stefan-jansen/machine-learning-for-trading

Code for Machine Learning for Trading, 3rd edition — from data sourcing to live execution.

📚 이것은 무엇인가요?

Machine Learning for Trading, 3rd Edition은 Stefan Jansen의 교과서를 위한 보조 코드 저장소입니다. 원시 시장 데이터를 가져와 특성으로 변환하고, 다양한 모델을 학습시키며, 결과 신호를 백테스트하고, 최종적으로 전략을 라이브 브로커(IB, Alpaca, QuantConnect)에 배포하는 방법을 보여주는 완전한 엔드투엔드 파이프라인을 포함합니다. 저장소는 챕터별로 구성되어 있어 책을 따라가며 서로 다른 자산 클래스에 대해 동일한 9개의 사례 연구를 실행할 수 있습니다.

🚀 핵심 아이디어 및 워크플로우

데이터 계층 – Polars를 사용하여 빠르고 표현식 기반의 데이터 조작을 수행합니다. 일간, 일중 및 대체 데이터(SEC 공시, 온체인 암호화폐, 거시 경제)를 지원합니다. 합성 데이터 생성기(TimeGAN, Tail‑GAN, diffusion)도 제공됩니다.
증거 경계 – 모델 튜닝(연구)과 표본 외 평가(확인)를 엄격하게 분리합니다. 워크포워드 교차 검증, 다중 테스트 보정, 그리고 Deflated Sharpe Ratio, Rademacher Anti‑Serum, White’s Reality Check와 같은 통계 도구가 내장되어 있습니다.
모델 툴킷 – 고전적인 선형 모델부터 그래디언트 부스팅(XGBoost, LightGBM, CatBoost) 및 딥 시계열 네트워크(PatchTST, iTransformer, TSMixer, TCN, Mamba)까지 포함합니다. 표 형식 특화 네트워크(TabPFN, TabM) 및 인과 추론 방법(Double‑ML, Bayesian structural time series)도 포함되어 있습니다.
전략 구축 – 포트폴리오 최적화(평균 분산, HRP, Kelly), 거래 비용 모델링, 리스크 관리(VaR, CVaR, deep hedging), 그리고 예측을 비용 및 리스크 인식 포트폴리오와 연결하는 최종 합성 단계.
프로덕션 및 MLOps – Docker화된 재현 가능한 환경, 특성 저장소, 실험 추적, 드리프트 감지, 서킷 브레이커, 그리고 Interactive Brokers, Alpaca, QuantConnect를 위한 라이브 트레이딩 어댑터.
고급 AI – SEC 공시를 활용한 RAG(검색 증강 생성), 지식 그래프 파이프라인, 그리고 LangGraph/Claude SDK로 구축된 자율형 멀티 에이전트 연구 시스템.

📂 저장소 레이아웃 (개요)

case_studies/ – 9개의 엔드투엔드 파이프라인(ETF, 암호화폐 무기한 선물, NASDAQ‑100 미세 구조, 옵션, FX, 선물 등).
01_process_is_edge/ … 27_systematic_edge/ – 각 챕터별 폴더로, 짧은 가이드와 해당 챕터의 개념을 구현한 노트북이 포함되어 있습니다.
docs/ – 퀵스타트, 설치 및 사용 가이드.
docker/ – 모든 종속성(PyTorch, LightGBM, Optuna, Plotly 등)이 포함된 즉시 실행 가능한 이미지를 가져오는 Docker‑Compose 파일.
assets/ – 책 표지 및 워크플로우 다이어그램.

🛠️ 시작하기 (README 기준)

저장소를 Clone하고 예제 환경 파일을 복사합니다.
Docker(ml4t 이미지 가져오기) 또는 로컬 uv 환경을 선택합니다.
docs/에 있는 "What this repo is, Installation, Running notebooks" 3단계 가이드를 따릅니다.
사례 연구 폴더를 선택하고 제공된 노트북을 실행하여 전체 파이프라인이 작동하는 것을 확인합니다.

🎓 누가 활용하면 좋을까요?

퀀트 연구원: 교과서 워크플로우를 반영한, 재현 가능하고 프로덕션 준비가 완료된 코드베이스를 찾는 분.
데이터 과학자: 실제 금융 데이터로 시계열, 표 형식, 인과 ML을 연습하고 싶은 분.
엔지니어: 저지연 트레이딩 시스템을 위한 MLOps(특성 저장소, 드리프트 감지, 안전한 배포)에 관심이 있는 분.
학생: 퀀트 금융을 공부하며 책의 이론을 보완할 실습 자료가 필요한 분.

📚 관련 리소스

2판 브랜치(second-edition)에는 이전 안정 버전이 포함되어 있습니다.
Maven의 온라인 코스 및 워크숍(기초, 연구에서 프로덕션까지, AI 에이전트 등).
지속적인 업데이트를 위한 주간 Insights 뉴스레터.

위의 모든 세부 정보는 저장소의 README에서 직접 가져온 것이며, 추가적인 기능은 추론되지 않았습니다.