ATLAS
지수 및 대형주를 위한 OHLCV 기본선
세계를 짊어진 타이탄 — 안정적인 기초
이ATLAS
미니멀리스트. ATLAS는 5개의 원시 OHLCV 채널만 사용합니다 — 지표 없음. 다섯 개 중 가장 작은 모델(2.4M 파라미터), 대칭 1:1 R/R에서 가장 높은 승률, 그리고 가장 보수적인 모델입니다.
광범위 시장 추세 추종, 보수적 R/R
작동 방식
ATLAS는 분해된 채널 × 시간 주의 변환기입니다. 120-바 컨텍스트 창의 5 입력 채널을 보고 다음 5개 바의 전체 분포를 예측합니다.
순전파: 입력 OHLCV + 지표 채널 → 패치 임베딩 → 교대 공간/시간 어텐션 레이어 → 단일 임베딩으로 풀링 → MLP 헤드가 지평선 단계별로 7개의 분위 수준을 예측합니다.
입력 채널
각 바는 컨텍스트 전용 통계를 사용하여 창별로 z-점수 정규화되므로 모델은 절대 가격 대신 상대적 움직임을 봅니다.
출력
데이터 및 훈련
유니버스
120 심볼
indices_and_megacaps
심볼은 유동적이며 거래 가능한 도구로 구성됩니다.ATLAS's 훈련 모집단. 각 예측 주기는 동일한 유니버스에서 전방 테스트를 실행하므로 성능 수치가 선별되지 않습니다.
이 훈련 윈도우를 선택한 이유
우리는 2010년 이전 데이터를 의도적으로 제외합니다. 소수점 이전(2001년 4월까지 분수), HFT 체제 이전(2007년 이하), 그리고 2007-2009년 신용 위기는 더 이상 존재하지 않는 시장 구조를 반영합니다. 2.4 M매개변수에서 해당 체제에 용량을 소비하는 것은 현재 시장과의 가중치 경쟁에서 잡음이며 — López de Prado (2018)는 체제 비정상성을 금융 ML의 주요 실패 모드로 식별합니다.
민감도: 2003-2022년으로 훈련된 파일럿은 검증 손실이 2010년 이후 실행보다 10-12% 나빴습니다.
실시간 성과
모든 예측ATLAS은 기록되고 실시간으로 장벽 평가됩니다. 이 수치는 마감된 거래만을 반영하며 지속적으로 업데이트됩니다.
과거 성과가 미래 결과를 보장하지 않습니다. 전방 테스트 결과는 1:3 R/R 장벽 시뮬레이션을 반영합니다. 실제 결과는 슬리피지, 스프레드 및 유동성으로 인해 다를 수 있습니다.
정직한 한계
Bull-regime test exposure
15주 아웃오브샘플 기간은 황소장 편향 구간이었습니다. 약세장(2022년 4분기 스타일)에서의 모델 성능은 검증되지 않았으며 실질적으로 낮을 가능성이 있습니다.
Transaction costs not modelled
표면 수익률은 왕복 수수료(이 상품의 경우 약 0.05~0.30%)를 제외한 수치입니다. 실제 수익률은 낮아지며, 표면 수치는 상한선입니다.
Same-symbol train/test
모델은 동일한 종목군에서 훈련 및 테스트되었습니다(시간 분할). 우리는 시간적 일반화를 검증하지만, 새로운 종목에 대한 범주 일반화는 검증하지 않습니다.
What we're confident about
무작위 추측보다 높은 방향성 실력(대칭적 1:1 손익비 승률 51.8%) and reproducible training: we've retrained from scratch 3+ times with identical hyperparameters within ±1% val loss.