Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 70개
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 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 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 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 노트북은 21일 선행 ETF 수익률을 상승 또는 하락 목표값으로 변환하고, 시간순 워크포워드 폴드에서 L1 및 L2 정규화 로지스틱 회귀를 평가합니다. 각 폴드의 학습 데이터로 특성을 스케일링한 뒤 정확도, 정밀도, 재현율, F1, ROC AUC, 로그 손실로 예측을 평가합니다. 계수 기반 특성 중요도와 확률 보정, 수익률 하위·중간·상위 그룹을 구분하는 3개 클래스 확장도 살펴봅니다. 분류 성능과 확률 보정은 서로 다른 질문에 답합니다. AUC는 여러…
이 노트북은 동일한 신호를 사용해도 두 백테스트 엔진의 결과가 달라지는 이유를 조사합니다. 미리 계산한 ETF 전략을 고정하고 예측으로 결정론적 포트폴리오를 구성한 뒤, 실행 설정을 한 번에 하나씩 바꿉니다. 설정에는 주식 수 반올림, 수수료 예치 현금, 체결 순서, 리밸런싱 방식, 비용이 포함됩니다. 최종 자산 가치와 체결된 거래를 비교한 다음, 설정별 효과가 단순히 합산된다고 가정하지 않고 설정 간 상호작용을 측정합니다. 핵심 방법은 실행 가정을 명시하고…
이 노트북은 ETF 수익률 예측에서 불확실성을 표현하는 방법을 살펴보며 몬테카를로 드롭아웃과 딥 앙상블을 비교합니다. 드롭아웃은 추론을 반복하는 동안 활성 상태로 유지되고, 앙상블은 별도로 학습한 네트워크 간의 불일치를 측정합니다. 이런 산포는 불확실성을 추정하지만 그 자체로 커버리지 속성을 가진 구간을 제공하지는 않습니다. 분할 컨포멀 보정은 예측 오차를 구간으로 변환하며, 일반 방식과 불확실성 정규화 방식을 모두 살펴봅니다. 노트북은 시간순…
이 노트북은 포지션 규모 조정을 최대 불리·유리 익스커션 분석과 연결합니다. 고정 비율 포지션 규모 조정에서는 거래별 위험 예산과 진입가부터 손절가까지의 거리에 따라 주식 수를 정하며, 여기에 집중도 상한을 적용합니다. 또한 시차를 둔 개별 변동성으로 롱 전용 역변동성 배분을 구성합니다. 이 휴리스틱은 상관관계를 무시하므로 공분산을 고려하는 리스크 패리티가 아니라는 점을 강조합니다. 거래 진단을 위해 익스커션 분포를 살펴 손절 및 목표가 선택에 참고하고,…
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 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 문서는 FX 전략에서 고정 손절 규칙과 추적 손절 규칙을 검증 단계에서 비교합니다. 각 수익률 레이블에 대해 신호와 배분 결과로 이뤄진 봉인된 집단에서 기준 전략을 선택한 뒤, 기준 전략의 식별 정보는 고정하고 지정된 포지션 단위 위험 제어만 바꿉니다. 손절은 보유 기간 중 가격 경로에 따라 작동하므로, 시작과 끝의 수익률은 같지만 중간 드로다운이 다른 포지션을 구분할 수 있습니다. 사례 연구는 규칙을 개별 포지션에 적용하며 포트폴리오 전체의 드로다운이나…
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…
이 노트북은 그래디언트 부스팅 예측의 예측 구간을 만들고 분할 컨포멀 예측을 분위수 회귀, 컨포멀화 분위수 회귀, 적응형 컨포멀 추론과 비교합니다. 분할 컨포멀은 시간순으로 학습 데이터와 보정 데이터를 나누고, 레이블 기간을 고려해 경계 주변 관측치를 제거하며, 유한 표본 잔차 순서 통계량으로 구간 폭을 설정합니다. 이 프레임워크는 ETF, 암호화폐, 선물 데이터를 대상으로 경계 주변 관측치를 제거한 워크포워드 폴드를 사용해 평가합니다. 노트북은 경험적…
이 노트북은 모델 기반 포지션 규모 설정이 US 기업 특성 전략에서 동일 가중보다 나은지 검정합니다. 예측 점수가 높은 종목에 더 많이 배분하는 점수 가중과, 예측 구간이 신뢰도가 낮음을 나타낼 때 배분을 줄이는 컨포멀 가중을 비교합니다. 선택한 예측값과 집중도를 각 비교 안에서 고정한 채 두 방법을 여러 포트폴리오 집중 수준과 조합합니다. 스윕에 포함한 예측값은 동일 가중 기준선의 검증 성과를 사용해 선택했습니다. 노트북은 이로 인해 선택 편향이 생기고…
이 노트북은 롱 ETF 거래의 청산 방법을 비교합니다. 고정 이익 목표와 손절, 추적 손절, ATR 조정 장벽, 머신러닝 신호 및 이들의 조합을 다룹니다. 지표와 거래 시뮬레이션을 만들고 거래 수익률, 승률, 손절 빈도, 표준오차를 이용한 불확실성을 요약합니다. OHLC 체결 관례는 오버나이트 갭을 시가에 처리하고, 일별 데이터로 장중 순서를 알 수 없으므로 일별 봉에서 손절과 목표가 모두 닿으면 손절이 먼저 체결된다고 가정합니다. 머신러닝 비교에서는 시간…
이 노트북은 여러 자산군의 롱숏 모멘텀 사례를 통해 선물 백테스팅의 작동 방식을 소개합니다. 계약 명세의 승수가 가격 변동을 달러 기준 손익으로 바꾸는 방식과 명목 노출이 계약 수를 결정하는 방식을 설명합니다. 계약당 고정 수수료와 비율 기반 비용을 비교하고, 선물 거래 시간과 증거금을 다루며, 섹터별 기여도를 사용해 집중도를 살펴봅니다. 사례는 거래 시간에 맞춘 일별 데이터를 사용하고 계약 승수를 적용할 때와 적용하지 않을 때의 영향을 비교합니다. 이…
이 노트북은 스트래들을 매도하는 S&P 500 옵션 전략의 포트폴리오 가중 규칙을 비교합니다. 선택된 종목과 다른 전략 설정은 고정하고 동일가중 기준선을 모델 예측 또는 기초자산 수익률 리스크 추정치를 활용하는 배분기로 대체합니다. 비교 옵션은 점수 가중, 변동성 역수, 리스크 패리티, 계층적 리스크 패리티, 축소 평균분산 최적화, 예측 구간 너비에 기반한 컨포멀 가중입니다. 워크플로는 선택 전에 변경 불가능한 후보 세트를 고정하고, 모델 설정을 검증 샤프로…
이 장은 전략 설계와 실거래 운영의 일부로 리스크 관리를 다룹니다. VaR와 조건부 VaR를 사용한 꼬리 위험 측정, 드로다운의 깊이와 회복, 익스포저 분해, 스트레스 테스트, 적응형 제어, 거버넌스를 설명합니다. 제시된 방법에는 과거·모수적·Cornish-Fisher 꼬리 추정, 위기 상황 재현과 가상 시나리오, 팩터 회귀, 변동성 목표 설정, 포지션 청산, 드리프트 모니터링, 킬 스위치가 포함됩니다. 배포 전에 한도와 상향 보고 규칙을 정하고 의사결정…
이 노트북은 시간 순서가 유지된 홀드아웃을 보존하면서 모멘텀 포트폴리오의 손절, 익절, 트레일링 스톱 규칙을 조정하는 방법을 보여줍니다. 1차원 매개변수 탐색, 규칙 조합 그리드, 청산된 거래의 최대 불리 및 유리 변동에서 도출한 손절 또는 목표가 사전분포를 비교합니다. 후보 설정은 보정 데이터에서 선택하고 이후 기간에서 한 번 평가하며, 동결된 설정의 순위는 CAGR 기반 칼마 지수로 매깁니다. 이 예시는 ETF 다섯 종목으로 고정 패널을 구성하고, 종가가…
공유 배분 모듈은 단면 예측을 포트폴리오 가중치로 변환합니다. 점수로 자산 순위를 매겨 롱 포지션 또는 롱숏 포트폴리오의 상·하위 바스켓을 선택합니다. 포지션 가중치에는 예측 구간이 좁을수록 더 큰 비중을 주는 컨포멀 예측 구간 방식이나 변동성 역수 방식을 적용할 수 있으며, 각 방향의 가중치는 따로 정규화합니다. 컨포멀 예측 구간이 없으면 오류가 발생하고, 변동성이 없으면 의사결정 시점의 단면 데이터로 채울 수 있습니다. 상한 절차는 자산별 절대 가중치를…
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 문서는 포트폴리오의 예정된 리밸런싱 전에 포지션을 청산하는 세 가지 규칙, 즉 고정 손실 손절, 포지션의 최고가를 기준으로 측정하는 트레일링 스톱, 정해진 보유 기간이 지나면 청산하는 시간 기준 청산을 설명합니다. 오버레이는 포지션을 추가하지 않고 제거하기만 하므로, 손실을 줄이거나 수익을 제한하면서 익스포저를 늘리는 대신 수익률 분포를 바꿀 수 있습니다. 시간 기준 청산은 보유 기간이 중요한지 평가하기 위한 가격 독립적 대조 기준입니다. 노트북은 각…
이 노트북은 최근 6개월을 건너뛴 모멘텀이 21일 미래 수익률에 영향을 주는지, 그 효과가 시장 변동성에 따라 달라지는지 살펴보는 절차를 제시합니다. 학습 데이터에서 이중 머신러닝으로 효과를 추정하며 변동성과 수익률 곡선을 통제 변수로, 시장 변동성을 효과 조절 변수로 사용합니다. 변동성 레짐은 홀드아웃 이전 데이터로 정의하고, 추정 결과를 제한 및 축소된 포지션 규모 조정 규칙에 반영합니다. 그런 다음 홀드아웃 구간에서 거래 비용을 포함해 해당 규칙을 단순…