Beta version으로 제공한 Repository에 대한 이론적 기반을 정리하고 이에 근거해 System Architecture를 설계합니다.

ML 트레이딩 전략을 생성하는 과정에서 필요한 모든 스텝을 연구합니다. 데이터 전처리, 라벨링, 앙상블, 백테스팅, 백테스팅 통계량 등을 연구합니다. 많은 ML 관련 서적에선 '트레이딩'이란 도메인의 관점을 무시하고 기술을 적용하는 경향이 있습니다. ML 모델 자체에 집중하는 연구가 아닌 ML을 트레이딩에 어떻게 적용할 것인지, 어떻게 엔진과 파이프라인을 구성할지 연구합니다.

• 해당 연구는 마르코즈 로페즈 데 프라도의 "Advances in Financial Machine Learning"에 기반합니다.

1. Data Structures
2. Labeling
3. Sample Weights

4. Ensemble Methods
5. Cross-Validataion in Model
6. Feature Importance
7. Hyper-Parameter Tuning with Cross-Validation

8. Bet Sizing
9. Dangers of Backtesting
10. Backtesting through Cross-Validation
11. Backtest Statistics
12. Machine Learning Asset Allocation

13. Fractionally Differentiated Features
14. Structural Breaks
15. Entropy Features
16. Microstructural Features

17. Understanding Strategy Risk
18. Backtesting on Syntehtic Data

19. Multiprocessing and Vectorization

20. Machine Learning
21. [Deep Learning]
22. Reinforcement Learning
23. [CS : Data Structure]
24. [CS : Algorithm]
25. Linear Algebra
26. Calculus
27. Optimization
28. [Probability and Statistics]

• Insight Memo

• [Architecture Overview]

• Rule-Based Simulator System Architecture

• [Simulator System Architecture]
• [Trader System Architecture]
• [DB System Architecture]

1. mlops-architecture-guide
2. How to utilize mlops in a quant system