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。
336件の資料
このノートブックでは、入力ウィンドウ全体を処理して将来の推移を予測する全結合型のニューラル予測アーキテクチャ、N-BEATSを構築します。解釈可能な型では、ブロックが多項式トレンド基底とフーリエ季節性基底によって構成要素を表すよう制約します。残差バックキャストによって、積み重ねたブロックが入力の一部を順に捉えます。制約ありと制約なしのモデルをSPY終値に適合させ、名前の付いた構成要素を描画し、直近価格を繰り返す持続予測と予測誤差を比較します。…
このノートブックでは、単一銘柄・単一取引日のDataBento…
このノートブックでは、ETFの上位モメンタム・ポートフォリオについて、リバランス頻度が回転率、総パフォーマンス、コスト調整後の結果に及ぼす影響を調べます。日次、週次、隔週、月次のスケジュールについて、過去の目標ウェイトの変化から回転率を推定し、例示用のスプレッド、市場インパクト、手数料の前提を適用します。損益分岐アルファは、年間の片道回転率に往復コストを掛けて算出し、取引コストを賄うために必要な総リターンの閾値を示します。別のシナリオ分析では、シグナル減衰と持続性コストによって望ましい頻度がどう変わるかを検討し、…
このノートブックでは、ETFリターンを2つの期間で予測するLightGBMモデルとRidgeのベースラインを比較します。木モデルは、モメンタムが市場ストレス下で異なる動きをするようなレジーム依存の相互作用を発見できます。一方、特徴量間の相関が非常に高いと、貪欲な分割は不安定になることがあります。実験では木の複雑さと損失関数を変え、各学習実行の複数のチェックポイントで予測を評価します。報告された学習曲線では、情報係数が設定した学習期間の終了前にピークを迎えることが多く、候補間のばらつきのかなりの部分をチェックポイン…
このノートブックでは、13F提出書類の機関投資家保有データを使い、構造化されたグラフ型検索と埋め込みベースのベクトル検索を比較します。固定した基準日時点の保有状況スナップショットを作成し、対象株式を絞り、株式の保有者、機関投資家の保有銘柄、共通のポジションを持つ機関投資家について質問を作成します。各質問について期待される根拠レコードを定義し、根拠再現率を測定して検索トークンの予算を見積もります。…
このノートブックでは、損失トレードと、その判断に関連するモデルの説明を結び付ける手順を示します。価格データとマクロ経済データから単一資産のSPY特徴量パネルを作成し、過去の観測値でLightGBMモデルを学習させ、後の観測値を使ってトレード記録とSHAPの説明を作成します。トレード分析器は、最も損失の大きいトレードの説明をクラスタリングし、特徴量、レジーム、データの問題を調査する手掛かりとなるパターンを探します。…
このノートブックでは、NASDAQ-100銘柄の予測を対象とする15分足バックテストの流れを説明します。最初にランダムシグナルで処理系を確認します。ランダムな売買はコスト控除後に損失となるはずなので、利益が継続する場合は先読み、データの不整合、コスト計上漏れなどの問題を示している可能性があります。次に予測とエントリー方式の組み合わせを共通のバックテストエンジンで検証し、記録した結果を、デフレート・シャープレシオなどの統計指標で評価します。説明する設定では、取引価格から作成したOHLCVバーを使い、手数料とスリッペ…
このノートブックでは、NASDAQ ITCHの取引データから市場マイクロ構造の指標を作成し、取引を日中バーに集計します。また、流動性の代理指標、注文フローのシグナル、注文板の状態を区別します。集計前にティックルールで個々の取引を分類し、買い出来高と売り出来高から意味のある注文フロー不均衡指標を作成します。次に、Kyleのラムダの比率近似、Amihudの非流動性指標、Rollスプレッド、取引強度を示し、それぞれの入力と解釈を説明します。…
このノートブックでは、上場オプションのシグナルを読み取り、原株を取引する戦略向けに先行リターンのラベルを作成します。日次の株価を株式分割と配当で調整し、継続的な証券識別子を使用します。想定するエントリーと決済で執行可能な価格の間のリターンを定義します。各先行期間が完全で、単一証券内に収まり、単に利用可能な行をずらすのではなく市場の取引セッション数を数えているか確認します。ラベルには、異なる保有期間に対するリターン、リスク調整済み、方向性の各バリエーションが含まれます。…
このノートブックでは、データセットに残っているUS株式の均等加重ポートフォリオが、データセットから退出した企業を含むポートフォリオに比べて、リターンをどの程度過大評価しうるかを推定します。まずパネルデータに退出がいつ記録されているかを調べ、利用できる退出履歴は期間の後半から始まることを確認します。データセットには上場廃止の理由や最終リターンがないため、公表されたCRSPの発生率に合わせたシナリオを使い、最終気配値以降の結果をモデル化します。ポートフォリオのバイアスを計算する前に、未調整の企業行動が原因と考えられる…
このノートブックでは、計量主成分分析を使い、各銘柄に固定の負荷量を割り当てるのではなく、観測可能な株式特性に応じて潜在因子の負荷量を変える方法を説明します。特性から因子エクスポージャーへの共通の写像により、訓練パネルに含まれない銘柄の負荷量を算出でき、銘柄の特性が変われば負荷量も調整できます。通常のPCAと並べて手法を示し、因子数、パネル、ウォークフォワードの分割を一定にして比較する想定です。…
このノートブックでは、調整期間と評価期間を時系列で分離しながら、モメンタムポートフォリオのStopLoss、TakeProfit、TrailingStopルールを調整する方法を示します。調整データで個々のルール幅と組み合わせを検証し、後の評価期間を開く前に選んだ設定を固定します。決済済み取引の最大不利変動と最大有利変動も、ストップ水準や目標水準の候補を設定する方法として使います。…
共通の戦略インターフェースを通じて、5日間のETFモメンタム戦略をAlpacaに接続する方法を示します。この戦略はSPY、QQQ、IWMのモメンタムを追跡し、しきい値を超えるとシグナルを生成します。ブローカー固有のアダプターがデータと注文を扱い、戦略とリスク管理ラッパーは再利用できます。ノートブックでは、SDKの利用可否、認証情報、口座状態、執行モードの確認を分けます。注文を送信せずに記録するシャドーモードにも対応しています。…
この文書では、少数の観測されない共通因子が横断面の変動の大部分を説明すると仮定する、企業リターンモデルの一群を紹介します。企業特性からリターンを直接予測するのではなく、企業特性から各社の因子エクスポージャーを推定し、そのエクスポージャーと推定した因子リターンを組み合わせます。この制約により統計的に扱いやすくなる一方、横断面を少数の因子で十分に説明できない場合は残差リターンが支配的になり、直接予測するモデルの方が優れる可能性があります。…
この文書では、ウェーブレット分解とローリング・スペクトル推定が、金融リターンを異なる時間スケールでどう表現するかを説明します。ウェーブレットはリターンを徐々に長い期間にわたる成分へ分け、どの時間スケールが変動の大部分を占めるかを把握できるようにします。例では日次のSPYリターンを用いて複数のウェーブレット族を比較します。最も短期の成分が分散の大半を占める一方、長期成分は各族でおおむね似ていることが分かります。…
このノートブックでは、モデルの予測セットを比較可能なS&P…
この文書では、資金を配分する前に、現行モデルと候補モデルをシャドー評価で比較する方法を説明します。両者の役割と昇格基準を事前に定めたうえで、年率換算シャープレシオの改善幅、最低観測期間、シグナル相関、ポジションの重複度、最大ドローダウンの相対値という5つの観点から候補を評価します。両モデルは、順位付けしたロング・ショートポートフォリオでスコアを算出し、それぞれの売買回転率に応じて取引コストを課します。最低改善幅を求めることで短期間のノイズの多いシャープレシオ推定に対処し、類似性の確認によって、異なる戦略やエクスポ…
このノートブックでは、株式ファクターモデリングに使う教師ありオートエンコーダを紹介します。横断面を再構成してボトルネック表現を学ぶ教師なしオートエンコーダとは異なり、このモデルは学習目的関数に将来リターンも含めます。そのため、目的変数は予測だけでなく学習された表現も形作ります。それぞれのラベルが損失に直接含まれるため、将来リターンのラベルが異なれば、学習済みモデルも異なります。…
この探索的ノートブックでは、AlgoSeek NASDAQ-100分足データの構造と解釈方法を説明します。データセットに事前計算されたフィールドを、気配値の価格と数量、取引価格、スプレッド、出来高、取引場所別の分類、ティック方向、圧力、VWAP、気配値の件数に整理します。分足はプレマーケット、通常、ポストマーケットの各セッションにわたり、セッションごとに活動や流動性の状況が異なるため、セッションを考慮した分析が重要です。…
このノートブックでは、日中の株式リターンにおける連続的な価格変動とジャンプを分離する方法を説明します。リターンの二乗から日次実現分散を推定し、ジャンプに頑健な連続成分の推定値としてバイパワー変動を使います。両者の差をゼロ未満にならないよう切り詰め、その値からジャンプ分散を推定します。続いてLee–Mykland検定を適用し、同じ取引セッション内の過去のリターンから得た局所ボラティリティ推定値で各リターンを標準化します。…
このノートブックでは、ETF価格とマクロ経済系列を使い、先読みバイアスを検出する方法を示します。中央移動平均には将来の観測値が含まれるため、価格の転換点を過度に追う場合があり、将来の入力が未到着の直近部分は値がありません。水準と次期リターンの相関検定では、将来価格を明示的に含む特徴量でさえ検出できません。このノートブックは、特徴量自身のリターンと次の価格リターンを比較する、スケールをそろえた検査を提案します。ただし、このヒューリスティックは適切な特徴量構築の代替ではありません。…
このノートブックでは、日中の株式リターンを連続的な価格変動と離散的なジャンプに分けます。対数リターンの二乗から日次実現分散を推定し、ジャンプに頑健な連続成分の推定値としてバイパワー変動を用います。両者の差をゼロ未満にならないよう切り詰め、その値からジャンプ分散を推定します。続いてLee–Mykland検定を適用し、同じ取引セッション内の過去の観測値から推定した局所ボラティリティを基準に各リターンを標準化します。Gumbel分布に基づく臨界値は、日中に多数のバーを検定することを考慮し、局所ボラティリティの変化にも適…
この資料では、取引を転送する前に注文とポートフォリオの状態を確認するブローカーラッパーを実演します。制御には、注文ごとの株数上限と金額上限、ポジションのエクスポージャー制限、注文頻度の上限、資産の許可リストとブロックリスト、緊急停止が含まれます。合成ブローカーを使ってリクエストの承認・拒否を確認し、各シナリオが想定どおりの結果になることをアサーションで検証します。…
この章では、辞書や単語数から、TF-IDF、静的埋め込み、再帰型ネットワーク、Transformerに至るまで、金融テキストの表現方法を概観します。各手法のトレードオフも説明します。単純な手法は高速で解釈しやすく、金融分野に適応させやすい一方、文脈を扱うモデルは文章内の曖昧さや関係をより適切に捉えられます。実務的なワークフローでは、事前学習済みモデル、必要に応じたドメイン適応、タスク別のファインチューニングを用い、センチメント、ナラティブ・サプライズ、トピックへのエクスポージャー、構造化イベントなどのシグナルを作…