コンテンツへスキップ

ナレッジライブラリ

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。

ライブラリを検索

149件の資料

Machine Learning for Trading

このノートブックでは、再構成したNASDAQの注文板を分析し、最良買い気配と最良売り気配の場中スプレッドと厚みを記述したうえで、注文フロー不均衡が次の時間区間のリターンと関連するかを調べます。株価水準の異なる銘柄間でコストを比較できるよう、スプレッドをベーシスポイントで表します。また、取引時間中のスプレッドと最良気配の厚みを図示し、解析したメッセージ内の追加と取消から不均衡を構成します。裾の厚い時間区間の影響を抑えるため、生の不均衡と符号付き対数変換を比較し、単一銘柄に頼らず銘柄間の相関も調べます。…

株式市場マイクロストラクチャー注文執行統計
Machine Learning for Trading

このノートブックでは、CME先物のモデル予測を評価するシグナル段階のベースラインを設定します。週次の各判断時点で、予測リターンに基づいて商品を順位付けし、上位群を買い、下位群を売り、各ポジションを均等加重します。各側の商品数を変えて、集中度が比較にどう影響するかを示します。この段階では配分、リスク管理、取引コストを除外し、後続のポートフォリオ手法の明確な比較基準とします。…

先物バックテストポートフォリオ構築注文執行
Machine Learning for Trading

この設定では、ロングのみのETFランキングとリバランスの実験を定義します。株式、債券、コモディティ、地域別エクスポージャーにまたがる幅広い100~ETFの対象を定め、月次で判断し、翌営業日の寄り付きで執行します。主要ラベルは21日リターンを予測します。5日ラベルには週次スケジュールを用い、バックテストの頻度を予測期間により合わせます。ポジションはランキングで選び、均等加重します。複数のポートフォリオ集中度で上位k銘柄の選択を検証します。…

株式マルチアセットバックテスト注文執行
Machine Learning for Trading

同一の決定論的なOHLCVパネルを用いて、CSV、Parquet、Feather(Arrow IPC)、HDF5を比較します。書き込み時間、メモリに展開した読み込み時間、ファイルサイズ、選択列だけを読む効果を測定します。計測では書き込みを1回行い、ウォームアップ後に複数回読み込んだ平均を使うため、読み込みはウォームキャッシュの測定値です。Featherのメモリマップによるオープン時間は、データ展開の時間と分けて報告し、読み込みコストと取り違えないようにしています。…

株式バックテスト注文執行
Machine Learning for Trading

この運用チュートリアルでは、合成ブローカーを用いて実運用の取引システムにおける実行時の安全対策を実演します。市場データが古すぎる場合や、日次損失が設定上限を超えた場合にSafeBrokerが注文を拒否する様子と、ブローカーを再構築した後も損失で発動したキルスイッチが維持される様子を示します。また、保存済みのリスク状態とブローカーのポジションや注文を起動時に照合し、データの到着、途絶、エンジン停止に伴うエンジンの健全性状態も追跡します。…

リスク管理注文執行市場マイクロストラクチャー
Machine Learning for Trading

このノートブックでは、時間足のビットコイン無期限先物リターンに合わせた共通の取引シミュレーション環境で、DQN、PPO、A2Cを比較します。GARCH(1,1)モデルがボラティリティの集積を生み、環境はポジション変更にコストを課します。また、行動時点で既に分かっているリターンをエージェントが得ないよう、行動の適用を1ステップ遅らせます。各アルゴリズムに同じ学習相互作用予算を与え、一致する未使用のエピソードシードで評価します。…

機械学習暗号資産無期限先物ボラティリティ
Machine Learning for Trading

この資料では、日次OHLCVデータだけがある場合に、売買スプレッドを推定する2つの方法を説明します。Corwin-Schultz法では、隣り合う1日と2日の高値・安値の幅を比較し、ボラティリティとスプレッドの異なる動きを利用して両者を切り分けます。負の推定値はゼロに切り上げます。Roll法では、売買が買い気配と売り気配の間で交互に成立することで生じる場合のある、リターンの負の系列共分散から相対スプレッドを推定します。共分散が正なら推定値はゼロになり、ビッド・アスク・バウンスの前提が成り立たない可能性を示します。…

市場マイクロストラクチャー統計注文執行ボラティリティ
Machine Learning for Trading

この資料では、CME先物を対象にモデル予測を評価するための基準を説明します。毎週の判断時に商品を予測リターン順に並べ、上位群をロング、下位群をショートで保有し、各側を等ウェイトにします。取引可能な銘柄群から決めた範囲で各側の商品数を変え、集中度が結果に与える影響を確認します。配分最適化、リスク目標設定、取引コストは意図的に含めず、実運用可能な戦略ではなく単純な基準ポートフォリオを評価します。ワークフローでは、リクエストを構築する前に公式予測対象がすべてそろっていることを求め、得られたバックテストを名前付きの比較セ…

先物バックテストポートフォリオ構築リスク管理
Machine Learning for Trading

このノートブックでは、TWSまたはGatewayを介してInteractive Brokersに戦略を接続する運用手順を示します。セッションがペーパー口座であることを確認し、口座の評価額とポジションを読み込み、ライブ配信の開始前に過去のバーを取得して戦略の状態を初期化します。5日間のETFモメンタム戦略をバックテストと実運用エンジンで共有し、受信したティックをバーに集約します。…

注文執行リスク管理モメンタム株式
Machine Learning for Trading

このノートブックでは、ETFモメンタムのバックテスト結果が想定取引手数料にどれほど敏感かを検証します。戦略のウェイトと取引スケジュールを固定し、片道コストを変えてシミュレーターを再実行して、成長率、シャープレシオ、ドローダウンを比較します。グロスリターンを年間売買回転率で割る方法と、シミュレーション結果を補間する方法の両方で、成長率がゼロになる手数料を推定します。この差は、複利の影響により、単純な回転率計算では損益分岐コストを実際より高く見積もることを示しています。…

株式モメンタムバックテスト注文執行
Machine Learning for Trading

この分析では、企業特性に基づく月次US株式戦略の登録済みバックテスト・パイプラインを読み取ります。シャープレシオの不確実性、確率シャープレシオとデフレート・シャープレシオ、戦略のペア比較、ホールドアウトでの成績低下、小型株の非流動性を反映するよう設計したコスト分析を報告します。検証データで戦略仕様を選択し、ホールドアウトでは選択を繰り返すのではなく、その固定した選択を評価します。測定された変化と点推定値の差を区別するため、ペア指標と信頼区間を使います。この文書では解釈の限界を強調します。ホールドアウトは暦年で1年…

株式ファクター投資統計バックテスト
Machine Learning for Trading

このノートブックでは、すでに選択された暗号資産無期限先物の構成に、執行コストが及ぼす影響を測定します。モデル、チェックポイント、エントリー規則、配分手法、リスク制御を固定し、取引想定元本に対する往復コストを宣言済みのグリッドで変えて戦略を再実行します。得られるコスト低下曲線は、候補の順位付けや選択ではなく、構成がどの程度の摩擦に耐えられるか、どこで損益分岐点に達するかを示すことを目的とします。…

暗号資産無期限先物バックテスト注文執行
Machine Learning for Trading

この分析では、NASDAQ TotalView-ITCHメッセージを使って取引所の活動を記述し、ティッカー、売買方向、注文属性に結び付けた取引テーブルを作成します。メッセージ種別を数え、件数がはるかに多い気配提示や取消イベントと取引を比較します。また、ティッカーをドル建て売買代金で順位付けし、取引所内の活動の集中度を調べます。属性を付加した取引データは、後続の日中パターンや定型化された事実の調査に利用できます。…

株式市場マイクロストラクチャー注文執行統計
Machine Learning for Trading

このノートブックでは、すでに選定した暗号資産無期限先物の設定に執行コストが与える影響を測定します。モデル、チェックポイント、エントリールール、配分、リスク管理を固定し、取引想定元本に対する往復コストを変えた複数の条件でバックテストを再実行します。出力されるのは各ラベルのコスト逓減曲線であり、別の設定を選ぶためではなく、パフォーマンスの変化や損益分岐点を示すことを目的としています。分析では、コスト率と売買回転率に応じて変わる執行手数料と、ポジション保有から生じ、各条件で変わらないファンディング支払いを分けて扱います…

暗号資産無期限先物注文執行バックテスト
Machine Learning for Trading

このノートブックでは、ポートフォリオリターンからシミュレーション取引まで、ETFを対象とする月次ローテーションのバックテストを構築します。過去のリスク調整後リターンで10本のファンドを順位付けし、米国債のイールドカーブに基づく局面判定を適用して、上位ファンドとディフェンシブな債券配分を選び、次の取引日の始値で執行します。手数料、現金制限、60/40ベンチマークも同じシミュレーターで処理します。この手順では、シグナル日時点で利用可能な情報だけを使い、同じ日付、価格、コストでポートフォリオを比較することを重視します。…

バックテストモメンタム注文執行ポートフォリオ構築
Machine Learning for Trading

この文書では、モデルの学習とローリング推論に使う時系列パネルを準備するデータセット用ユーティリティを説明します。学習用データセットは、設定可能な系列長、日付範囲、ストライドに基づき、特徴量、将来リターン、ボラティリティ尺度、マスクのスライド系列を返します。日付範囲は利用可能なパネル日付に対応付けられ、完全な系列を確保できない範囲はコンストラクターが拒否します。…

機械学習バックテストポートフォリオ構築注文執行
Machine Learning for Trading

この研究では、NVDAの市場別注文データを10取引日分使い、日々の取引活動がバーによるサンプリングにどう影響するかを調べます。通常のUS取引時間に対象を絞り、取引所のラベルから売買主導側を分類し、日ごとの取引件数、株数、売買金額の変動を報告します。さらに、1日あたりの目標バー数に向けて時間、ティック、出来高、金額、不均衡バーの閾値を較正し、セッションをまたいだパラメーターの安定性を判断するために、日ごとのバー数と統計量を比較します。…

株式市場マイクロストラクチャー注文執行テクニカル指標
Machine Learning for Trading

このノートブックでは、取引コストが仮想的な日中戦略のリターンをどの程度損なうかを推定します。まず、1分足の気配値を使ってNASDAQ-100構成銘柄の出来高加重気配スプレッドを測定し、構成銘柄のスプレッド中央値を、スプレッドを跨ぐコストの実証的な基準値とします。マーケットインパクト、スリッページ、手数料など、その他のコスト要素はシナリオ上の仮定です。仮想のグロス・シャープレシオ、ボラティリティ、日次の往復ポートフォリオNAV回転率のプロファイルに対し、成行で跨ぐ執行、指値注文を段階的に出す執行、受動的な執行のコス…

株式注文執行市場マイクロストラクチャーバックテスト
Machine Learning for Trading

この資料では、解析済みのNASDAQ ITCHメッセージを読み込み、注文の追加、削除、キャンセル、約定、置換から指値注文板を再構築するためのユーティリティを説明します。注文ごとの残存株数を追跡し、その後の板更新で現在の数量を使えるようにします。注文参照をたどることで、置換の連鎖にも対応します。スナップショットでは、複数段の買い気配と売り気配に加え、最良気配、スプレッド、仲値を出力します。…

株式市場マイクロストラクチャー注文執行高頻度取引
Machine Learning for Trading

このノートブックでは、ETFの順位付けシグナルをポートフォリオの形成から簡略化したバックテストまで追います。リッジ回帰とロジスティック分類をウォークフォワード分割で学習し、モメンタムおよび均等ウェイトのポートフォリオと比較します。月次リバランスでは、稼働中のシグナルがロングオンリーの上位10銘柄を選び、均等配分します。グロスとネットの成績指標、売買回転率、横断面情報係数を報告し、シグナルの順位付け能力と、そのポートフォリオを取引した結果が異なり得ることを示します。…

株式機械学習バックテスト注文執行
Machine Learning for Trading

この概要では、資産クラス、ユニバースの規模、データ頻度、意思決定間隔、コストの前提、評価手順に基づいて、複数のトレード事例を整理します。各研究で明示された設定を読み取り、訓練・検証期間、フォールド数、ホールドアウト期間、シグナルからポジションへの変換などを比較表にまとめます。対象には株式、オプション、暗号資産、外国為替、先物、複数資産のETFが含まれ、市場や利用できるデータに応じた研究上の選択の違いを示します。…

マルチアセットバックテスト注文執行リスク管理
Machine Learning for Trading

このノートブックでは、調査プロセスの別の段階で選定した固定のCME先物設定に、想定取引コストが与える影響を評価します。手数料とスリッページを各水準で均等に分けた総コストのグリッドを適用します。選定済みのリスクオーバーレイはポジションと売買回転率の両方を変えるため、バックテストにも適用します。任意に選んだ単一コストでの成績ではなく、ネットのシャープレシオがゼロになるコスト水準を読み取ります。…

先物バックテスト注文執行リスク管理
Machine Learning for Trading

このノートブックでは、共通のETFリターンパネルにポートフォリオ配分手法を適合させ、後続の観測期間で固定ウェイトを評価することで、PyPortfolioOpt、Riskfolio-Lib、skfolioを比較します。平均リスク、テールリスク、階層型リスクパリティ、ペナルティ付き配分を扱い、返されたウェイトを資産ごとに揃えて、ロングオンリーの制約と全額投資を確認します。ウォークフォワード評価は訓練期間内に留め、配分の一つは執行エンジン用の日次目標値にも変換します。…

ポートフォリオ構築バックテストリスク管理注文執行