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、観測された交絡因子を調整した後も、インプライド・ボラティリティと実現ボラティリティの差と将来の株式リターンとの関連が続くかを、二重機械学習で検証します。同じクロスフィット観測値を使って調整後の推定値と単純な通常最小二乗法を比較し、主体内のブロック置換プラセボも用います。時間的な制御では、結果の期間、処置変数のローリング構築、フォールドのエンバーゴ、観測値間の依存を考慮します。最終ホールドアウト期間に及ぶ可能性のある結果は分析から除外します。 結果が対象とするのは、開発期間中の現行S&P…
このユーティリティでは、公開されているSECの10-Q、10-K、8-K提出書類を収集し、後続の分析向けに共通の表形式データセットへ変換するワークフローを説明します。書類の種類に応じてテキストを抽出します。四半期報告書からは経営陣による説明を取り出し、年次報告書ではサプライヤー関連のテキストを優先し、見つからない場合は代替の抜粋を使います。臨時報告書では冒頭部分を保持します。記録には識別子、提出日と対象期間、抽出テキスト、テキスト長が含まれ、企業開示を市場データと照合できます。…
この実験では、選択した月次US株式のロング・ショートシグナルが、小型株にどの程度依存しているかを調べます。ラグ付き時価総額フィルターを適用して検証用予測から時価総額が最小の四分位を除き、モデルを再学習せず、同じポートフォリオ構築とコストの前提で再実行します。フィルター適用後のユニバースでは資産数が減りますが、回転率は全ユニバースの結果とほぼ同水準に保たれます。…
このノートブックでは、実際の戦略を対象とする監査で保持された結果を調べ、LEANエンジンと、それに対応するML4Tバックテストのプロファイルを比較します。固定された入力で対応可能な資産クラスのワークロードを特定し、約定、評価額、評価タイムスタンプ、株式のギャップ、最終価値に関するパリティの証拠を示します。利用可能な連続価格には日付別の契約チェーンとロール対応表がなく、ネイティブのLEANサブスクリプションに必要な条件を満たさないため、CME先物のワークロードは除外されています。…
このノートブックでは、検証フォールドで設定を選択した後、US株式のケーススタディのホールドアウト期間を予測する方法を説明します。選択された設定を特定してチェックポイントの選択を維持し、ホールドアウト開始前に利用可能なデータを使って新たな学習仕様を作成します。ラベルバッファーにより、学習アウトカムの対象期間が評価期間に重なるのを防ぎます。また、再フィット時にはフォールドごとの適格性とパラメーターを再計算します。…
このノートブックでは、日次株式データと時間足の暗号資産永久先物データについて、取得、検証、ソースのラベル付け、保存までを網羅する一連のパイプラインを構築します。株式の例では、過去のWikiPricesデータと新しいYahooのデータフィードを結合します。プロバイダーごとに株式分割調整の履歴が異なるため、両方のフィードにデータがある日付を使って価格の再スケーリング係数を推定し、その係数を過去のOHLC価格に適用します。期間が重ならない部分を結合する前に、出来高には逆数の調整を適用します。また、タイムスタンプの処理を…
このノートブックでは、モメンタムシグナルの見かけ上の質が、妥当な研究上の選択を変えても維持されるかを調べる枠組みを示します。指定されたホールドアウト期間より前の実際のETFデータを使い、ルックバックのパラメーターを一度に1つずつ変え、HAC調整済み統計量で横断面情報係数を測定します。観測された最高値を目標にするのではなく、ピークに近いパフォーマンスを維持する設定の幅でパラメーターの頑健性を定義し、広いプラトーと狭い最適点を区別します。…
このノートブックでは、取引時間中に大口の株式注文を小口注文に分割する2つの方法を比較します。TWAPは各時間帯にほぼ同じ数量を発注し、市場予測を必要としません。VWAPは推定した日中出来高プロファイルに応じて株数を割り当て、通常は流動性が高い時間帯に取引量を増やします。先行する分足のセッションでプロファイルを推定し、その後のNASDAQ-100セッションで両方のスケジュールを評価します。執行価格を各セッションの実現出来高加重平均価格と比較します。…
このノートブックでは、Ridge回帰と3つのコンフォーマル手法、すなわち分割コンフォーマル予測、コンフォーマル化分位点回帰、適応型コンフォーマル推論を使い、ETFの将来リターンの不確実性区間を作成します。ウォークフォワードのフォールドで評価し、有限サンプルでの較正ルールを説明します。補間した分位点ではなく、必要な順位にある較正スコアを選びます。適応型コンフォーマル推論は、将来リターンのラベルが確定するまでフィードバックを遅らせながら、時間とともに許容するカバレッジ不足の目標値を更新します。…
このノートブックでは、特性に依存するファクター負荷量と潜在ファクターの積として株式リターンをモデル化する条件付きオートエンコーダーを解説します。まず、横断面の同時最小二乗フィットで特性に基づくポートフォリオリターンを推定し、次にニューラルネットワークを学習させて同時点のリターンを再構成します。別のウォークフォワードアダプターが次のファクター実現値を予測し、現在の特性を通じて変換することで翌日の株式リターンを予測します。…
このノートブックでは、モデルが資産を順位付けした後、配分ルールがETF戦略にどう影響するかを調べます。予測セットとリバランスカレンダーを固定し、比較ごとに同じ上位k銘柄のバスケットを選び、その中の配分比率を変えます。手法には均等配分、スコア加重、逆ボラティリティ、リスクパリティ、平均分散最適化、階層的リスクパリティがあります。保有ファンド数によって配分比率の違いが生じる余地が変わるため、バスケットの集中度も変えて検証します。…
このノートブックでは、取引コストによって成績が損なわれたNASDAQ-100の全バー取引戦略を、ポートフォリオ構築で改善できるかを検証します。宣言された選択銘柄群を使ってベースライン予測の上位を選び、その後は全銘柄群で配分を比較します。保有銘柄数を変え、均等配分、スコア加重、逆ボラティリティによるポジションサイズを比較しながら、15分の取引間隔は固定します。報告された結論では、検証したすべての配分手法の組み合わせが大幅なマイナスにとどまり、配分手法や集中度よりも売買回転コストの負担が重要でした。…
このノートブックでは、均等配分のシグナル段階ベースラインで検証成績上位の予測設定を選び、同じ予測に対して別の配分手法を試します。保有銘柄数を変えながら、スコアベース配分やコンフォーマル配分を、逆ボラティリティ、リスクパリティ、平均分散最適化、階層的リスクパリティと比較します。検証シャープレシオに基づいて設定を進め、各設定で全データをカバーする最良のチェックポイントを使うことで、チェックポイントが細かく多い設定が候補を過度に占めないようにします。…
このノートブックでは、登録済みのETF予測セットをポートフォリオに変換した場合の成績を評価します。各検証予測セットを、異なる上位k銘柄の保有など宣言済みのエントリー方式と組み合わせ、取引カレンダー、リバランス頻度、設定した手数料とスリッページの仮定は固定します。一括比較の前に、ランダムな順位付けをエンジンで実行します。シャープレシオがゼロから大きく離れている場合、タイミング、データ結合、コストモデルに欠陥がある可能性を示すものとして扱います。…
この章では、バックテスト、模擬取引、実運用で動かせる戦略ロジックを軸に、研究から実際の執行へ進む手順を説明します。ブローカーやプラットフォームとの連携、デプロイの反復処理、データと特徴量の同等性確認、注文のライフサイクル処理、運用準備を扱います。注文処理は状態遷移としてモデル化され、部分約定、取消、拒否、中断後の復旧を明示的に扱えるようにします。リスク管理には注文・ポジションの上限、古いデータの確認、シャドートレード、照合、キルスイッチを含みます。…
このノートブックでは、US株式パネルの株価特徴量を順序付きのウィンドウにして、リターンを予測するLSTMモデルを説明します。単純な表形式モデルとは異なり、LSTMは各ウィンドウのセッションを順次処理し、隠れ状態を引き継ぎます。学習されたゲートが、新しい情報を状態に加えるか、過去の情報を破棄するか、次のステップに何を渡すかを制御します。この設定では再帰層を積み重ね、構成ごとに複数のエポックチェックポイントを保存します。…
このノートブックでは、合成金融系列を生成する再帰型敵対的生成モデル、TimeGANを紹介します。5つのモジュールが埋め込みと再構成を学習し、潜在状態の遷移を予測し、ノイズから系列を生成して、生成系列と実系列を見分けます。学習は表現学習、時間的な教師あり学習、敵対的学習の同時実行という順で進みます。この例ではUS銘柄のパネルから日次対数リターンを使い、評価用にデータの直近部分をホールドアウトします。…
この文書では、TWAPとVWAPが取引時間中に大口の親注文を子注文に分割する方法を説明します。TWAPは各時間間隔に同じ数量を割り当て、VWAPは時間間隔ごとの出来高予測に比例して数量を割り当てます。ノートブックでは過去の分足から出来高を予測し、その後のNASDAQ-100セッションで両方のスケジュールを検証します。各時間間隔の出来高加重価格で約定をシミュレーションし、利用可能な出来高に占めるスライスの割合に基づいて平方根型マーケットインパクトを課します。…
このノートブックでは、ETFの将来リターンを予測する教師ありオートエンコーダーを紹介します。ネットワークはファンドの特徴量行を低次元の表現に圧縮し、その表現から直接リターンを予測します。同じモデル群の条件付きオートエンコーダーと異なり、リターンが少数の共通ファクターから生成されるとは仮定しません。再構成損失とリターン予測損失を同時に学習するため、目的ラベルを変えると別個のモデルが適合されます。…
このノートブックでは、売買シグナルや発表などのイベントが市場ベンチマークを上回るリターンを予測するか検証する方法を説明します。流動性の高いETFのモメンタム・ブレイクアウトを例に、イベント前のリターンから市場モデルを推定し、イベント期間の異常リターンを計算してから、日次平均を集計し、信頼区間と有意性統計量を伴う累積平均異常リターン（CAAR）を算出する手順を示します。…
このノートブックでは、株式研究向けに未加工のSECフォーム4のXMLからインサイダー取引を抽出する方法を説明します。各取引ブロックを解析単位とし、取引コード、日付、株数、価格、売買方向の対応関係を維持します。XMLツリーをたどることで、取引間や普通株・デリバティブの各セクション間で項目が混ざるのを防ぎます。共同提出では、最初に見つかった名前に取引を割り当てず、報告者全員を保持する必要があります。…
このノートブックでは、日々の取引判断に使う変化の遅い状況特徴量として、会計比率、マクロ経済環境、カレンダー符号化を説明します。利益利回り、収益性、発生高、レバレッジ、キャッシュフロー利回りなどのバリュー・クオリティ指標を示し、発表日とas-of結合を使って四半期ファンダメンタルズを日次観測に整列します。マクロ系列には公表ラグとフォワードフィルが必要です。カレンダーのパターンには周期的な符号化やイベントまでの時間を使えます。…
この文書では、観測日の調整後終値と後続の取引日の価格を用いて、ETFの日次将来リターンラベルを作成する方法を説明します。月次期間を主ラベルとし、より短い週次バリエーションも作成します。適格性フィルターを適用する前に、各銘柄の完全かつ整列済みの価格履歴からラベルを計算します。アサーションで、不完全な末尾、異常に長い暦日間隔、銘柄の境界、ラベル型を検査します。…
このノートブックでは、ETFの将来リターン予測について、分割コンフォーマル予測、コンフォーマル化分位点回帰、適応型コンフォーマル推論を比較します。ウォークフォワード分割では、あるサブセットで学習し、別のサブセットで区間誤差を較正してから、後の観測値で評価します。分割コンフォーマル法は較正残差の順位を使って区間幅を定めます。CQRは較正前に下側と上側の分位点モデルを当てはめるため、状況に応じて区間幅を変えられます。ACIは、遅れて結果が得られるたびに誤被覆率を更新します。…