시스템 트레이딩·퀀트·AI 트레이딩 논문을 쉽게 풀어 쓴 리뷰와 월간 종합.
강화학습 포트폴리오투자는 미래가 한 번뿐이라 연습할 수 없다. 이 논문은 자산 간 관계를 배워 가상 시장을 찍어내고, 그 가상 세계에서 강화학습 매니저를 훈련시켜 22개월 실전에서 연 34.13%, 샤프 2.31을 기록했다. 시뮬레이션 연습이 거래비용을 41.5% 줄인 과정과, '모형을 믿어도 되는가'를 수학적으로 따진 점을 쉽게 정리한다.
포트폴리오 최적화A옵션 시장 모형이 '무차익'이라는 말을 증명하려면 무엇을 해야 할까. GROMM은 S&P 500 옵션 219만 개 호가로 가격표면을 맞추고, 5천 개 계약 전체에서 위험중립성을 검증했습니다. 국소변동성과 시나리오 생성의 시사점을 정리합니다.
시계열 계량경제학A2020년 모기지 시장 위기에서 비은행 대출기관이 대출 매입을 미룬 이유를 190만 건 자료로 분석한 연구입니다. 유동성 제약이 투자 선택을 어떻게 왜곡하고, 예측 모델 평가(AUC)를 어떻게 바꾸는지 일반인 눈높이로 설명합니다.
포트폴리오 최적화S백테스트에서는 대박이 나는데 실전에서는 안 되는 그 이유. 2020년 발표된 이 논문은 딥러닝 투자 모델이 훈련 데이터 안에서 미래 정보를 몰래 암기하는 메커니즘을 이론적으로 증명했습니다. 데이터 규모와 모델 복잡도의 균형으로 과학습을 통제하는 조건까지 쉽게 풀어 설명합니다.
알고리즘 트레이딩S백테스트에서는 완벽했던 강화학습 주문집행 알고리즘이 실전에서 무너지는 이유를 이론과 실험으로 규명한 2023년 연구를 쉽게 풀어 설명합니다. 과적합의 구조적 원인, 컨텍스트 압축 해법, 그리고 실전 적용 시사점을 다룹니다.
알고리즘 트레이딩S수십만 주를 팔 때 '얼마나 빨리, 어떻게 쪼개서' 팔아야 시장 충격을 최소화할까? 2022년 연구는 선형 충격에서는 공식 해를, 비선형 충격에서는 딥러닝 대리모델을 제안합니다. 시장 매개변수가 틀려도 견디는 설계와 실제 성능 수치까지 쉽게 풀어 설명합니다.
팩터 투자S수백 개 팩터를 검증하다 보면 거짓 신호가 섞이기 마련이고, 학계는 't-통계량 임계값을 올리자'고 제안했습니다. 그런데 2022년 논문은 그 임계값 자체가 데이터로는 정해질 수 없다는 놀라운 결론을 내립니다. 대신 써야 할 지표가 무엇인지, 퀀트 실무에 어떻게 적용하는지 쉽게 풀어 설명합니다.
포트폴리오 최적화S이론의 포트폴리오 최적화는 매끈한데, 현실은 세금·정수 주식·최소 거래 단위로 뒤범벅입니다. 스탠퍼드 연구진은 이 지저분한 문제를 '쪼개서' 수백 밀리초에 풀고, 그 답이 최적에 얼마나 가까운지 하한까지 계산해 보증하는 프레임워크를 제시했습니다. 소규모 계좌 운용과 세금 인식 리밸런싱에 바로 쓸 수 있는 실용 최적화의 교과서를 쉽게 풀어 설명합니다.
포트폴리오 최적화A리스크 측도를 CVaR에서 엑스펙타일(expectile)로 바꾸고 분포 불확실성까지 반영한 포트폴리오 최적화가 FTSE 13년 실증에서 9개 조합 전부 이겼다. 엑스펙타일의 백테스트 가능성, 지름자 선택, 퇴화 임계값까지 쉽게 풀어 설명한다.
시계열 계량경제학B유럽 옵션 시장 가격은 정확히 맞추면서도, 복잡한 변동성 모델의 성격은 그대로 유지하는 'SKR 보정' 연구를 일반인 눈높이로 풀어 설명합니다. 왜 같은 시장 가격을 써도 구조화 상품 값이 8포인트 넘게 벌어지는지, 그리고 이 보정이 1초도 안 걸리는 이유를 다룹니다.
알고리즘 트레이딩A전략 후보를 걸러내는 통계 게이트가 진짜 정보를 줄까, 그냥 까다로울 뿐일까? 정답을 주입해 검증한 실험에서 약한 신호에만 유효하고, 절대수익 기준이면 진짜 신호까지 전부 기각한다. 백테스트 오버피팅과 전략 채택 검증의 실무 교훈.
알고리즘 트레이딩ALLM에게 전략 코드를 고쳐 가게 맡기면 백테스트 성적은 잘 나오는데 실제 시장에서 무너지는 일이 흔합니다. 텍스트 그래디언트로 전략을 개선하고 '가장 약한 시기'만 보고 학습한 TradeGrad 연구를 일반인 눈높이로 풀어 설명합니다.
총 146개의 글
