ナレッジライブラリ

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、Binanceの無期限先物データを使い、プレミアムで契約を順位付けして買いと売りのポジションを取る横断的戦略を実行できるか評価します。モデルの学習や予測は行いません。代わりに、資金調達料の決済時点における宣言済みの取引対象を確認し、観測された銘柄の幅を戦略が想定するポートフォリオ規模と比較します。価格変動を取引所手数料と比べ、ホールドアウト期間を確保しながらウォークフォワード検証ができるだけの開発期間があるかも評価します。…

このノートブックでは、複数の事例から得た戦略について、想定した取引コストの影響を比較します。採用された戦略設定ごとのコスト感応度バックテストを読み込み、事例で想定されたコストにおけるグロスのシャープレシオとネットのシャープレシオを比べ、シャープレシオがゼロになるコストを推定します。想定コストがテスト済みのコスト水準の間にある場合、ネットのシャープレシオは線形補間します。また、リバランス頻度ごとに結果をまとめ、売買回転頻度とコスト負担の関係を調べます。…

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。…

この文書では、取引ケーススタディにおけるモデル学習、予測、因果効果の推定、バックテストを記録するランログシステムを説明します。ケーススタディの設定から学習メニューやモデルのプリセットに進み、データファイル、特徴量列、分割日、予測行、前処理、推定器のパラメータ、ソフトウェアのバージョンを含む解決済み仕様が作られるまでの設定の流れを示します。その仕様を標準化した表現が、実行を識別する情報になります。…

この設定では、暗号資産の無期限先物を対象に、ロング・ショート戦略を調査するワークフローを定めます。出来高で選んだ19銘柄の銘柄群、8時間ごとの資金決済に合わせた判断、資金決済時刻での執行を定義します。主な予測対象は8時間先リターンで、リターンと方向の各バリエーションも扱います。また、資金調達料、プレミアム、価格ボラティリティ、クロスセクション特徴量に加え、キャリー、平均回帰、モメンタム、ボラティリティの仮説も説明します。…

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、株式、債券、通貨、商品に関する9つのファクターおよび市場系列の月次リターンを、ガウス混合モデルでクラスタリングします。データが不完全な月を除外した後、尺度の違いがクラスタリングを支配しないよう系列を標準化します。異なる特性を評価する基準で候補クラスタ数を比較し、その結果得られたグループを時系列と日付付きのイベントに照らして調べます。各局面のファクター成績から、全期間をまとめた平均では見えにくい条件付きリターンや分散効果がわかります。…

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。…

このデモでは、USD現物ブローカーに接続して暗号資産戦略を継続運用する際の構成を説明します。無期限先物のケーススタディで使った広い銘柄群を、利用できる現物ペアに絞り込み、モメンタムのzスコア代理指標をブローカー接続型のループに流します。また、資金調達料の確認ではタイムスタンプをUTCに正規化する必要があることを説明し、無期限先物ポジションの時刻目安となる定期的な資金調達時間を示します。…

この章では、取引アイデアを文書化された特徴量仕様に落とし込む枠組みを示します。特徴量の期間を意図する判断に合わせ、要因に関する仮説を明示し、予測シグナルと文脈を表す状態変数を区別するよう研究者に求めます。参照基準、表現方法、集約方法の選択は経済的な主張に沿うべきです。仮説を変える変換と、主にノイズを抑える変換も区別します。この章では、価格・出来高の特徴量、市場マイクロ構造、金融商品間の関係、デリバティブ価格が示唆する指標、ファンダメンタルズ、マクロ経済データ、カレンダー変数を概観します。…

このガイドでは、因果効果の推定と因果構造の発見を区別し、よくある研究課題に適したPythonライブラリを紹介します。調整構造が既知または明示的に指定されている場合、EconMLとDoWhyは効果を推定します。Tigramiteとcausal-learnは時系列データまたはクロスセクションデータから構造を提案します。また、離散的な処置に焦点を当てるCausalMLやベイズ構造時系列の手法が適する場合も説明します。選択は処置の種類、データの形状、対象とする推定対象によって異なります。…

この概要では、株式、暗号資産、外国為替、先物、オプション、マルチアセット・ポートフォリオにまたがる9件の取引ケーススタディから設定データを集約します。各研究の銘柄群、データ頻度、判断の頻度、コストモデル、シグナルからポジションへの対応付けを比較します。取引コストの影響が特に大きい設定も含め、こうした選択が戦略やデータセットによってどう異なるかを例示します。…

このノートブックでは、バックテストと実運用のパイプラインが一貫して動作するかを確認する、決定論的な枠組みを示します。価格バーを判断に変える各段階、すなわち特徴量計算、予測、シグナル、注文数量を比較します。固定の合成価格データを使い、両方のパイプラインが同じ入力を処理できるようにすることで、市場変動と技術的な不一致を切り分けやすくします。…

このノートブックでは、暗号資産の無期限先物市場における固定の売り注文を時間単位のバーに分散して執行するため、強化学習エージェントを学習させます。状態には、ラグ付きリターン、ボラティリティ、前の時間の出来高、現物に対する無期限先物のプレミアム、資金決済までの時間を含みます。日付に基づいて学習期間と評価期間を分け、同じ評価ウィンドウ上で複数の執行スケジュールを、対応する差分と標準誤差を使って比較します。…

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。…

このノートブックでは、9件のケーススタディにわたる線形モデルの結果を集計します。対象にはOLS、Ridge、Lasso、ElasticNetが含まれます。各研究で主要ラベルに対する最も強い完全な設定を比較し、正則化、フォールド単位の情報係数、安定性、代替の予測期間、分類・回帰指標、係数の挙動を調べます。結果はレジストリから取得し、廃止済みの予測を除外したうえで、有効なフォールド指標と最大限のラベルカバレッジを備えた完全な結果のみを比較対象とします。…

このケーススタディでは、他のモデル群と同じ時点整合済みのCME先物特徴量行とウォークフォワード分割を使って、パラメータ効率の高いニューラルアンサンブルTabMを評価します。パラメータの大部分を共有しながらモデル間の変動を平均化する方法としてTabMを取り上げ、小規模でノイズの多いパネルにおける適合と汎化のバランスを探るため、モデル容量を変えます。記載された評価では、等ウェイトの検証バックテストとシャープレシオを使い、指定済みのエポックチェックポイントから選択します。…

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…