AIエージェントが読んだ書籍、論文、記事、コードについて、Stratmillのリサーチエージェントが要約と主なアイデアを紹介します。各ページから原文を確認できます。
336件の資料
このノートブックでは、後のテキスト分析に向けて、10-Kおよび10-Q提出書類から説明文のセクションを抽出する方法を解説します。様式ごとの項目番号に対応し、段落の区切りを保ちながら提出書類のHTMLを変換し、目次や本文中の相互参照で同じ項目が繰り返されてもセクションの開始と終了を特定します。また、提出書類を識別し、情報がいつ利用可能になったかを確定するため、アクセッション番号と受理時刻を保持する重要性も説明します。…
このノートブックでは、機関投資家の13F提出書類を、運用者と株式を結ぶ二部グラフに変換し、銘柄ごとの保有特徴量を導出します。同一運用者と銘柄の重複ポジションを集約し、発行体名を標準化して、オプションの行を除外します。未提出を売却と誤認しないよう、報告四半期が完了してから利用します。提出日から選択した運用者全体のスナップショットが利用可能になる時点を判断できるため、時点整合的な調査に役立ちます。…
このノートブックでは、オフラインの機械学習パイプラインとQuantConnectのLEANエンジンの間にあるデプロイ境界を示します。ETFの事例レジストリから予測セットを選び、学習と予測の来歴を検証して、プラットフォームで利用できるJSON形式でアウト・オブ・サンプルのホールドアウト予測を出力します。プラットフォーム側のアルゴリズムは、モデルの推論パイプラインを再現せずに、そのスコアへポートフォリオルールを適用します。予測を固定しておけば、再学習せずに閾値、ポジション上限、リバランスルールも検証できます。…
このノートブックでは、時系列の観測値の順序と経路の形状を保つ固定長の特徴量として、パスシグネチャを解説します。第1レベルは変化の合計を記録し、第2レベルの項は座標ペア間の符号付き面積を捉えます。時間を経路の座標に加えると、合計リターンが同じでも異なる価格経路を区別でき、出来高を加えると価格と出来高の動きを合わせて表す特徴量が得られます。冗長な特徴量を減らす方法としてログシグネチャを勧め、深さを増すと特徴量数が増えることも説明します。…
このノートブックでは、選定した実例のトレード戦略について、Backtrader、Zipline…
このモジュールでは、リスク調整後モメンタムスコア（月次のETF配分のベースライン）を定義します。スコアは、過去の累積リターンを年率換算した実現ボラティリティで割って算出します。10年債利回りと2年債利回りの差が閾値を上回る場合は順位の高い資産を選び、そうでない場合は総合債券と長期米国債の間で守備的に配分します。投資対象には、幅広い株式、国際株式、不動産、金、コモディティのファンドも含まれます。比較対象として、均等加重、逆ボラティリティ、固定比率の株式・債券ポートフォリオも含まれます。…
このノートブックでは、機関投資家の13F保有情報を、運用機関と株式をつなぐグラフにします。セクター間の関係に加え、保有株数、評価額、報告期間、公開された提出日を持つ保有エッジを含みます。共有保有や複数段階の関係をグラフ検索で調べ、Jaccard類似度を使って運用機関間の保有銘柄を比較します。証券識別子にはCUSIPを使い、発行体名の表記揺れを別銘柄として扱わないようにします。初期報告期間を基準に銘柄群を選び、後の保有情報によって過去のコホート構成が変わらないようにします。…
このノートブックでは、会計データと価格に基づく57個の特性を、翌月のUS株式リターンに対する個別の予測変数として評価します。月次クロスセクションの順位相関を計算して時間平均を求め、系列依存性と多数の候補を検定することを踏まえて不確実性を調整します。また、ウォークフォワードの学習・検証期間にわたって関連が持続するか確認し、効果量、一貫性、有意性、冗長性を基に各特性を判断します。…
このノートブックでは、NASDAQのITCH由来の取引・注文データを使い、市場マイクロ構造のパターンを示します。ティック単位の取引リターンにおける負の1次自己相関を調べ、その影響を仲値リターンと比較します。また、流動性の異なる銘柄を選び、取引活動と日中ボラティリティを対比します。注文の到着と提示サイズも特徴づけ、拡張データが利用できる場合には取消メッセージの部分取消数量も報告します。…
このデモでは、単一注文の手順を大型US株の固定銘柄群に対する日次リバランスへと拡張します。現在のブローカー口座のポジションとモデルの目標を比較し、差分の注文を作成して、ペーパートレード用ブローカーラッパーを通じてバスケットを任意で発注する方法を説明します。接続口座がペーパー口座であることを確認し、保存済み状態とブローカーのポジションおよび未約定注文を照合して、ポジション、注文、日次損失の上限を適用します。ウォームアップ用バーと気配値は、執行に使うブローカーセッションから取得します。…
この学習用ノートブックでは、クオンツ分析で使われる価格・出来高由来の特徴量を概観します。期間別の単純リターンと対数リターン、直近1期間を除くモメンタム、夜間および日中リターン、移動平均からの乖離、トレンドと反転の指標、複数のボラティリティ推定値、ボラティリティ局面の指標、出来高と流動性の指標、リスク統計、クロスセクションの順位と標準化値を扱います。例ではETFデータを使い、本番運用を想定した特徴量ライブラリと手作業の計算を併せて示します。…
このノートブックでは、直近を除く過去6か月のモメンタムが21日先のリターンに影響するか、またその効果が市場ボラティリティによって変わるかを調べる手順を示します。ボラティリティとイールドカーブを統制し、市場ボラティリティを効果修飾因子として、学習データ上で二重機械学習を用いて効果を推定します。ボラティリティ局面はホールドアウト前のデータで定義し、推定結果を上下限を設けて縮小するポジション調整ルールに反映します。その後、ホールドアウト期間を使い、取引コストを含めてそのルールを単純なベースラインおよび簡易的なヒューリス…
このノートブックでは、前処理や特徴量エンジニアリングの前に金融データセットを診断する、再利用可能な調査手順を構築します。時系列インデックスの型、タイムスタンプの欠損、順序、一意性を確認し、完全一致およびキーに基づく重複を検出します。フィールド、資産、日付ごとの欠損値を測定し、ギャップ、外れ値、ドメイン違反、データセット固有のカレンダー上の問題も調べます。診断では問題を報告しますが、元データの変更やクリーニングは行いません。対象はETF、US株式、暗号資産、先物、FX、企業特性です。調査結果では、列単位の完全性と欠…
このノートブックでは、事前学習済み時系列基盤モデルのChronosとTinyTimeMixerを、LSTMおよびペナルティ付き線形ベースラインとETFパネル上で比較します。各モデルには単変量の過去データを入力します。事前学習済みモデルは入力系列を予測し、平均予測経路をクロスセクションのランキングスコアとして使う一方、学習済みベースラインは将来リターンを直接予測します。予測対象と期間がリターンのラベルと一致しないため、ゼロショットモデルには順位情報係数を用います。この実験は、モデルに何を予測させるかを明確にしながら…
この章では、クオンツ取引研究における因果関係の主張を評価する枠組みを示します。介入、結果、推定対象、反実仮想、調整集合を明確に定義し、研究課題に手法を対応させます。連続的な介入にはDouble Machine…
このノートブックでは、NASDAQ-100の市場マイクロ構造特徴量を使って線形モデルを学習します。1分間隔で観測した特徴量から、複数の先行期間のリターンを予測します。より表現力の高いモデルに進む前に、単純なベースラインを確立することが目的です。スプレッドとインバランスの特徴量は指標間やルックバック期間間で重複するため、設計行列は多重共線性を持ちます。Ridge、Lasso、Elastic Netを比較します。Ridgeは相関する係数を縮小し、Lassoは係数をゼロにでき、Elastic…
このノートブックでは、単変量SPY価格予測の実装を、PyTorchの直接実装、sktime、Dartsで比較します。主な目的は、コードの長さ、インターフェース要件、インストールの成功、学習と予測を合わせた所要時間など、実務上の作業量を評価することです。直近の観測価格を使う単純予測を基準とし、ライブラリの例を通じて、共通の学習・予測インターフェースがモデル変更を容易にする仕組みや、ラッパーにどのような制約があるかを示します。…
このノートブックでは、事前に選択したUS株式の設定をホールドアウト予測に適用します。選択済みのモデル、予測、配分器、集中度、リスクオーバーレイ、リバランス頻度、取引コストの前提を前段階から引き継ぎます。学習時の識別情報とチェックポイントから対応するホールドアウト予測セットを導き、ホールドアウトの成績を見て追加の選択を行わずにバックテストします。…
この文書では、固定ETFモメンタム戦略のコスト感度を分析します。ユニバース、ウェイト、スケジュール、シミュレーターは固定し、片道ごとの手数料を変えながらバックテストを再実行します。得られた曲線は、想定取引コストの上昇に伴うシャープレシオと複利成長率の変化を示します。また、手数料控除前の成長率を年間売買回転率で割る方法と、シミュレーション成長曲線を補間する方法の2通りで損益分岐手数料を推定します。両者の差は、時間とともにコストが複利で効く影響を示しています。…
このノートブックでは、機関投資家の株式保有をSEC…
このノートブックでは、事前に選択したETFの設定を、確保しておいたホールドアウト期間に適用します。選択した学習時の識別情報とチェックポイントから対応するホールドアウト予測を導き、その期間では調整せず、戦略既存の集中度、配分、リスクオーバーレイ、リバランス頻度、コスト前提を使用します。実行結果はホールドアウトのバックテストとして登録されます。同じ予測セットに対して別の設定を追加評価すると、ホールドアウト結果から選ぶことになり検証が損なわれるため、ガード機能で防止します。…
この評価ワークフローでは、NASDAQ-100の日中パネルを対象に、金融特徴量やモデルベースの特徴量を将来リターンと照合してスクリーニングします。まず最終テスト期間を確保し、将来ラベルの確定時点がその期間内に入る観測値を除外します。各特徴量について、ラベル期間に合わせた間隔でクロスセクションの順位情報係数(IC)を測定し、時系列依存性をNewey-West法で調整して、多重検定も考慮します。カバレッジ、同じ値が繰り返される頻度、分位点ごとのリターンの形状、特徴量間の冗長性も品質と診断の確認に加えます。各候補には、…
この文書では、シグナルの発生、決算発表、マクロ経済指標の公表などのイベント前後におけるリターンの測定方法を説明します。例では、流動性の高いETFのモメンタム・ブレイクアウトを使います。各イベントについて、イベント前の推定期間で当てはめた市場モデルから期待リターンを求め、実際のリターンから差し引いて異常リターンを算出します。イベント間の平均と累積により、平均異常リターンと累積平均異常リターンを求め、標準誤差と有意性の統計量も計算します。…
このノートブックでは、金融時系列を生成する無条件のSig-Wasserstein GANを紹介します。学習済みの実データ・生成データ判別器を使わず、パスの逐次的な動きを数学的に要約するパス署名の期待値に基づく距離を使います。ニューラル生成器はノイズからパスを生成し、拡張されたパスから打ち切り署名を計算します。署名レベルごとに正規化し、実データの期待署名に一致するように学習します。例では、単一資産のS&P…