S&P 500 주식 선정에 도움이 되는지 살펴봅니다. 2017년부터 2021년까지 633개 주식의 일별 주가와 옵션 내재 변동성 수준, 스큐, 기간 구조, 분산 위험 프리미엄 지표를 결합합니다. 옵션 특성값에는 시차를 두고, 금요일 데이터로 포트폴리오를 정한 뒤 다음 월요일 시가에 거래를 시작합니다. 연구 워크플로는 수익률 라벨, 특성 구성, 여러 모델군, 포트폴리오 배분, 위험 통제, 거래 비용, 후속 기간 평가를…
이 문서는 신호 선택과 포지션 규모 결정을 분리하기 위해 설계된 FX 포트폴리오 배분 스윕을 설명합니다. 검증 백테스트 성과 순으로 정렬한 고정 동일 비중 기준선 후보에서 시작해 각 모델 체크포인트와 신호 매핑을 유지하면서 다음 설정 단계로 진행합니다. 스윕에서는 예측값, 선택된 페어, 거래 비용, 실행 가정을 고정하고 배분 규칙만 바꿉니다. 각 전략 명세를 기준선과 비교하고 배분 외의 필드 변경은 거부합니다. 워크플로는 정식 프로덕션 실행과 축소된 미리보기…
이 사례 연구는 CME 선물의 여러 포지션 규모 결정법을 동일 비중 기준선과 비교합니다. 역변동성 포지션 산정은 각 계약의 자체 변동성을 사용하는 반면, 공분산 기반 방법은 상품 간 관계도 고려합니다. 이런 방법은 분산투자를 개선할 수 있지만 제한된 과거 데이터로 더 많은 값을 추정해야 하며 잡음을 키울 수 있습니다. 노트북은 강한 신호 설정을 추린 뒤 각 의사결정 전에 이용할 수 있는 가격 이력으로 명시된 배분 방법을 적용합니다. 문서는 검증 샤프가 후보…