Ohse AI LabOHSE AI LAB

AI 퀀트 랩

AI 기술, 퀀트 전략, 자산 관리, 시스템 트레이딩에 대한 실전 인사이트를 공유합니다.

📝 리서치

RL 포트폴리오 이론적 한계 분석
🤖 AI 연구

강화학습 포트폴리오는 왜 돈을 잃을까? — 마이opic 최적화의 역습

강화학습(RL) 기반 포트폴리오 전략이 실전에서 손실로 이어지는 이유를 이론적으로 분석한 논문을 소개합니다. 실행 비용과 청산 마찰을 무시한 RL이 마이opic 최적화에 왜 뒤처지는지, 그리고 투자자에게 어떤 시사점을 주는지 설명합니다.

10
강화학습포트폴리오+6
공분산 추정 의사결정 기하학
🤖 AI 연구

공분산 추정, 틀리기만 하면 괜찮을까? — 포트폴리오 의사결정에 진짜 중요한 오차의 기하학

헤비테일 금융 데이터에서 최소분산 포트폴리오를 구성할 때, 공분산 추정 오차가 포트폴리오 성능에 실제로 영향을 미치는 '의사결정 기하학'을 소개합니다.

15
공분산 추정최소분산 포트폴리오+4
차익거래 없는 옵션 표면 검증 증명서
🤖 AI 연구

증명서가 붙은 옵션 가격 — '차익 없는 표면'을 수학적으로 보장하는 새 방법

SPX와 VIX 옵션 표면을 정적 차익 없이, 만기 간 일관성까지 갖춰 동시에 구성하면서 품질 인증서까지 제공하는 새로운 프레임워크를 쉽게 풀어 설명합니다.

17
옵션표면차익거래+8
상품선물의 계층적 그래프 구조
🤖 AI 연구

상품선물에 그래프를 입혔다 — 만기별 가격 관계를 학습하는 캘린더 스프레드 AI

상품선물의 상품-계약 계층 구조를 그래프 신경망으로 모델링해 캘린더 스프레드 전략의 수익성을 크게 높인 Northwestern대 연구를 쉽게 풀어 설명합니다.

15
상품선물캘린더스프레드+5
큐빅 보정의 구체적 형태
🤖 AI 연구

포트폴리오가 '자신만만할수록 위험한' 이유 — 경로공간 베이지안 투자의 비밀

추정한 투자 전략이 얼마나 틀릴 수 있는지까지 감안하는 '강건한 베이지안 포트폴리오' 방법론을 일상 비유와 함께 쉽게 풀어 설명합니다.

15
포트폴리오최적화베이지안투자+3
AI가 주식을 예측할 때, '기억'하고 있었다면? — MemGuard-Alpha로 LLM 알파의 함정을 걸러내는 방법
🤖 AI 연구

AI가 주식을 예측할 때, '기억'하고 있었다면? — MemGuard-Alpha로 LLM 알파의 함정을 걸러내는 방법

대형 언어 모델(LLM)이 금융 데이터를 '기억'해서 만든 허위 알파 신호를 실시간으로 걸러내는 MemGuard-Alpha 프레임워크를 소개합니다. Sharpe 비율 49% 개선, 오염 신호 대비 7배 수익 차이의 핵심 원리를 쉽게 풀어 설명합니다.

14
LLM알파신호+6
AI 기반 시스템 트레이딩 리서치 일러스트
🤖 AI 연구

AI가 투자 연구를 한다 — 오세랩 시스템 트레이딩 R&D 소개

오세에이아이연구소가 13개 연구 분과, 96편 논문으로 구축한 AI 기반 시스템 트레이딩 리서치 프레임워크를 소개합니다. 매일 자동 수집되는 논문에서 실전 투자 인사이트를 추출하는 과정을 공개합니다.

13
시스템트레이딩퀀트+4
밸류 리밸런싱 투자 전략 일러스트
💰 자산 관리

레버리지 ETF 장기투자 전략 — 밸류 리밸런싱이란?

레버리지 ETF의 변동성 손실 문제와 밸류 리밸런싱(VR) 전략의 원리를 설명합니다. 실제 백테스트 데이터와 함께 비교합니다.

16
밸류리밸런싱레버리지ETF+3
2020년 11월의 금융 AI 연구: 딥러닝이 미래를 본다, 그리고 그 위험
🤖 AI 연구

2020년 11월의 금융 AI 연구: 딥러닝이 미래를 본다, 그리고 그 위험

2020년 11월 arXiv에 공개된 금융 AI 연구를 5개 테마로 정리했습니다. 딥 ERM의 overlearning 이론, TailCoR의 위기 감지, Factor Graphical Lasso의 고차원 포트폴리오, LSTM 기반 경로의존 파생상품 가격결정, 모델 프리 트레이딩 분석 — 딥러닝의 가능성과 위험을 동시에 보여준 달이었습니다.

23
금융 AI딥러닝+6
2020년 10월 AI 트레이딩 연구 요약: 알고리즘의 약점, 리스크의 그림자, 그리고 포트폴리오의 진화
🤖 AI 연구

2020년 10월 AI 트레이딩 연구 요약: 알고리즘의 약점, 리스크의 그림자, 그리고 포트폴리오의 진화

2020년 10월 arXiv에 공개된 AI 금융 연구를 다섯 가지 주제로 정리합니다. 알고리즘 트레이딩의 보안 취약성, 꼬리 위험 추정의 숨은 편향, 옵션 리스크 계산의 ML 혁신, 실전 데이터 검증 예측 모델, 그리고 포트폴리오 이론과 강화학습의 만남까지—실전 단계에 진입한 ML 트레이딩의 가능성과 그림자를 함께 살펴봅니다.

7
알고리즘 트레이딩적대적 공격+8
2020년 9월 금융 AI 논문 총정리: 플랫폼부터 변동성, 포트폴리오까지
🤖 AI 연구

2020년 9월 금융 AI 논문 총정리: 플랫폼부터 변동성, 포트폴리오까지

2020년 9월에 발표된 금융 AI·퀀트 핵심 논문 10편을 다섯 가지 테마로 분석합니다. Qlib 플랫폼, 변동성 모델링, 포트폴리오 이론, 통계 차익거래, 리스크 측정까지.

13
금융 AI퀀트 투자+6

47개의 글