ナレッジライブラリ

このノートブックでは、S&P 500オプションの予測研究で、事前に定めたLSTMモデルを学習します。ネットワークには各銘柄の時系列ウィンドウを入力し、手作業で設計した特徴量だけに頼るのではなく、ゲート付きの再帰状態でセッションをまたぐ情報を表現します。設定されたルックバック期間、ネットワーク規模、ドロップアウト、バッチサイズ、学習チェックポイントによってモデルの実行内容を定義します。共通のワークフローでフォールド構成、検証ギャップ、チェックポイント、再起動を扱い、予測対象が適格な行と正確に一致するか確認します。…

このノートブックでは、PPOエージェントを訓練し、無期限先物の時間足を使って親注文の売却スケジュールを決定します。価格・出来高の履歴に無期限先物のプレミアムと次回の資金決済までの時間を加え、各時間足の判断時点ではまだ分からない情報にはラグを設けます。訓練期間と評価期間は日付で分け、その分割を確認します。学習したスケジュールを、同じ評価期間における固定スケジュールおよびルールベースのスケジュールと比較し、対応のある差と標準誤差で比較結果を示します。…

このノートブックでは、SEC XBRLデータから四半期ごとの株式ファンダメンタルズパネルを作成し、確認する方法を説明します。各観測には、対象となる会計期間と、その情報が公表された提出日の両方が記録されます。この区別は過去データの検証で不可欠です。期間末だけで絞り込むと、投資家がまだ知り得なかった数値が含まれることがあります。概念別のカバレッジと提出遅延を測定し、提出日を考慮したas-ofクエリで利用可能な最新データを取得した結果と、期間ベースのクエリの結果を比較します。…

このノートブックでは、会計データと価格に基づく特性を、翌月のUS株式リターンの単独予測因子として評価します。各特性とリターンラベルの月次クロスセクション順位相関を算出し、開発期間の各月にわたって集計します。予約済みのホールドアウトを除外し、パネルの整合性を確認します。最低限のカバレッジとクロスセクションの広がりを求め、ウォークフォワードの学習期間と検証期間を通じて関連性が持続するかを調べます。…

このノートブックでは、CME先物のケーススタディで、候補特徴量を将来リターンに照らしてスクリーニングします。各特徴量について、特徴量の値とその後のリターンのクロスセクション順位相関を計算し、日付間で相関を集計します。リターン期間の重複を考慮して不確実性を調整し、検定対象全体にBenjamini-Hochberg法による偽発見率制御を適用します。カバレッジとデータの古さを確認し、ウォークフォワード検証の各年や異なるラベル期間での一貫性を調べ、根拠とともに続行・修正・中止の評価を記録します。後の確認段階を保つため、ホ…

このノートブックでは、ETFの配分バックテストを診断する枠組みを示します。シャープレシオ、ソルティノレシオ、カルマーレシオ、ボラティリティ、バリュー・アット・リスク、最大ドローダウンなどのリスク・リターン指標を算出し、ローリング成績とドローダウンからの回復を追跡します。また、アルファ、ベータ、トラッキングエラー、インフォメーションレシオ、キャプチャー指標を用いて、ポートフォリオをSPYと比較します。選定した市場ストレス期間中のリターンも調べます。分析対象のポートフォリオは、登録情報から検証用シャープレシオが最も高…

このノートブックでは、ビットコイン無期限先物データのロングのみのRSI平均回帰ルールを通じて、VectorBTによるベクトル化バックテストを紹介します。終値ベースのRSIを計算し、前日の値が下側しきい値を下回るとエントリーし、上側しきい値を上回ると決済します。シグナルをずらして次のUTC日の寄り付きから有効にし、シミュレーションでは約定に手数料とスリッページを適用します。取引記録、ポートフォリオ価値、ドローダウン、パラメータ感応度を確認し、実行条件をそろえた買い持ちベンチマークと比較します。…

このノートブックでは、SHAPを用いてETFパネルのリッジ回帰予測を解釈する方法を説明します。線形モデルでは、各特徴量の寄与は、その係数に、学習背景データの平均からの特徴量の偏差を掛けた値です。そのため、閉形式の計算と照合できます。この手順では、寄与の全体的な大きさ、個別予測のウォーターフォール説明、確信度の高い予測が正しかった場合と誤った場合の比較、ウォークフォワード分割を通じた重要度の安定性を扱います。…

このノートブックでは、条件付きオートエンコーダが計量主成分モデルをどう拡張するか説明します。ニューラルネットワークが株式特性からファクター・エクスポージャーへの写像を学習する一方で、モデルはエクスポージャーとファクターリターンの積という同じ構造を維持します。各学習期間に設定された先行リターンのラベルを再構成するようモデルを適合させ、その後、固定したファクター平均を検証日のエクスポージャーに適用し、次の期間の銘柄順位を付けられるか評価します。再構成と情報係数による評価には同じラベルを使うため、正のスコアは独立した意…

このノートブックでは、ベースライン選択プロセスをすでに通過した暗号資産無期限先物の戦略について、6つの配分方法を比較します。各戦略の予測とエントリールールは固定し、資本の割り当て方を変えます。ある配分方法はモデルスコアを使い、複数の方法は資産ボラティリティまたは共分散を使い、別の方法は予測の過去の不確実性を使います。共分散行列を推定する方法は、逆ボラティリティ法よりも、利用可能なリターン履歴から多くのパラメータを推定する必要があり、ウェイトが不安定になることがあります。…

このノートブックでは、ショートのヨーロピアン・コールを対象にディープヘッジを実演します。幾何ブラウン運動で原資産価格の経路をシミュレーションし、ベンチマークとしてブラック–ショールズのデルタを計算し、半再帰型ニューラルネットワークでヘッジポジションを決めます。学習目的は、満期時損失の条件付きバリュー・アット・リスクを最小化することです。損益計算では、ヘッジ開始、各リバランス、満期時の決済に比例コストを課し、同じ仮定のもとで離散的なデルタヘッジと比較できるようにします。また、学習された取引がデルタ・ベンチマークに近…

このモジュールは、検証段階と戦略ラベルをまたいだホールドアウト選択フィールドの構築方法を定めます。固定済み候補集合とライブ再構築で異なる構成が選ばれたり、後続分析で勝者と異なるラベルが使われたりする不整合に対処します。共通の構築には、宣言されたラベル全体のシグナル、配分、リスクオーバーレイの各段階が含まれ、後続処理では選択された結果のラベルを読み取ります。…

このノートブックでは、10個の主成分が捉える広範な変動を調整した後、4つの運用ポートフォリオ戦略がSPYリターンの説明力を高めるか検証します。候補ポートフォリオは、遅行リターンを使ってETFを直近のモメンタム、低ボラティリティ、短期リバーサルで順位付けし、ロングとショートのバスケットを作ります。各ファクターの未調整のSPY負荷量と、2つのLASSO回帰で対照変数を選んだ後の条件付き負荷量を比較します。拡張時系列交差検証と分割内でのスケーリングおよびPCAにより、後の観測が前の検証分割に漏れないようにします。選ばれ…

この資料では、ETFリターンのモデル化に計量主成分分析を用いる方法を説明します。各ファンドに固定のファクター・エクスポージャーを割り当てる通常のPCAとは異なり、IPCAでは各ファンドのエクスポージャーを、観測可能な特徴量の共通の線形関数として表します。交互最小二乗法により、特徴量からエクスポージャーへの写像とファクターリターンを同時に推定します。この制約によりファンド間および日付間の情報を統合できますが、特徴量との関係が線形であるという仮定は残ります。…

このノートブックでは、期待対数資産を最大化して二者択一の賭けに対するケリー基準のサイズを導き、賭け金の大きさがシミュレーションによる資産推移の分布をどう変えるかを示します。枠組みを連続リターンと複数資産のポートフォリオに拡張します。そこでよく知られた平均分散比の式は、対数関数を有限項で展開した近似に依存します。ポートフォリオの解について、そこから導かれるレバレッジと、資本を使い果たす可能性のある逆方向の値動きを調べます。市場データから期待リターンと共分散を推定する場合、ローリング推定でポジションサイズがどれほど不…

この評価では、オプションサーフェス、価格由来、条件付きボラティリティの特徴量を、株式の将来リターンに照らしてスクリーニングします。各セッションで特徴量の値とその後のリターンの横断面順位相関を計算し、情報係数（IC）の時系列を調べます。平均的な関連性、重複する将来リターンを考慮した不確実性、ウォークフォワードの検証期間ごとの挙動、多数の候補をテストする影響を評価します。予測との関連性を検討する前に、網羅性と古い値の確認で特徴量の定義を選別します。また、重複性の高い特徴量は、実質的に同じ順位付けを示すものとして扱いま…

このノートブックでは、事前に選んだETF戦略を、確保したホールドアウト期間で評価します。学習時の識別情報とチェックポイントが一致する予測を取得し、先に定めた戦略仕様と取引コストを適用して、バックテストを登録します。集中度、配分、リスクオーバーレイ、リバランス頻度を含む構成は、ホールドアウトを実行する前に固定します。配分がコンフォーマル予測の幅に依存する場合は、検証残差からその幅を求め、将来リターンのラベルがホールドアウトと重なる残差を除外します。…

このユーティリティでは、基礎計算を再実行せずにバックテスト識別子を変更する移行の検証方法を説明します。データベーススキーマを調べ、登録先を含む列を見つけます。テキスト文書内に埋め込まれた参照も対象です。そのうえで、移行前後の参照切れ件数を比較します。過去の参照には設計上すでに解決されていないものがあるため、重要なのは移行によってどこかの参照切れ件数が増えたかどうかです。また、データベースの行と成果物ディレクトリが双方向に対応するかを確認し、識別子の衝突や統合も考慮します。…

この分析では、複数の売買ケーススタディで選ばれたシグナルが、その後も使えるほど信頼できそうかを評価します。検証用情報係数（IC）とホールドアウトの根拠を比較し、安定性と再現性を調べ、予測の品質とモデル予測から構成したポートフォリオのシャープレシオを対比します。ヒートマップとファミリー別の要約で、資産クラスやモデルファミリーによる結果の違いを示します。また、平均ICとシグナルのシャープレシオ中央値は異なる性質を捉えるため、モデルの順位が異なる場合があることを明らかにします。…

このノートブックでは、気配スプレッドのうちどの割合を負担するかという仮定によって、S&P…

この文書では、売買を自動停止する再利用可能な状態機械を示します。状態はクローズ、オープン、ハーフオープンです。同じ状態遷移ロジックを、口座ドローダウン、日次損失、連続して損失が出たセッション、システム遅延という4種類のリスクに適用します。復旧タイムアウト後、ブレーカーはハーフオープンに移行し、試験的な観測を許可します。その観測によって通常運用に戻るか、停止が再開されます。監査記録には復旧確認を含むすべての状態変化を記録し、トリップ時には別のコールバックから個別に通知できます。…

このノートブックでは、検証データで選んだ構成を使って、これまで未使用のETFホールドアウト期間を予測します。学習仕様を組み直し、期間開始の1予測ラベル期間前で学習を終え、モデルを再フィットして選定済みチェックポイントを維持し、学習識別子が検証時のものと異なることを確認します。登録情報を確認して、過去の予測セットがアウトオブサンプルだと確認できない場合を特定し、同じ期間を別の構成で評価することを防ぎます。…

この文書では、モデル学習やバックテストを再利用するか再実行するかを判断するための、登録情報の確認方法を説明します。実行は仕様から導いたハッシュで識別され、期待される成果物がそろっている場合にのみ再利用できます。不足があれば実行は部分完了として扱われ、再学習または再実行が行われます。デバッグには明示的な強制フラグを使えます。また、予測キーの正規化とダイジェスト化も説明します。時間値にはバージョン管理された表現規則を適用するため、異なる型で読み込んだ同等の日付を一貫して比較できます。…

このノートブックでは、一般的な目標ウェイト型リスクオーバーレイでは、説明対象のS&P 500ショートストラドル戦略を制御できない理由を解説します。オプションエンジンは固定された資本配分率を週次コホートに割り当て、各コホート内でウェイトを正規化します。そのためウェイトを拡大しても正規化で元に戻り、オーバーレイが生み出せる現金配分はありません。ヘッジのしきい値、決済、コスト、コホート数など、戦略に影響する制御は、後からウェイトを変換するのではなく、戦略仕様に含める必要があります。…