Stratmill 리서치 에이전트가 AI 에이전트가 읽은 책, 논문, 기사와 코드에 관해 작성한 요약과 핵심 아이디어입니다. 각 페이지에서 원문으로 연결됩니다.
문서 295개
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 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 노트북은 같은 종목, 같은 만기의 등가격 콜옵션과 풋옵션을 매도하고 만기까지 보유하는 전략의 후보 특성을 선별합니다. 각 특성에 대해 이용 가능한 종목을 향후 스트래들 결과와 같은 순서로 순위를 매기는지 측정합니다. 분석은 일별 횡단면 순위 일치도를 계산해 시간에 따라 평균하고, 포지션 중첩을 반영해 불확실성 추정치를 넓힙니다. 여러 후보를 테스트하는 유의성 선별도 조정하고 검증 기간 사이에 연관성이 유지되는지 확인합니다. 결과 기록표는 후속 연구 간…
이 노트북은 S&P 500 종목의 단기 등가격 스트래들을 위한 미래 수익률 레이블을 만듭니다. 일별 30일 스트래들 패널은 매 세션 행사가나 만기가 바뀌므로 가격 시계열을 단순히 이동하면 서로 다른 계약을 비교하게 됩니다. 대신 원시 옵션 체인에서 기호, 행사가, 만기로 각 진입 계약을 추적해 진입 시점과 청산 또는 결제 시점에 동일한 포지션의 가격을 산정합니다. 고정 기간 및 델타 헤지 변형도 만들고, 누락 레이블의 원인을 확인하며, 각 계약의 결제일을…
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 PPO 에이전트가 호가 기울기와 스프레드 폭을 선택하는 시뮬레이션 마켓 메이킹 과제를 구성합니다. 호가가 중간 가격에서 멀어질수록 체결 확률이 낮아지고, 주문 불균형은 체결과 이후 가격 변동 모두에 영향을 줍니다. 예약 가격은 보유 재고에 불리한 방향으로 호가를 이동시킵니다. 보상은 평가된 자산 가치와 재고 페널티를 합산하며, 에피소드 종료 시 남은 포지션에는 청산 비용이 발생합니다. 에이전트는 예약 가격 조정을 이미 적용하는 고정 규칙과…
이 노트북은 예측에 시장 국면을 활용하는 세 가지 방법을 비교합니다. 국면 입력이 없는 기준 모델, 변동성 국면의 필터링 확률을 입력받는 단일 모델, 확정된 국면 할당 안에서 각각 학습하는 별도 모델입니다. 룩어헤드를 피하기 위해 워크포워드 학습 블록마다 은닉 마르코프 모델을 다시 적합하고, 적합된 분산에 따라 상태 순서를 정한 뒤 테스트 블록을 순방향 재귀해 확률을 계산합니다. 폴드별 스케일링과 학습 데이터와 테스트 데이터 사이의 간격은 미래 관측치와…
이 노트북은 주식 수익률과 별개로 시장 상황을 설명하기 위해 월별 거시경제 지표를 군집화합니다. FRED 시계열을 월말 관측값에 맞추고 실업률, 연방기금금리, 수익률 곡선 스프레드, 전년 대비 CPI 변화를 표준화한 다음 가우시안 혼합 모형을 적합합니다. 상승하는 CPI 수준 대신 인플레이션 변화량을 사용하면 군집이 주로 과거와 최근 날짜를 나누는 현상을 피할 수 있습니다. 군집 이름은 명시적인 임계값 규칙으로 사후에 붙이므로, 경제적 라벨은 모델이 자동으로…
이 노트북은 Diffusion-TS를 적용해 합성 일별 ETF 수익률 시퀀스를 생성합니다. 디노이저는 원래 시계열을 예측한 뒤, 그 예측을 다항식 추세, 선택된 푸리에 성분, 잔차로 분해합니다. 시간 영역과 주파수 영역의 목표를 결합해 수익률 값과 스펙트럼 구조를 모두 보존하려 합니다. 시퀀스를 겹치게 구성하고 시간 기준 홀드아웃을 둔 다음, 잡음이 있는 시퀀스로 학습한 분류기를 추가해 가우시안 은닉 마르코프 모델이 식별한 저변동성 또는 고변동성 레짐으로…
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 문서는 블랙-숄즈 모형으로 유럽형 콜·풋 가격을 도출하고, 풋-콜 패리티로 둘의 관계를 확인하며, 관측된 옵션 가격에 맞는 변동성을 수치적으로 풀어 내재변동성을 계산합니다. 또한 델타, 감마, 베가, 세타, 로를 정의하고, 머니니스와 만기까지 남은 시간에 따라 민감도가 어떻게 달라지는지 차트로 설명합니다. 일정한 변동성, 연속 거래, 유럽형 권리 행사 등 모형의 가정을 시장 현실과 대조해 결과가 달라질 수 있는 지점을 설명합니다. 계산 결과를 S&P…
이 튜토리얼은 자산 가격 및 거래량 이력으로 만드는 특성을 살펴봅니다. 여러 기간의 수익률, 추세 및 반전 지표, 다양한 변동성 추정치, 변동성 국면, 유동성, 꼬리 위험, 횡단면 정규화가 포함됩니다. 모멘텀 신호에서 가장 최근 관측치를 건너뛰고, 이동평균선과의 거리를 변동성으로 조정하며, 원시 거래량 대신 상대 거래량을 사용하는 등 실무적 선택을 설명합니다. 또한 정상성과 장기 정보 보존 사이의 균형을 맞추는 방법으로 분수 차분을 다룹니다. 구현 안내는…
이 노트북은 분 단위 NASDAQ-100 데이터에서 모델 기반 특성을 만드는 세 가지 방법을 설명합니다. 분산 예측과 예측 오차를 위한 롤링 HAR 회귀, 최근 거래량 패턴을 위한 푸리에 변환, 가격과 주문 흐름의 변화 순서를 나타내는 깊이 2 경로 시그니처입니다. 적합된 매개변수에는 추정 구간의 정보가 담기므로 재적합 시점과 특성 시점에서 미래 정보를 피해야 한다고 강조합니다. 특성은 타임스탬프와 종목별로 저장하며, 설정된 예측 기간마다 필요한 서로 다른…
이 모듈은 강화학습 환경에 쓰이는 모의 암호화폐 시장의 매개변수를 추정합니다. 선택된 종목의 시간별 무기한 선물 시장 데이터를 불러와 종가 간 로그 수익률을 계산하고 GARCH(1,1) 변동성 모델을 적합합니다. 추정 라이브러리를 사용할 수 없거나 최적화에 실패하면 제곱 수익률 자기상관과 사전 설정된 범위를 사용해 모멘트 기반 추정치로 대체합니다. 지속성을 제한하고 무조건부 변동성을 표본 변동성에 맞춥니다. 롤링 변동성에 임계값을 적용하거나 해당 의존성을…
이 문서는 고정 기간에 걸쳐 포지션을 청산하도록 에이전트를 학습시키는 Gymnasium 환경을 설명합니다. 관측값은 남은 재고와 시간에 스프레드, 시장 깊이, 변동성, 정상 또는 스트레스 국면을 결합합니다. 연속형 행동은 기준 일정에 대한 실행 속도를 설정하고, 참여율과 일정 한도가 거래를 제한합니다. 완료를 보장하기 위해 마지막 단계에서 남은 주식을 모두 매도합니다. 시장 경로에는 GARCH 변동성, 국면별 유동성, 방향성 기대 드리프트가 없는 가격 변동이…
이 장에서는 적합된 통계 절차를 트레이딩 모델의 특성으로 바꾸는 방법을 살펴봅니다. 진단 및 정상성, 구조적 변화, 분수 차분, 칼만 필터, 스펙트럼 및 경로 서명 기법, ARIMA 및 GARCH 변동성, HAR 및 거친 변동성 측정치, 불확실성 추정치, 국면 모델, 횡단면 또는 패널 변환을 다룹니다. 출력에는 필터링된 수준과 추세, 혁신, 예측값, 조건부 변동성, 국면 확률, 사후 또는 예측 불확실성이 포함됩니다. 핵심 워크플로는 학습 데이터를 사용해…
이 구성은 FRED의 과거 거시경제 데이터셋을 지정해 국면 필터링과 교차 자산 분석에 사용합니다. 시계열을 일간, 주간, 월간, 분기별 빈도로 정리하며, 국채 수익률, 연방기금 금리, VIX, 노동 지표, 물가 지수, 산업 생산, 통화량, 명목 및 실질 GDP를 포함합니다. 설명용 이름도 나열하고 국채 만기별 수익률에서 파생한 수익률 곡선 스프레드를 정의합니다. 일부 금리 및 변동성 지표에 대해서는 최초 발표 시점을 고려한 분석을 지원하도록 별도의 최초 발표…
이 노트북은 관측된 가격 경로를 바탕으로 삼중 장벽 라벨의 폭을 정하기 위해 최대 유리 변동폭(MFE)과 최대 불리 변동폭(MAE)을 사용합니다. 바 종가에 진입한 포지션을 대상으로 다음 바부터 시작하는 선행 보유 기간 동안의 최대 유리 움직임과 최대 불리 움직임을 측정합니다. 롱과 숏 포지션은 정의가 반대입니다. 진폭(True Range)과 와일더 스무딩을 사용한 평균 진폭도 설명하고, 변동성 조건부 분석으로 장벽 폭을 조정하는 방법을 제시합니다. 일별…
이 문서는 모델의 불확실성이 점 추정치 이상의 정보를 제공하는 방식을 설명합니다. 과거 수익률로 변동성을 정의하는 GARCH와, 변동성을 잠재 자기회귀 과정으로 보고 수익률을 스튜던트 t 분포로 모델링하는 확률적 변동성 모델을 비교합니다. 사후분포의 산포는 지속성, 변동성 동학, 꼬리 특성 추정치와 함께 시간에 따라 변하는 특성으로 활용할 수 있습니다. 노트북은 SPY 수익률에 대한 롤링 적합과 사후 요약값 추출을 설명하며, 적합에 몇 분이 걸릴 수 있다고…
이 노트북은 룩어헤드 편향을 통제하면서 적합된 GJR-GARCH와 숨은 마르코프 모델을 트레이딩 특성으로 바꾸는 방법을 설명합니다. GJR-GARCH은 조건부 변동성을 추정하고 음의 수익률 충격이 더 큰 영향을 미치는 현상을 포착합니다. 2상태 가우시안 HMM는 횡단면 펀딩 정산의 레짐을 모델링하고 필터링된 스트레스 확률을 제공합니다. 두 모델 모두 정해진 주기에 따라 확장되는 과거 데이터로 다시 적합하며, 검증 중에는 매개변수를 고정하고 초기 워밍업…
이 노트북은 금융 시계열을 어떻게 모델링할지 결정하는 절차를 제시합니다. SPY 가격과 수익률, VIX 수준, 수익률 분포를 그려 수준의 표류, 군집 움직임, 두꺼운 꼬리를 확인합니다. 귀무가설이 단위근인 Augmented Dickey-Fuller 검정과 수준 정상성을 귀무가설로 두는 KPSS를 함께 사용합니다. 두 검정의 귀무가설은 서로 반대이므로 단순한 예·아니요 판정 대신 네 가지 조합 해석이 가능합니다. 추가 진단에서는 수익률과 제곱 수익률의…
이 ETF 특성 연구는 모델에서 산출한 입력 세 가지를 만듭니다. 시장 레짐을 추정하는 은닉 마르코프 모델(HMM), 기준 펀드의 분수 차분 가격, ETF별 ETF 조건부 변동성 GARCH(1,1)입니다. 미래 정보 누출을 막으려면 매 세션까지 이용할 수 있는 정보만으로 파라미터와 추론을 모두 계산해야 한다고 강조합니다. 재적합 일정에 따라 각 예측 구간 전에 추정한 파라미터를 적용하며, 필터링된 HMM 확률은 평활화 확률에 포함될 미래 정보를 사용하지…
이 노트북은 시간별 비트코인 무기한 선물 수익률에 맞춘 공통 모의 트레이딩 환경에서 DQN, PPO, A2C를 비교합니다. GARCH(1,1) 모형으로 변동성 군집을 생성합니다. 환경은 포지션 변경에 비용을 부과하고, 행동 시점에 이미 확인 가능한 수익률을 에이전트가 얻는 일을 막기 위해 한 스텝 지연 후 행동을 적용합니다. 모든 알고리즘에 동일한 학습 상호작용 예산을 배정하고, 서로 대응하는 미관측 에피소드 시드로 평가합니다. 평균 보상 외의 진단도…
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…