VXI 노트

Quant & Markets

퀀트 리서치, 시장 데이터, 백테스트, 트레이딩 시스템 엔지니어링

Technical Blog

개인 개발자를 위한 자동화·배포·개발 워크플로 실전 노트

이 블로그는 Docker와 서버 운영, Git 기반 개발 흐름, Markdown 중심의 게시 파이프라인을 핵심 축으로 정리합니다. AI 자동화 글도 이 기반 위에 연결해 다시 활용하기 쉬운 실전 노트 형태로 쌓아갑니다.

최근 업데이트

  1. 같은 종목이 계속 뽑힌다면 전략 승률을 믿을 수 있을까?

    승률 60%, 표본 10건 중 다수가 같은 종목일 수 있습니다. Python·SQL 합성 실험으로 세 가지 승률, 중복 기록, T+5 정산의 차이를 확인합니다.

  2. 같은 80점인데 비교할 수 없다고? 다중 전략 주식 점수와 심프슨의 역설

    주식 신호 출처가 다르면 같은 80점도 확률이 아닙니다. 80건 합성 예제, Wilson 하한, 시계열 누출과 확률 보정의 경계를 살펴봅니다.

  3. 52주 신고가에 거래량을 더하면, 조사할 종목을 얼마나 줄일 수 있을까?

    가상 종목 여섯 개를 6→4→2로 거르는 코드와 실제 스크리너의 필터·정렬 실수로 52주 고점, 거래량, RVOL의 역할과 한계를 살펴본다.

  4. 퀀트 리서치 데이터를 오래 보관하려면? PostgreSQL PITR과 R2 아카이브의 선택

    PostgreSQL PITR, TOAST/MVCC, R2의 불변 아카이브와 검증, lease fencing, 시세 as_of 정정까지 비교하고 실제로 검증하지 못한 범위를 구분한다.

  5. 퀀트 팩터가 정말 유효한가? Bucket Spread와 Rank IC로 다중 기간 검증

    5일에서 좋아 보인 팩터가 1일·3일에서도 유효하다는 보장은 없습니다. 공개 ETF 데이터로 Bucket Spread, Rank IC, horizon과 샘플링 민감도, 팩터 중복을 직접 검증합니다.

  6. 멀티팩터 모델은 어떻게 안전하게 리웨이팅할까? Regime·Shadow·Weight Drift 실험

    팩터 검증을 통과했다고 최근 구간의 추정치를 곧바로 운영 가중치로 바꿔도 되는 것은 아니다. 재현 가능한 regime-switching 실험으로 Immediate, Delta Cap, Shadow-first를 비교해 잘못된 promotion, turnover, adaptation lag의 교환관계를 확인했다.

1/1