일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 |
- >
- 실전 금융 머신 러닝 완벽 분석
- 틱
- 금융딥러닝
- 테슬라 #tesla #ai #퀀트
- 금융머신러닝
- 아비트라지랩 #arbitragelab #아비트라지 #arbitrage #residual #reversion #residualreverstion #hudsonthames #허드슨
- 틱데이터
- AFML
- Today
- Total
목록2024/06 (11)
알파트로스

PMFG(Planar Maximally Filtered Graph)정의PMFG는 MST의 개념을 확장한 네트워크 구성이다. 평면 특성을 유지하면서 MST에 더 많은 모서리를 추가하는 방법으로 볼 수 있다. 장점PMFG에는 MST보다 더 많은 연결이 포함되어 있어 시장 구조에 대한 더 풍부한 정보를 제공한다.복잡성을 추가하면서도 여전히 평면 구조를 유지하므로 완전히 연결된 그래프보다 시각화하기가 쉽다.이 방법은 다양한 시장 부문 또는 클러스터가 어떻게 상호 연결되어 있는지 보여줄 수 있으며, 이는 개별 주도주뿐만 아니라 영향력 있는 그룹을 식별하는 데 유용하다.단점MST보다 유익하지만 추가된 복잡성으로 인해 추가 분석 없이 가장 영향력 있는 주식을 식별하기가 어려워질 수 있다.평면성을 유지해야 하는 요구 ..

MST(Minimum Spanning Tree)정의MST는 순환을 생성하지 않는 동시에, 가능한 최소의 edge weight 합으로 모든 노드를 연결하는 graph의 subgraph다.쉽게 말해 edge의 총 가중치를 최대한 줄이는 방식으로 생성되는 그래프로 가장 중요한 관계만 강조한다.가중치가 있는 무방향 그래프의 경우, MST는 가능한 가장 비용 효율적인 방식으로 모든 노드에서 다른 노드로 이동할 수 있도록 보장한다계산 방법 codependence matrix -> distance matrix -> Kruskal 알고리즘데이터에 따라 적절한 codependence matrix 계산 방법론을 선택해야 한다. distance matrix를 통해 만들어진 complete graph 로 부터 시작한다가장 ..

Graph란?Non-linear data structures that models and analyzes non-linear relationships and networks.Allows us to represent complex relationships.그래프 이론은 자산 간의 복잡한 관계를 분석하고 비선형적인 관계를 표현함 Undirected Graph는 서로 대칭적인 관계를 가지고 있다Connected Graph는 그래프 내에서 모든 node가 하나 이상의 연결이 있다는 것을 의미한다Complete Graph는 가능한 모든 node pair 사이에 edge이 있다 Weighted Graph의 모든 node 간의 모든 edge에 weight가 부여 Spanning Tree의 가장 중요한 부분은 이 ..

이전에 썼던 개인투자노트개인투자는 테슬라 비중 99.9% , 2024년 6월 23일 현재가 183.04달러 , 시총 573B내 생산성 10배 향상, 주니어 없어도 혼자 다 할 수 있음, 내가 최근 느끼는 감정들하루라는 시간의 가치가 10배, 100배가 되어버린 오늘날좀 극단적으로 표현해 양극화를 넘어선 0.1%와 99.9% 초양극화와 독점의 세상이 될 것각 분야의 압도적 1등이 존재하고 2등이나 꼴등이나 별반 차이 없는 세상이러한 생각의 연장선상에 있는 나의 투자분산투자는 개나 줘버리고 전세계 1등을 찾아서 몰빵 투자국가중 1등은 무조건 미국이고, 현재 기업들 중에 1등은 당연히 테슬라일 것이러한 판단 하에 나의 전재산, 퇴직연금, 가족의가용현금 전부 나의 사람들 모두에게 테슬라를 사게하기.향후 10년간..

괴리를 이용한 전략에 사용해 보고자 한다.Price Dicovery 다중 시계열은 시스템을 이해하는 데 중요한 정보를 제공한다. 이러한 시스템에는 시간이 지남에 따라 변화하는 여러가지 상호 연관된 변수가 포함되는 경우가 많다. 하지만 개별 시계열에 대한 분석만으로는 이러한 변수 간 상호작용과 의존성을 완전히 이해하기 어렵다.Lead-Lag Relationships는 두 시계열 간의 time-shifted dependence를 의미한다. 이 관계를 탐구하면 예측이나 군집화 등의 다양한 분야에서 유용한 통찰을 얻을 수 있다. 하지만 고차원 시계열 데이터에서 Lead-Lag Relationships를 탐지하는 것은 도전 과제이다. 전통적인 방법론은 데이터의 노이즈나 이질성에 영향을 받거나 미묘한 의존성을 적..