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、シグナルと配分からコスト、リスク調整までの戦略パイプラインを通じて、登録済みのETFバックテストを評価します。モデルの学習や新たなバックテストの追加は行わず、既存の予測とバックテストを読み込み、登録結果からコホート指標と対応比較指標を算出します。報告する分析には、戦略指標のブートストラップ信頼区間、選択バイアス指標、段階間の比較、検証期間およびホールドアウト期間での均等配分ETFユニバースとの比較が含まれます。…
このノートブックでは、FX通貨ペアの事例研究でLSTM予測モデルを実行する設定を行います。モデルはルックバック系列に沿って隠れ状態を保持し、共通の設定・研究計画ツールからアーキテクチャと学習設定を取得します。研究で定義されたラベルと設定済みのLSTMアーキテクチャを用い、対象とするモデル母集団がリクエストに含まれているかを確認します。学習を実行するか保存済みの重みを読み込む前に、予測の識別情報とチェックポイントの想定値を記録します。…
このノートブックでは、NASDAQ ITCH由来の取引記録を用いて、日中の取引活動を調べます。個々の取引を時間足に再集計し、活動度が3段階の各層から選んだ1銘柄について、株数ベースの出来高、取引件数、終値、出来高加重価格を比較します。最も活動度が低い銘柄では、まばらな取引を見やすくするため、時間足を広く取ります。また、最も活動度が高い銘柄群について、各時間足の出来高をその銘柄の日次出来高に占める割合で示して正規化し、取引規模ではなくタイミングを反映する平均パターンを算出します。…
このノートブックでは、注文サイズに応じた市場インパクトの増加を説明し、平方根参加率モデルを用いて戦略の運用可能規模を検討します。ボラティリティや平均日次出来高などの市場データから得られる入力と、戦略自身の約定記録を使った較正が必要なインパクト係数を区別します。市場パネルは株式、先物、暗号資産、FXを対象とし、一部の出来高指標では米ドル建て想定元本による比較ができない理由も説明します。…
このノートブックでは、ETFのリターン予測で不確実性をどう表すかを調べ、モンテカルロ・ドロップアウトとディープアンサンブルを比較します。ドロップアウトは推論を繰り返す間も有効にし、アンサンブルでは別々に学習したネットワーク間の不一致を測ります。これらのばらつきは不確実性を推定するものですが、それだけで所定のカバレッジ特性を持つ区間が得られるわけではありません。分割コンフォーマル較正では予測誤差を区間に変換し、標準的な方法と不確実性で正規化する方法の両方を検討します。…
このノートブックでは、複数のトレード事例研究で登録された二重機械学習の推定値を集め、不確実性と診断結果を比較します。各研究の登録情報から最新の行を読み込み、登録情報の整合性とラベルの一意性を確認し、カバレッジを明示してHAC統計量と信頼区間を算出します。推定効果の単位はそれぞれ異なるため、フォレストプロットでは生の効果量を順位付けせず、無次元のHAC統計量を比較します。また、単純なOLS係数と直交化推定値を対比し、交絡バイアス指標とブロック置換による反証結果をまとめ、複数のラベルと実際に異なる予測期間を区別します…
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、金融ニュースの文をポジティブ、ニュートラル、ネガティブに分類する3つの方法を比較します。ロジスティック回帰によるTF-IDFの単語・フレーズ特徴量、静的単語ベクトルの平均と分類器、事前学習済みFinBERTセンチメントモデルです。各手法を、高い判定一致率を持つFinancial PhraseBankサブセットから作成した同一の層化テスト分割で評価します。2つの語彙ベース手法では学習分割と推定器を共有し、FinBERTは外部でファインチューニングされた分類器を調整せずに使用します。…
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、株式リターンとは独立に市場環境を記述するため、月次マクロ経済指標をクラスタリングします。FRED系列を月末観測にそろえ、失業率、フェデラルファンド金利、イールドカーブのスプレッド、前年比CPI変化率を標準化してから、ガウス混合モデルを適合させます。上昇を続けるCPI水準ではなくインフレ変化率を使うことで、クラスタリングが主に前半と後半の日付を分けるのを避けます。クラスター名は明示的なしきい値ルールで後から割り当てるため、経済的なラベルはモデルから自動的に生まれるのではなく、これらの選択に依存…
このノートブックでは、Diffusion-TSを応用して、合成の日次ETFリターン系列を生成します。デノイザーが元の系列を予測し、その予測を多項式トレンド、選択したフーリエ成分、残差に分解します。時間領域と周波数領域を組み合わせた目的関数は、リターン値とスペクトル構造の両方を保つことを意図しています。重複する系列と時間軸上のホールドアウトを使い、ガウス隠れマルコフモデルが識別した低・高ボラティリティのレジームへサンプリングを誘導するため、ノイズ系列で学習した分類器を加えます。…
このノートブックでは、実際のホールドアウト成果物を使って、導入済み金融モデルの監視手順を構築します。ドリフトを測る前に、入力特徴量データが埋まっていて構造的に妥当か確認し、その後、基準期間と現行期間を比較します。特徴量分布の変化は、母集団安定性指数と2標本コルモゴロフ–スミルノフ検定で評価します。安定性しきい値は慣例に基づく一方、大標本では統計的有意性が実質的に小さな変化まで検出し得るため、2つの指標を組み合わせます。…
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、過去データに日次の始値、高値、安値、終値、出来高はあるものの気配値がない場合に、ビッド・アスク・スプレッドを推定する2つの方法を比較します。Corwin-Schultz法は日次および2日間の高値・安値レンジを比較し、価格の極値は売り気配または買い気配での取引を反映することが多いという仮定に基づき、スプレッドとボラティリティを分離します。Roll法は、売り気配と買い気配の間で取引が交互に起きることで生じ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。両手法とも、仮定が成り立たない場…
このノートブックでは、SECの年次・四半期提出書類を、後のセンチメント、トピック、埋め込み分析に使える構造化テキストに変換する手順を示します。対象セクションと様式ごとの項目番号を対応付け、経営陣による説明の番号が10-Kと10-Qで異なることを強調します。抽出方法では段落の区切りを保ちながらHTMLを整え、その後、目次や相互参照にある可能性のある最初の出現箇所を採用せず、前後のセクション境界を使って見出しを特定します。…
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…
この研究では、金融特徴量とGJR-GARCHボラティリティ特徴量を先行株式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、特徴量とその後のリターンの銘柄間順位相関を計算し、平均的な関連性、ウォークフォワード検証期間を通じた一貫性、多数の候補を検定した後の結果の信頼性を評価します。予測との関連を測る前に、特徴量のカバレッジと古さも確認し、各特徴量の判定を記録します。分析には開発データを使い、ホールドアウトは後に選択する構成のために確保します。…
この資料では、センチメント分析、テキスト特徴量の開発、ニュースとリターンを結び付ける実験に使われる2つの金融ニュースコーパスを紹介します。FNSPIDは見出しを株式ティッカーに結び付け、広い過去期間をカバーします。全コレクションに加えて、より小規模なサンプルも利用できます。Bloombergのアーカイブには、より短い期間のニューステキストと構造化金融系列が含まれ、センチメント、トピック、データセット間の頑健性を調べるための補助的な情報源として紹介されています。どちらも公開データセットハブで配布されており、資料では…
この資料では、ブラック–ショールズのもとでヨーロピアン・コールとプットの価格を導出し、プット・コール・パリティで両者の関係を確認した上で、観測されたオプション価格に一致するボラティリティを数値的に解いてインプライド・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た感応度の変化を図示します。一定ボラティリティ、連続取引、ヨーロピアン行使というモデルの仮定を市場の実態と照らし、出力がどこで乖離し得るかを説明します。 計算結果をS&P…
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、四半期ごとのSEC 13F一括提出データを機関投資家の保有銘柄パネルに変換する手順を説明します。提出日を基準に運用者ごとの最新提出書類を選び、提出者が入力した企業名ではなくCUSIPを使って証券を識別し、推定株価の中央値が不自然な提出書類を除外します。価格チェックでは、報告された保有価値を株数で割ります。これにより単位や株数の不整合を検出できますが、どの項目が誤っているかまでは特定できません。続いて運用者ランキング、集中度の代理指標としての保有の広がり、共同保有ネットワークのエッジを調べます。…