ナレッジライブラリ

このノートブックでは、個別の満期先物から連続した先物価格履歴を構築する方法を説明します。取引高を使って期近限月を特定し、不自然な切り替えを避けるためロールバックを禁止する制約を適用したうえで、暦日ベースのロール時期と実際の取引活動を比較します。データ上の注意点として、単独の先物とカレンダースプレッドを分けること、コントラクトのシンボルに完全な年が含まれていない場合があること、構築した系列とベンダー系列を比較する前にバーの頻度を揃えることも挙げています。…

このノートブックでは、学習済みのGJR-GARCHモデルと隠れマルコフモデルから、先読みバイアスを抑えた取引特徴量を作る方法を説明します。GJR-GARCHは条件付きボラティリティを推定し、負のリターンショックの影響がより大きいことを捉えます。2状態のガウスHMMは、クロスセクションのファンディング決済額から市場局面をモデル化し、ストレス確率のフィルター済み値を出します。両モデルは過去データを拡張しながら所定の頻度で再学習し、検証中はパラメータを固定します。初期のバーンイン期間では特徴量を使いません。…

このUS株式パネル研究では、引け時点で観測した特徴量から将来リターンを予測するベースラインとして、ペナルティ付き線形モデルを使います。重複するモメンタム指標とボラティリティ指標が多重共線性を生み、通常の最小二乗法の係数を不安定にする場合があります。係数を縮小するRidge、係数をゼロにできるLasso、両方のペナルティを組み合わせるElastic Netを比較します。ペナルティ強度のグリッドを使い、複数のウォークフォワード・フォールドとリターン期間で正則化が検証情報係数に与える影響を測定します。…

この文書では、先物キャリーから作る3つのモデルベース特徴量を説明します。翌セッションのキャリーを予測するARIMA、選択した周期長のローリング・フーリエ指標、平均キャリーから市場局面を推定する2状態の隠れマルコフモデルです。中心的な教訓は時間の扱いです。推定パラメータは過去の観測値だけで学習し、宣言したスケジュールで更新して、次の再学習までは固定する必要があります。隠れマルコフモデルのフィルター済み状態確率は、後のデータを使わず、現在と過去の観測値を用います。特徴量を将来の観測値で推定していれば、ウォークフォワー…

この事例研究では、幅広いUS株式パネルの将来リターンを予測するベースラインとして線形モデルを使用します。価格と出来高の特徴量が重複することで多重共線性が生じ、通常の最小二乗法の係数が不安定になる理由を説明し、Ridgeによる縮小とLasso、ElasticNetによる特徴量選択を比較します。モデルは複数のウォークフォワード・フォールドと予測期間で評価され、予測値と実行記録は後のバックテストに備えて保存されます。情報係数の順位は正則化の影響を示しますが、最終的なトレード戦略を選ぶものではありません。…

このノートでは、S&P 500オプションを対象とする、宣言済みの3モデル系列学習集団の一員であるNLinearを実行します。このモデルを学習する前に、集団全体のリクエストとチェックポイントを確定します。これにより、後続のノートで同じスナップショットを使ってLSTMモデルとPatchTSTモデルを実行できます。CPUとGPUでは学習済みの重みが異なる場合があるため、デバイスも学習の識別情報の一部として扱います。そのため、標準外のデバイスには独自の集団名が必要です。…

このノートブックでは、予測値、集中度、配分ルールを固定したまま、有力なETF資産配分の設定を2種類のコストグリッドで再評価します。事例研究で使う株当たり手数料と半スプレッドのモデルと、取引額に比例して課金するベーシスポイントのグリッドを比較します。前者はETFの取引コストと株数の関係を反映します。複数のコスト水準で登録済みのバックテストを行って成績低下曲線を作り、純シャープレシオがゼロになる水準や、テストしたグリッドがその交差をどこまで限定するかを評価できます。この比較はコストの仮定への感応度を明らかにするもので…

このノートブックでは、US株式パネルから構築した戦略が取引摩擦に耐えられるかを評価する方法を説明します。検証シャープレシオを使ってラベルごとに1つの設定を固定し、同じ戦略を指定した複数のコスト水準で再評価します。これにより、選んだコストの仮定でたまたま最も成績が良くなる戦略を検証中に選んでしまうのを防ぎます。対象にはシグナル、資産配分、リスク管理オーバーレイの各段階が含まれ、リスク戦略を再評価する際もオーバーレイを維持します。…

このノートブックでは、インプライド・ボラティリティ、スキュー、期間構造、分散リスクプレミアムなどの予測指標を表すオプション市場の特徴量に、勾配ブースティング木モデルを適合します。ウォークフォワード検証を用い、予測木の規模や回帰損失の選択を、将来リターンと方向のラベルに対して比較します。ブースティングモデルは木を追加するごとに予測値を出すため、各チェックポイントを評価と後の選択における別々の候補として数えます。ノートブックでは、ペナルティ付き線形モデルとも比較し、相互作用項を手作業で加えなくても木が特徴量間の条件付…

このノートブックでは、ポジションサイズと最大逆行幅・最大順行幅の分析を結び付けます。固定比率方式のサイズ決定を示し、ポートフォリオのリスク予算とエントリー価格からストップ価格までの距離に基づいて株数を決め、ポジション集中度に上限を設けます。また、遅行推定値に基づく正規化した逆ボラティリティ配分を取り上げ、単体のボラティリティだけを使うこの経験則と、共分散を考慮するリスクパリティを区別します。後半では、調整用と将来のサンプルを使い、値動き、ストップと利確の閾値、全決済と一部決済の方針を検討します。…

この事例研究では、分散されたCME先物群を対象に、週次でロング・ショートを行うキャリー順位付け戦略を検証します。日次データ、ウォークフォワードによるモデル評価、手数料、スプレッド、ロール時のスリッページを含むコストを使います。モデル群ごとにシグナルの質を比較した後、ポートフォリオ配分、リスク管理のオーバーレイ、未使用のホールドアウト期間を評価します。報告された横断面情報係数が最も高いのは潜在因子確率的割引ファクターモデルですが、事例研究に選ばれた戦略では、勾配ブースティングモデル、階層的リスクパリティ、トレーリン…

この研究では、登録済みの各戦略設定を固定したまま、有力なETFの資産配分とリスク管理の組み合わせを2種類のコストグリッドで再評価します。一方は取引ごとのベーシスポイント、もう一方は事例研究で定めたコスト基準である株当たり手数料と半スプレッドを使います。固定スプレッドが価格水準の異なるファンドに対して異なる価格比率を表すため、2つのパネルは異なる問いに答えます。点ごとではなく、成績の低下パターンと損益分岐水準を比べる必要があります。…

このノートブックでは、通貨ペアの予測ランキングを取引するベースラインに変換します。各判断時点で、順位が最も高いペアをロング、最も低いペアをショートとして同数ずつ組み入れ、FXバックテストエンジンで評価します。ポジションサイズや配分に関する後続の判断からランキングの寄与を切り分けるため、均等加重を用います。ポートフォリオサイズのグリッドで各側の集中度を変え、対象となる通貨ペア数によって各側で保有可能な異なるペアの数を制限します。…

このユーティリティでは、列名や日付形式の違いを共通のタイムスタンプ、資産、予測の構造に揃え、ライブデモ用ノートブックの予測成果物を準備します。タイムスタンプと資産が重複する観測をまとめ、スコアを平均します。ローダーはまず保存済みのモデル出力を探し、ファイルがない場合に登録簿を参照します。…

この検証スクリプトでは、モデル予測からポートフォリオのウェイト、バックテストまでの縮小版CME先物リサーチ手順を実行します。予測が想定された商品、タイムスタンプ、分割のキーを正確に網羅すること、適合済みの状態と予測ファイルが記録されたダイジェストに一致すること、同じ要求を再実行すると同じ成果物が再現されることを確認します。プレビュー出力が公式の対象群や候補群から分離されていることも確認します。…

このノートブックでは、過去のモメンタム特徴量から21日後のETFリターンを予測する2種類のTransformer設計を比較します。PatchTSTは連続する日をパッチにまとめ、短い局所形状の系列を各トークンに配置します。一方、iTransformerは各特徴量の履歴をトークンとして扱い、時間順序を各トークン内に保ちながら、注意機構によって変数間の関係を捉えます。同じETFパネルを用い、両モデルをRidge回帰およびリターンゼロの予測と比較します。評価にはクロスセクションの順位情報係数と二乗誤差を用います。…

このノートブックでは、取引摩擦、資金調達、ファンド経費を別々にモデル化し、グロスリターンをネットパフォーマンスに換算する記述的な方法を示します。パラメータ化したコスト構成では、売買回転率と取引規模から取引コストを、レバレッジとショートエクスポージャーから資金調達コストを、運用・管理費の仮定から年間経費を計算します。これらの控除を、日次ETFリターン系列の3つの設定に適用します。売買回転率の高いQQQ、レバレッジをかけたQQQ-IWMのロング・ショートスプレッド、売買回転率の低いSPYです。…

このモジュールでは、リサーチエージェント向けの検索インターフェースを説明します。ライブ検索プロバイダーと決定的なモックプロバイダーを利用できます。検索結果数を制限し、公開日のカットオフを適用できます。指定日以降の結果を除外することで、ある時点で利用可能だった情報に基づく調査を支援します。ドメインの許可リストとブロックリストで情報源を絞り込み、ツール実行器がポリシー適用と監査用の実行ログ記録を伴って検索を呼び出します。…

このノートブックでは、条件付きオートエンコーダーが計器変数付きPCAをETFリターンのモデリングへ拡張する方法を説明しています。どちらの手法もファンドの特徴量をファクター・エクスポージャーに写像し、そのエクスポージャーとファクターリターンを組み合わせます。オートエンコーダーは、IPCAの線形な特徴量からエクスポージャーへの写像をニューラルネットワークに置き換えます。学習にはウォークフォワード分割を用い、定められたエポックのスケジュールに従って、ラベルごとに複数のチェックポイントを生成します。このノートブックではす…

このケーススタディでは、月次観測から構築したUSの企業特性ポートフォリオについて、損切り、トレーリングストップなどのポジション単位のオーバーレイを検証できない理由を説明します。ベクトル化されたバックテストは、実現した月次将来リターンに1つのウェイトベクトルを適用するため、エントリーから決済までの価格経路を含みません。損切りの動きや最大逆行幅・順行幅は、その欠けている価格経路に依存します。シミュレーションにはデータを捏造する必要があります。…

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。…

このノートブックでは、分単位のマイクロストラクチャー特徴量からNASDAQ-100のリターンを予測するベースラインとして線形回帰を用います。スプレッドと注文不均衡の指標が異なる参照期間で重なるため、特徴量行列は強い共線性を持ちます。その結果、通常の最小二乗法は非常によく似た入力に対して、不安定で互いに逆向きの重みを割り当てることがあります。Ridge、Lasso、Elastic…

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。…

このノートブックでは、勾配ブースティング予測の予測区間を構築し、分割コンフォーマル予測を分位点回帰、コンフォーマル化分位点回帰、適応的コンフォーマル推論と比較します。分割コンフォーマル法では、時系列順に学習用と較正用に分割し、ラベル期間を考慮して境界付近の観測値を除外し、有限標本の残差順序統計量から区間幅を設定します。この枠組みを、パージ済みウォークフォワード分割を用いてETF、暗号資産、先物データで評価します。…