ナレッジライブラリ

このケーススタディでは、S&P…

このノートブックでは、S&P 500株のアット・ザ・マネーのショート・ストラドルについて、将来リターンのラベルを作成しています。日次パネル上の名目30日ストラドルは、セッションごとに異なる契約を表すため、価格系列を単純にずらすと異なる金融商品が混在します。その代わりに、ラベルは実際に建てたコールとプットの個別契約を追跡し、その後の価格または決済価値を取得して、各取引に有効なエントリーと決済のデータがあるか確認します。また、満期保有リターンを主要指標とし、デルタヘッジ型を含む固定期間の診断指標と区別しています。…

このノートブックでは、隠れマルコフモデルがリターンと直近のボラティリティから、観測されない市場状態を推定する方法を説明します。まず、ストレス相場を判定するボラティリティ指数の閾値と、トレンドを判定する長期移動平均に対する価格という、シンプルな比較ルールを設定します。2状態の例でフォワードアルゴリズムを示し、当該セッションまでに得られる観測値を使って状態確率を更新します。…

このノートブックでは、永久先物のプレミアムのzスコアが、その後8時間のリターンと関連するかを、処置前の6つの統制変数で調整してダブル機械学習により推定します。高ボラティリティと低ボラティリティのレジームで別々にフィットし、処置とレジームの交互作用も使って効果を比較します。データは複数銘柄のパネル形式で構成されているため、クロスフィッティング、エンバーゴの適用、Driscoll–Kraay標準誤差の計算では、各タイムスタンプを1つの意思決定期間として扱います。…

このノートブックでは、バリュー・アット・リスク（VaR）と期待ショートフォール（ES）を目標とする金融リターン・シナリオ生成手法、Tail-GANを説明します。微分可能なソートを使い、分位点推定を通じて勾配を伝播させ、VaRとESの関係を定める制約へリスク推定値を射影します。ETFリターンをローリング・シナリオにまとめ、ランダムなロング・ショートのポートフォリオウェイトと組み合わせてPnLの例を作ります。スケーリングも重要です。入力値を生成器の出力クリップ範囲内に写像し、極端な観測値も表現できるようにします。…

このケーススタディでは、アット・ザ・マネーのショートストラドルを対象に、満期までのリターンを予測する勾配ブースティングモデルを比較します。木の複雑さと、二乗誤差、絶対誤差、Huber損失という3つの適合目的を変えて評価します。ボラティリティイベントがあった年を含む2つの期間でウォークフォワード検証を行い、予測を情報係数（IC）で評価します。各ブースティング段階で独自の予測を生成するため、チェックポイントは別々のモデル候補として扱います。…

この設定では、S&P 500構成銘柄を対象に、週次のアット・ザ・マネー・ストラドル売りを検証します。ポジションは金曜日に建て、満期に向けて保有し、オプションのデルタ変化に応じて日次で株式ヘッジを行います。ポートフォリオでは期間が重複するコホートに資本を分散し、主な評価指標を満期までのリターンとします。時系列順の学習、検証、ホールドアウト期間に加え、複数のポートフォリオ配分方法と、分散リスクプレミアムがリターンを説明できるかの分析を用いて評価します。…

将来の観測値が過去の値に影響しないように、US株式パネルのモデルベース特徴量を構築する方法を説明しています。中心となるのは推定スケジュールです。モデルに初期学習期間を設け、特徴量を生成するブロックより前のデータだけで学習し、そのブロック全体で特徴量を出力してから、次のブロックに進む前に再学習します。この手順を市場レジームとの距離、分数階差分を適用した価格、条件付きボラティリティに用います。個別銘柄のボラティリティモデルに加え、履歴が短い場合には市場全体の推定値で補います。…