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。
57件の資料
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…
このデータセットガイドでは、株価指数、金利、エネルギー、金属、通貨、農産物、畜産物にまたがる連続CME先物契約を紹介します。時間足のソースデータと、そこから作成した日足データ、複数の限月、商品設定、ローダーによるフィルタリングについて説明します。ダウンロード手順では商品と年ごとにファイルを分け、費用の見積もりやドライランに対応しています。データをリクエストする前に、プロバイダーの料金を確認することを推奨しています。…
このノートブックでは、キャリー、モメンタム、ボラティリティなどの加工済み特性ではなく、CME先物リターンのパネルから主成分ファクターを構築します。PCAは商品間の変動を説明する方向を見つけます。第1成分は市場共通の動きに似ることがあり、後続の成分はセクター間の共動を反映する可能性があります。これらのパターンはセクターラベルを前提としておらず、成分は予測価値ではなく説明分散の順に並びます。…
この文書では、先物リターンに対する2つの潜在ファクター手法を紹介します。主成分分析はリターン変動の大部分を説明する無相関な方向を見つけます。一方、ニューラル確率的割引ファクターは期待リターンのクロスセクションに関連する組み合わせを探し、キャリーやボラティリティなどの商品特性を利用できます。したがって、手法の問いは異なります。一方は広範な共変動、もう一方は価格付けされている可能性のあるリターン構造を扱います。推定されたファクターの経済的意味は、さらに解釈する必要があります。…
このノートブックでは、選択したCME先物モデル構成についてホールドアウト予測を作成する方法を説明します。構成は検証結果から選び、ホールドアウト期間の開始前に終わるデータで再学習します。ラベルバッファで学習観測値と評価期間を分け、将来を参照するラベル結果がホールドアウトに及ばないようにします。また、期間前に推定したパラメーターを期間中固定して、ホールドアウト用のモデルベース特徴量を再生成します。…
このガイドでは、週次の先物ポジションデータの情報源として、公開されているCFTCのCommitment of Tradersレポートを紹介します。ディーラー、資産運用会社、レバレッジド・マネーなどに参加者を分類するTraders in Financial…
シグナルルール、配分、リスクオーバーレイを対象とする登録済みの検証バックテストから、CME先物のケーススタディを選択します。異なるリターン期間の候補を比較し、検証シャープレシオが最も高い設定を選びます。コスト感度分析は選択プールに候補を追加するものではなく、選択済みの設定を説明するために行います。比較を再現できるよう、正規の実行では候補の構成を固定します。…
この文書では、CME先物研究で検証データからモデル設定を選択した後、ホールドアウト期間の予測を生成する手順を説明します。検証結果から選択済みの設定とチェックポイントを取得し、ホールドアウト開始前に利用可能な履歴だけを使ってモデルを再学習します。ラベルバッファによって学習結果が評価期間に及ばないようにし、ホールドアウト用の適格性とモデルパラメーターを再計算します。登録された学習識別情報により、検証データで学習済みのモデルを再利用せず、新たに学習した証拠を示します。…
選択した先物商品について、週次のCFTCトレーダー別建玉報告データを取得し、各商品の履歴をParquetファイルとして保存する方法を説明します。COTレポートは火曜日時点のポジションを記録し、金曜日に公表されます。トレーダーの分類は金融先物と商品先物で異なります。取得データには報告日、建玉、買い建玉、売り建玉、ネットポジションが含まれ、先物調査のワークフローでポジションやセンチメントの特徴量として利用できます。…