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。
443件の資料
このノートブックでは、約定データからティックおよび出来高のインバランスバーを構築し、情報に基づくサンプリングを検討します。手動実装したティック・インバランスをライブラリのサンプラーと照合した後、期待バーサイズと適応設定を変えて、適応型、固定閾値型、ローリングウィンドウ型の手法を比較します。バーリターンは、バー数、平均サイズ、Jarque–Bera正規性検定、1期ラグの自己相関、分散比統計量で評価します。この枠組みでは、サンプラーの閾値構成要素を時系列で調べることを重視します。終点での期待サイズの変化だけでは、適応…
この分析では、事例ごとのオーバーレイ・バックテストをレジストリから読み込み、シャープレシオと最大ドローダウンを配分段階のベースラインと比較します。配分段階の値がない場合はシグナル段階の値を使います。設定をルールの種類に分類し、各調査で最もシャープレシオが高いオーバーレイと、カテゴリーごとの平均、中央値、改善率を報告します。パラメーター検討での最良結果は、最大値を選ぶことで改善が実際以上に見えるため、典型的な設定とは分けて扱います。…
このノートブックでは、ヨーロピアン・コールとプットのブラック・ショールズ価格を求め、プット・コール・パリティを確認し、ブレント法でインプライド・ボラティリティを計算します。また、デルタ、ガンマ、ベガ、セータ、ローを定義し、マネーネスや満期までの時間に応じてオプションの感応度がどう変わるかを図示します。グリークスはヘッジやエクスポージャーの把握に役立つ局所的な指標として扱います。インプライド・ボラティリティは、モデル価格が観測されたオプション価格と一致するボラティリティ入力です。…
このノートブックでは、S&P 500の株式・オプション分析で、系列予測に用いるパッチ型トランスフォーマーを説明します。時間窓を連続したブロックに分け、各ブロックをトークンとして表現することで、短くした系列を扱いながら、注意機構が窓内の離れた部分を直接比較できるようにします。パッチの大きさは解像度とのトレードオフを決めます。大きなブロックは系列長を短くしますが、注意機構が個別に調べる前に多くの観測値をまとめます。…
このETF特徴量ノートブックでは、数式が過去の観測値を使っていても、推定パラメーターを通じて統計モデルから未来の情報が漏れる可能性を説明します。対策として、ウォークフォワード方式の再適合スケジュールを用います。最初にバーンイン期間を設け、各再適合時点までに利用可能なデータで適合し、次の再適合までの値を生成します。この手法を、隠れマルコフモデルによる市場レジーム、分数差分を施した基準ETF価格、ETFごとのGARCH(1,1)条件付きボラティリティに適用します。…
このノートブックでは、US株式パネルを対象に勾配ブースティングを検討し、3つの先行リターン期間について、木の規模、目的関数、学習チェックポイントを変えます。浅い木でも特徴量間の相互作用を学習できる一方、規模を大きくするとノイズに適合するリスクも高まることを説明します。二乗誤差、絶対誤差、Huber損失は、裾の重いリターン観測値をそれぞれ異なる形で扱います。順位情報係数（IC）は、リターンの大きさを正確に当てることより、順位付けを評価します。複数のチェックポイントを採点することで、それぞれを別候補として扱い、木を追…
このノートブックでは、ETFの先行リターンを予測するLightGBMモデルについて、SHAPによる説明を示します。TreeSHAPは個々の予測に対する特徴量の寄与と、全体の重要度要約を提供します。ビーズスウォーム図と依存関係プロットは、特徴量の値と寄与の関係を示し、局所的な説明では、モデルの期待値を基準に一つの予測を分解します。また、SHAPによる順位を置換重要度や木の不純度に基づく重要度と比較し、相互作用を調べ、ウォークフォワード分割ごとの平均絶対SHAP値をドリフト診断として追跡します。…
この章では、市場データを取引ルール、流動性、参加者の行動の結果として捉えます。最良気配値から注文単位のフィードまでを概観し、取引所メッセージを解析して、取引所ごとの指値注文板に再生する方法を説明します。板のライフサイクル確認、流動性と注文フローの分析、日中の取引パターン、単一取引所で見える流動性の限界も扱います。さらに標本化にも焦点を当て、時間、取引活動、情報に基づくバーがそれぞれ異なる観測値を生み、売買方向の分類とタイムスタンプの整合が解釈に影響することを説明します。…
この共通ユーティリティモジュールは、時系列の二重機械学習（DML）を用いた取引データの因果分析を支援します。文書化された機能には、エンバーゴを伴うウォークフォワード推定、補助モデル、反証チェックが含まれます。プラセボ検定でのブロック置換は局所的な時系列依存性を保ちます。パネル置換では、エンティティごと、および観測時刻グリッドの空白ごとに区切り、不連続をまたいでブロックが移動しないようにします。また、実際の観測頻度を測定し、ラベルのバッファ期間を適切なエンバーゴに換算します。固定のバーサイズを仮定すると、誤解を招く…
このノートブックでは、2つの処理を交互に行う時系列ニューラルネットワークTSMixerを説明します。各特徴量についてルックバック期間の日数に共通の線形写像を適用し、各日に独立して共通の特徴量MLPを適用します。残差接続と事前正規化で層を構成し、小さな出力ヘッドで横断面リターンを1つ予測するようにします。テンソル軸の並べ替えによって各層が組み合わせる値が決まる点を強調し、モデルのパラメータコストをウィンドウを平坦化した上での全結合層と比較します。…
このケーススタディでは、検証データを用いてモデルと戦略を選んだ後、ホールドアウト期間の予測を生成する方法を説明します。事前に選ばれた設定を特定し、学習仕様を再構築して、ホールドアウト開始前に利用可能なデータだけで再学習します。ラベルはフォワードリターンを表すため、評価期間の結果がモデル適合に入らないよう、訓練期間の終わりを評価期間よりラベル期間分だけ前に設定します。…
このノートブックでは、企業別、提出書類の種類別にSEC提出書類を調べるためのEdgarToolsを紹介します。安定したCIK識別子を使った発行体の検索、年次・四半期報告書の取得、XBRL財務諸表の抽出、インサイダーのForm 4と機関投資家のForm 13Fデータの確認を実演します。さらに、提出書類の総合索引の検索方法と、提出書類の本文や添付資料へのアクセス方法も示します。…
このノートブックでは、1年から30年までの8つの米国債固定満期利回りの変化に主成分分析を適用します。利回りに変化がない前方補完済みのカレンダー行を除き、残った観測値をPCAの前に標準化して、すべての満期が等しく影響するようにします。第1から第3主成分を「水準」「傾き」「曲率」と解釈します。これは平行移動、スティープ化またはフラット化、中央部と両端のねじれを表します。解釈を一貫させるために主成分の符号を固定し、ブートストラップ再標本化で負荷量の安定性を調べます。…
このノートブックでは、直近の特徴量を順序付きウィンドウとして用いて株式リターンを予測するLSTM系列モデルを説明します。1銘柄につき各例は連続する60セッションで構成されます。上場の空白、売買停止などの中断をまたぐウィンドウを除外し、不連続を日次の推移と誤認しないようにします。モデルは各セッションを通じて隠れ状態を保持し、ゲートが情報の入力、保持、出力を制御します。2つの再帰層と64の隠れ状態を使い、100エポックの学習予定全体で5エポックごとにチェックポイントを保存します。…
このノートブックでは、9つのケーススタディにわたる5つの潜在因子推定器—PCA、IPCA、CAE、SDF、SAE—の登録済み検証結果を集約します。まず各パネルで結果がある推定器を示し、次にケーススタディごとに平均日次スピアマン順位情報係数が最も高い推定器を、HAC信頼区間とともに特定します。また、US Firmsパネルで推定器を比較し、相対的な順位性能を評価する際には、教師ありモデルと日付ごとの対応比較を行って共通日付を揃えます。…
このノートブックでは、銘柄とセッションごとに1行の特徴量を持つUS株式パネルに、重みを共有するニューラルアンサンブルTabMを適用します。共通の2層バックボーンから複数のメンバーに接続し、各メンバーはそれぞれ独自のスケーリングベクトルと出力層を持ちます。予測を平均することで、同数の独立ネットワークを学習させるより低コストでアンサンブルメンバーを追加できます。線形モデルとは異なり、非線形ネットワークは相関する入力を組み合わせて相互作用を表現できます。また、木アンサンブルで行う分割ごとの特徴量選択を避けられます。…
この分析では、4つの予測ラベルと複数の戦略段階にまたがる、固定された暗号資産無期限先物候補群から設定を1つ選びます。検証シャープレシオが最も高い設定を選び、ラベル、分割、執行の詳細を比較可能な候補の定義に含めます。次に、選んだリターン系列の不確実性と、多数の候補を探索したことによる不確実性を区別します。ブロック・ブートストラップ区間は標本変動を推定し、デフレート・シャープレシオの各手法は候補群の選択効果を調整します。また、従来の有意性に必要な期間を報告し、資金調達料によるリターンを手数料やスリッページから分けて示…
このノートブックでは、US株を順位付けするフォワードリターンの目的変数を定義し、その期間を実際の取引セッションに対応させる方法を説明します。リターンには株式分割と配当を調整した価格を使いますが、取引可能性の判定には同時点の未調整終値とドル建て出来高を使います。各行の将来価格は市場カレンダーから取得し、完全な期間がない行には明示的な失敗理由を付けます。取引可能性の判定はラベル構築後に行うため、除外された観測値が残りの行の期間を変えることはありません。…
このパイプラインは、OHLCV価格とイールドカーブから、ETF導入ワークフロー用の金融特徴量を構築します。複数のルックバック期間にわたるリターンとリスク調整後リターン、モメンタムの加速、ボラティリティ比率を算出し、RSI、MACD、ADX、CCI、ストキャスティクス、移動平均比率、ボリンジャー位置などの一般的なテクニカル指標を加えます。さらに、ドローダウン、過去の推移に対する出来高、オンバランスボリュームの動き、年次高値・安値からの距離、横断面順位も特徴量に含めます。…
このスクリプトは、SEC 13F提出書類から機関投資家の保有銘柄を2つの方法で収集します。選定した運用会社の提出書類を取得する方法と、SECの四半期一括ファイルをダウンロードする方法です。どちらも保有情報を共通スキーマに統一し、一括取得ではより広範な対象を想定しています。得られたデータは、機関投資家と銘柄の関係、銘柄レベルの特徴量、銘柄間の共同保有比較に利用できます。…
このノートブックでは、US株式リターンのパネルに主成分分析を適用し、少数の因子で幅広い共通変動を表します。各因子は共通変動の方向を示し、各銘柄の因子負荷量はその方向への感応度を表します。因子と負荷量から再構成した予測が捉えるのはパネル内で共有される変動だけであり、銘柄固有の情報は意図的に除外されます。…
このノートブックでは、現物価格に対する無期限先物価格のプレミアムを基にした特徴量を用い、暗号資産無期限先物向けの勾配ブースティング設定を比較します。木の容量と損失関数を変え、二乗損失、絶対損失、Huber損失などを試し、各ブースティング実行の複数時点で予測を記録します。リターンと方向の目的変数は別々のタスクとして扱い、各ラベル内で候補を比較します。順位ベースの情報係数は予測順位を示し、設定の選択にはこのモデル比較ではなく、後続の検証バックテストでシャープレシオを用います。…
このノートブックでは、クオンツ株式研究向けに、生のSEC Form 4 XMLからインサイダー取引を抽出する方法を説明します。XMLパーサーを使い、各取引のコード、日付、株数、価格、売買方向を対応する取引ブロックに結び付けたまま、発行体と報告所有者の情報を別に保持します。共同提出には複数の所有者が含まれることがあるため、最初に見つかった名前にすべての取引を割り当てず、所有者をリストとして収集します。…
このノートブックでは、ボラティリティ、モメンタム、クロスセクションのキャリー順位から独立して、先物キャリーがその後のリターンを予測するかを二重機械学習で推定します。柔軟なモデルとクロスフィッティングを用いて、キャリーとリターンの双方から交絡要因の影響を除き、残差から効果を推定します。結果変数は2つのリターン期間で評価します。HAC不確実性では、変動するボラティリティと重複する結果期間を考慮します。また、ブロック置換による反証では、処置ブロックを並べ替えた後の推定値と、観測されたHAC統計量を比較します。…