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。
678件の資料
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。…
このノートブックでは、ATMストラドルを売り、満期まで保有する戦略の候補特徴量をスクリーニングします。各取引日について、利用可能な銘柄を特徴量で横断順位付けした結果と、最終的なストラドル損益の順位を比較し、その順位の一致度を検証期間にわたって平均します。ポジションの重複を考慮して不確実性を調整し、多数の候補を同時に検定するため偽発見も制御します。…
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。…
このノートブックでは、検証用予測をロングオンリーの株式ポートフォリオとして評価します。各ラベルの頻度で決まる判断スケジュールに従い、上位K銘柄を等ウェイトで選びます。乱数シードを固定したランダムシグナル実行で、終値から翌営業日の始値までのイベント順序を確認し、同じバックテスト手順でポートフォリオの集中度を変えて比較します。オプション由来の変数は予測入力として使い、取引対象は株式です。…
この文書では、日付付きの銘柄レコードを潜在ファクターのケーススタディ向け配列に変換する方法を説明します。一つ目の方法では、適格性データセットから学習したカバレッジ閾値を満たす銘柄だけを残し、欠損値をNaNとして保持した、一貫性のある銘柄軸を作ります。二つ目の方法では、不均一なクロスセクションを構築し、各日付の観測最大数に合わせてパディングします。スロット位置は日付ごとのもので、恒久的な銘柄識別子として扱いません。…
この共有ユーティリティモジュールは、クオンツ研究向けに共通の勾配ブースティングパイプラインを提供します。処理能力のプリセットを定義し、標準パラメーター名をLightGBM、XGBoost、CatBoost、scikit-learnのヒストグラムブースティングに対応する設定へ変換します。また、CPUまたはCUDAによる実行、スレッド数、ライブラリ固有の互換性などの実行時設定を扱い、再現性のために設定と実行の来歴を記録します。…
このノートブックでは、NVDAの注文板の動きが短期リターンを予測するかを調べます。市場別注文データの追加、取消、約定から、距離加重した板の圧力指標を作り、符号付きの活動を平滑化してミッド付近の流動性変化を表します。複数の将来期間にわたる注文フロー不均衡を評価し、ミッド価格、遅延調整後価格、執行可能価格など、複数のマークアウト定義についてリターン相関と十分位パターンを比較します。この比較は、遅延とビッド・アスク・スプレッドを考慮すると、統計的な関連性が実際に取引可能な成績と異なり得る理由を示します。…
このノートブックでは、キーワードを使ったESG見出しの処理を調べ、構造化された分類器出力と、検索拡張生成アシスタントに必要な要件を比較します。最初のキーワードリストで見出しを選び、次のリストで環境・社会・ガバナンスのラベルを割り当てます。選ばれた全見出しに分類器を適用すると、環境への大きな偏りが見られます。ノートブックは、選別リストに見つけやすい環境用語が多いことと、重複時に環境の一致を優先する分類順序に、その偏りの原因をたどります。…
このノートブックでは、SHAPを用いてFinBERTの3クラス金融センチメント確率をトークン単位で説明します。モデルのチェックポイントを固定し、出力ラベルを明示的に対応付けたうえで、作成した複数の見出しについて、どのトークンが予測クラスの確率を上げるか、または下げるかを調べます。「narrowed」だけを「widened」に置き換える統制比較により、トークンの寄与は固定的な単独のセンチメントを表すのではなく、文全体の文脈に依存することを示します。…
このノートブックでは、全データを読み込む代わりにParquetスキーマを参照し、9つの市場ケーススタディにあるモデルベースの特徴量列を一覧化します。識別子列を除外して市場ごとの列数を数え、列名のトークンに基づいて、ボラティリティモデル、レジーム指標、自己回帰予測、分数差分などの特徴量群を割り当てます。列挙したトークンのどれにも一致しない列を調べるため、名前のサンプルも示します。…
このノートブックでは、多数のファクターや戦略を探索すると、個々の推定値が正しく計算されていても、選ばれた最良候補の見かけ上の成績が膨らむ仕組みを説明します。ノイズだけのファクターをシミュレーションし、最大の情報係数が偶然に見栄えのよい値になり得ることを示します。続いて、不均一分散・自己相関頑健な推論の後に偽発見率を制御する補正手順を構築し、より保守的なスクリーニングのためにファミリーワイズ誤差制御も論じます。…
このケーススタディでは、S&P 500の株式・オプション特徴量パネルで系列モデルを比較します。ルックバック期間を通じてゲート状態を保持するLSTMと、直近水準を除去して線形写像を当てはめるN-Linearベースラインを組み合わせています。このベースラインにより、同じ期間をより単純に写像する方法を超えて、再帰的な記憶が価値を加えるかを検証します。予測対象には株式の将来リターンとリスク調整後リターンのラベルが含まれます。…
このノートブックでは、TimeGANの5つの要素からなる構造を説明します。埋め込みネットワークと復元ネットワークが生データと潜在空間を相互に写像し、スーパーバイザーが時間的な遷移を学び、生成器と識別器が敵対的に学習します。段階的な学習を説明し、US銘柄群の日次対数リターンにモデルを適用します。リターンを選ぶ理由は、シグモイドで範囲を制限した出力とミニマックス・スケーリングにあります。価格水準が上昇傾向にあると学習範囲を超えることがあり、ホールドアウト評価が難しくなります。…
このノートブックでは、共通のETFモメンタム戦略インターフェースをAlpacaに接続する方法を実演します。既定では、オフラインのシミュレーション経路を利用できます。ブローカーや市場データのアダプターを変更しても、戦略、注文ログ、シャドーモードのラッパーは同じままにできることを説明します。ライブのペーパートレード接続前には、任意のSDK、認証情報、口座状態を個別に確認します。口座スナップショットには現金、純資産、保有ポジションが含まれます。シャドーモードでは、提案する注文を記録しますが、送信はしません。…
この記録は、連続する四半期のGDP縮小、またはNBERの景気後退開始日を基準とする所定の判定ルールのもと、2026末までに米国が景気後退に入るかを調べたマルチエージェント調査を記録しています。3つのエージェントが成長率予測、景気後退指標、金融政策の見通し、過去の発生率を調べ、確率推定と根拠を示しました。あるエージェントは、プラス成長の予測と比較的低い景気後退リスクの指標を挙げ、市場が織り込む確率は高いと論じました。別の根拠では、現在の良好な状況に加え、過去の景気後退の発生頻度も考慮しました。…
このノートブックでは、ローリングするETFリターン期間を、畳み込みニューラルネットワーク用の2チャネル画像に変換します。Gramian Angular Summation Fieldは各期間内の値を再スケーリングして角度に写像し、時間位置のペア間の三角関数上の関係を記録します。Markov Transition Fieldは値を期間ごとの分位点に分け、位置のペア間における区分間の遷移を表します。どちらも元の系列を直接提示するのではなく、位置間の関係を符号化します。…
このノートブックでは、説明対象のS&P 500ショートストラドル運用エンジンに、汎用的な目標ウェイト型リスクオーバーレイが適さない理由を説明します。エンジンは週次コホートに固定の資本比率を割り当て、各コホート内でウェイトの合計が1になるよう正規化します。そのため、ウェイトを縮小しても正規化で元に戻り、ドローダウンやボラティリティのオーバーレイが制御する現金配分は残りません。代わりに、ヘッジのしきい値、決済規則、エントリーコスト、コホート数など、戦略仕様に適切な制御を設けます。…
この文書では、暗号資産無期限先物で混み合ったポジションが相対リターンを予測するかを調べるための特徴量を設計します。資金調達料の方向、プレミアム指数の役割、生の資金調達率やプレミアム値を過去のZスコア、横断面順位、減衰指標などで補完する必要性を説明します。価格ボラティリティ、プレミアムのばらつき、決済時刻など、市場環境を表す特徴量も取り上げます。…
リスクプレミアムPCAでは、学習データの平均リターンベクトルの外積に重みを付けて加え、共分散行列を変更します。主成分から静的なファクター・ポートフォリオを定義します。重みがゼロなら通常のPCAに戻り、正の重みでは平均リターンと関連する方向へファクターが傾きます。ノートブックでは、複数の重みについて価格付けの適合度、リターンの再構成、負荷量空間の変化を比較した後、事前に指定した重みで翌日のファクタープレミアムを予測します。…
このノートブックでは、選択済みのUS企業特性戦略について、想定する手数料とスリッページを変えた場合に検証期間の成績がどう変化するかを測定します。明示したコスト範囲で同じ設定を再実行し、総コストを手数料とスリッページに均等配分します。戦略を固定することで、シャープレシオ曲線から取引コストの想定に対する感応度を分離して確認できます。比較用に指定コスト水準を範囲内に示し、登録済みの結果は再計算せずに再利用できます。…
このノートブックでは、検証データで構成を選択した後、未使用のホールドアウト期間について予測を作成する方法を説明します。選択した構成を確定し、ホールドアウト用に学習仕様を再構築して、利用可能な時間軸と選択済みラベルの期間から学習期間を導きます。これによりバッファを設け、まだ判明していないリターンを含む学習結果が評価期間に及ばないようにします。新しい学習IDを確認し、再学習が行われたことを読者が検証できるよう予測データを記録します。…
この設定は、ある時点でのNASDAQ-100構成銘柄を対象に、注文フローのシグナルを調べるイントラデイ分析を記述します。各評価期間より前に利用可能な流動性情報を使ってコスト条件を満たす銘柄群を定義し、複数の予測期間に対する判断スケジュールを指定します。また、ポジション監視に使う1分足の価格データと、それらのスケジュールを区別します。特徴量群には、気配流動性、マイクロプライス、ボラティリティ、注文フロー、価格インパクト、その他のマイクロストラクチャー指標が含まれ、セッション内のルックバック期間と明示的なタイミング規…
このノートブックでは、9つのファクターおよび資産クラスのリターン系列の同時的な動きに基づき、ガウス混合モデルで月をグループ化します。月次観測値を標準化し、欠損月を除外したうえで、候補となるクラスター数をBIC、AIC、シルエットスコアで比較します。次に、日付が分かる市場イベントに照らしてクラスターを解釈し、各グループ内のファクター成績を調べます。これにより、全体平均では環境ごとの差が隠れることを示します。…