ナレッジライブラリ

このノートブックでは、大口のポジションを清算するスケジュールを決めるAlmgren–Chrissの枠組みを紹介します。到着時価格に対する執行不足を測定し、2種類のコストをモデル化します。取引強度が上がると増加する市場インパクトと、売却前のポジションが価格変動にさらされている間に増えるタイミングリスクです。リスク回避度のパラメーターで取引経路を選び、コストとリスクのトレードオフの集合から効率的フロンティアを構成します。また、経路を清算の半減期で解釈し、恒久的なインパクトと一時的な流動性コストを区別します。…

このケーススタディでは、通貨ペアを順位付けし、相対順位に応じて買いまたは売りを行うクロスセクションの外国為替戦略向けに、将来リターンのラベルを構築する方法を説明します。まず、ニューヨーククローズ方式で4時間足のスポットデータを取引セッションに割り当て、各通貨ペア内で1セッション後とそれより長い期間のリターンを測定します。将来期間のデータが揃っているか、金融商品が継続しているか、リターンが誤って別の商品をまたいでいないかを確認することを重視します。また、ホールドアウト開始前に結果が確定する観測値だけに診断を限定しま…

このコードは、アウトオブサンプル予測テーブルから標準化されたパフォーマンス指標を計算し、フォールドごとと全体の主要指標を別々に示します。情報係数、誤差指標、識別指標、主体数など、回帰と分類の両方に対応します。分類では、情報係数の計算に連続値のリターン列を必要とし、AUC、対数損失、正解率などの指標にはクラスラベルを使います。この区別によって、二値ラベルをリターン順位の代わりに使うことを避けます。…

この記録は、米連邦準備制度が2026中に政策金利の目標を引き上げるかを予測した、LangGraphの1回の実行を記録しています。3つのエージェントが確率を出した後、ディベートと監督エージェントによる更新が行われました。記録された出力には、集計確率、ディベートの中間値、監督エージェントの修正後の推定値が含まれ、インフレ、経済見通し、政策予想に関する検索クエリと抜粋も添えられています。また、インフレ見通し、地政学的紛争の影響、FRBの対応予測について、エージェント間で見解が異なったことも示されています。…

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…

このノートブックでは、証拠を検索し、二者択一の問いに対する確率を構造化して返すリサーチエージェントを構築します。アクションの解析と検証、ターン数の上限、論拠と実行の詳細を記録した予測成果物の保存について説明します。無効な応答は修正のため再送し、予測を出さずにターン数を使い切ったエージェントは、確率を出したエージェントと区別します。…

このノートブックでは、特徴量を使わない潜在因子ベースラインとしてPCAを取り上げ、ETFリターンを予測します。各ラベルの学習期間におけるリターン行列を分解し、ファンドごとのローディングと推定した因子プレミアムから予測を組み立てます。期間を通じて同じファンドが列として維持されるため、この手法は固定されたETFユニバースに適しています。対象の識別子が時系列で変わる場合には適しません。特徴量ベースのモデルとの違いに加え、ウォークフォワード学習と予測記録についても説明します。…

このノートブックでは、Interactive Brokersを実データの取得元と執行先の両方に用いて、日次FX通貨ペアモデルを導入する一連の手順を説明します。過去のパネルデータでRidge回帰モデルを学習し、日次リターン、モメンタム、ボラティリティ、価格から得られる少数の特徴量を計算します。直近のバーを取得して通貨ペアのユニバースをスコアリングし、予測リターンが最も高いペアのバスケットを計画します。監視と監査用に、モデル成果物と実行記録も保存します。…

このノートブックでは、CME先物のパネルデータを対象としたニューラル確率的割引ファクターモデルを紹介します。キャリー、モメンタム、ボラティリティなど、商品リターンと観測可能な特性の両方を使って潜在因子を構築し、事前に定めた将来リターン期間の予測を生成します。リターンのみを使うPCAと対比し、特性がリターンの共分散を超える価格情報を加えるかを比較で検証する方法を説明します。…

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。…

このモジュールでは、複数エージェントによる予測パイプラインの2つの構成要素を説明します。ディベートエージェントは強気と弱気の主張を交互に提示し、双方に相手の主張への応答と、根拠を添えた確率推定を求めます。各ラウンドを記録し、設定された合意範囲内に2つの推定値が収まれば、最大ラウンド数に達する前に終了できます。…

このノートブックでは、複数資産のETFユニバースについて、ロングのみの6種類のポートフォリオ配分を比較します。最適化を不安定にするサンプリング変動を抑えるため、Ledoit–Wolf共分散縮小を用い、最大シャープレシオ、最小分散、リスクパリティ、階層的リスクパリティ、最小条件付きドローダウンリスク、均等配分を比較します。各手法で必要な推定値は異なります。期待リターンと共分散を使う手法がある一方、リスクのみを目的とする手法では期待リターン予測を使いません。リスクパリティはポートフォリオ分散へのリスク寄与を均等にし、…

このノートブックでは、事前に因果グラフを指定せず、ETFとボラティリティのリターン間に時間差のある関係があるかをPCMCIで探索します。パネルデータに基づく条件付き独立性の検定を、ペアごとのグレンジャー検定と比較します。グレンジャー検定は目的変数自身の過去を考慮しますが、他の変数を条件にしません。最大ラグは取引日5日と事前に定めます。自己相関図は各系列の持続性を示す記述的なものですが、系列間のどの時間差を検定するかは決めません。…

この設定では、株価指数、国債、エネルギー、金属、通貨、農産物、畜産物にわたる週次の先物研究ユニバースを定義します。金曜日の決済価格を意思決定時点とし、執行時点を月曜日の寄り付きに設定します。戦略の枠組みでは、キャリーまたはモメンタムに基づいて先物商品を順位づけし、同リスクまたは想定元本によるサイジングでロング・ショートポジションに対応します。コストの前提は商品ごとの流動性に応じて異なり、手数料、スプレッド、ロール時のスリッページを含みます。…

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。…

この資料では、線形モデルや勾配ブースティングモデルと同じ加工済み特徴量行とウォークフォワード・フォールドを使う、CME先物のTabM実験を説明します。TabMはパラメーター効率の高いニューラルアンサンブルです。アンサンブルの各メンバーで重みの大部分を共有するため、複数のネットワークを平均する分散低減効果を一部得ながら、計算コストを抑えます。設定によってモデルの容量を変え、後の検証用バックテストとシャープレシオに基づく選定のため、宣言したすべての学習チェックポイントを出力します。…

このモジュールでは、日付範囲とフィット済みの値は変えずにウォークフォワード・フォールドの番号を変更したライブラリに合わせ、レジストリを移行する方法を説明します。フォールドIDは学習仕様、予測キー、入力フィンガープリント、モデルパラメーター、生成物、下流のハッシュ全体で使われます。そのため、ラベルの変更には、関連する一連のIDと参照の更新が必要です。…

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、隠れマルコフモデルがリターンと直近のボラティリティから、観測されない市場状態を推定する方法を説明します。まず、ストレス相場を判定するボラティリティ指数の閾値と、トレンドを判定する長期移動平均に対する価格という、シンプルな比較ルールを設定します。2状態の例でフォワードアルゴリズムを示し、当該セッションまでに得られる観測値を使って状態確率を更新します。…

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、不完全または不一致の評価サンプルによって結果が歪まないよう、S&P 500オプションの予測モデルを比較する方法を説明します。各モデルをファミリー、設定、チェックポイントで特定し、予測が登録済みの適格性契約を満たすか確認するとともに、母集団間でクロスバリデーションのIDが共通であることを検証します。系列モデルは過去の履歴を必要とするため、対象行数が少なくなることがあります。そのため適格性グループが異なるデータ同士を比較すると、モデル差とサンプル差が混在します。…