ナレッジライブラリ

このノートブックでは、S&P…

この読み取り専用の分析では、複数のモデル群による検証予測をまとめ、予測が揃っているか、株式をどれだけ適切に順位付けするか、順位付け能力がフォールド間で持続するか、類似したモデルが異なる情報をもたらすかを評価します。予測値とその後のリターンとの横断的な順位相関である情報係数を用い、重複するリターン期間から生じる依存性を考慮した区間を算出します。ペア比較では、サンプルの不一致や結合の重複による誤解を避けるため、共通の日付とパネルキーを使います。…

このノートブックでは、SHAPを使ってETFリターンのリッジ回帰予測を説明します。線形モデルでは、特徴量寄与度と当てはめ済み係数および背景特徴量からの偏差との間に閉形式の関係があります。そのため、厳密な分解と照合して説明手法を検証できます。全体の重要度、単一予測のウォーターフォール説明、高い絶対値の予測が正しかった場合と誤っていた場合の比較を示します。モデルは最後のウォークフォワード・フォールドで学習し、追加のフォールド別当てはめにより特徴量重要度の時間変化を示します。…

このノートブックでは、金融価格から特徴量を抽出する方法としてカルマンフィルターを解説します。局所線形トレンド状態が潜在的な価格水準と傾きを追跡し、観測モデルがノイズを含む終値を扱います。各更新で、フィルター済みの水準、傾き、イノベーション、不確実性の推定値が得られます。カルマンゲインは、モデルと観測の不確実性に基づき、新たな観測が状態をどの程度変化させるかを調整します。また、二つの資産間で時間とともに変化しうるヘッジ比率の推定にもフィルターを適用します。…

このノートブックでは、企業特性からリターンを予測する潜在因子アプローチ、計量主成分分析（IPCA）を紹介します。各特性に直接リターンの重みを割り当てる代わりに、IPCAでは各企業の因子エクスポージャーを特性の線形関数としてモデル化します。パネル全体で共通の写像を推定し、因子リターンは月ごとに変化します。交互最小二乗法で写像と因子リターンをリッジペナルティ付きで同時に推定し、当てはめたエクスポージャーとリターンから検証月の予測を生成します。…

この分析では、複数資産のETFパネルに登録されたモデル群を、ウォークフォワード検証結果で比較します。モデルは21取引日後のリターンを予測し、各日付内でファンドをどれだけ適切に順位付けできるかを測る横断的な情報係数で評価します。平均スコアの単純な順位付けよりも、信頼区間とフォールドごとの一貫性を重視し、モデル群が類似または異なるシグナルを捉えているように見えるかを調べます。また、予測順位と特徴量の因果的な証拠を区別します。…

このノートブックでは、機関投資家の13F保有データを対象に、決定論的な関係検索と埋め込み検索を比較します。固定した基準日時より前に各機関が報告した最新の保有ポジションを残して時点整合性のあるスナップショットを作成し、大口保有者、共通保有銘柄、各機関の最大保有銘柄に関する質問を用意します。期待される根拠レコードは、同じ保有データから定義します。…

このノートブックでは、ETFの特徴量と将来リターンに古典的な最小二乗法の推論を適用します。係数推定値、標準誤差、t統計量、p値を確認し、異分散、残差の自己相関、非正規性、多重共線性を検定します。サンプルは資産・日付の不均衡パネルです。手順ではウォークフォワードの学習フォールドを使い、学習データで特徴量を標準化します。また、頑健な共分散指標を推定する前に、線形従属する複数のリターン合成特徴量を除きます。…

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。…

このノートブックでは、株式の特性からファクター・エクスポージャーへの線形写像をニューラルネットワークに置き換え、計量型主成分分析を拡張する条件付きオートエンコーダーを紹介します。エクスポージャーとファクターリターンの積という構造は保ちながら、特性と負荷量の間に非線形の関係を許容します。設定された各学習期間で将来リターンのラベルを再構成するようモデルを学習し、その表現が後の日付にも転移するかを検証用の情報係数で測定します。…

このノートブックでは、上位のS&P 500株式シグナル設定に対するポートフォリオの配分方法を比較します。まず、検証シャープレシオを使って各設定の全期間をカバーする最良のチェックポイントを選び、スコア加重、コンフォーマル加重、逆ボラティリティ、リスクパリティ、平均分散最適化、階層的リスクパリティなどの配分方法を同じ予測に適用します。また、各リバランスで保有する銘柄数を変え、シグナル段階の均等加重ベースラインと比較します。…

このノートブックでは、金融特徴量が10セッションのデルタヘッジ済みオプションリターンのラベルを説明するのに役立つかを検討しています。インプライド・ボラティリティ特徴量を1つ使うRidgeモデル、インプライド・ボラティリティに依存する特徴量と独立した特徴量のグループを使うモデル、全特徴量を使うモデルを比較します。すべての比較で、ラベルごとに同一のウォークフォワード分割と検証キーを使用し、日次順位情報係数を不確実性の推定値とともに要約しています。ICの計算には、一貫して最小クロスセクショナル・サンプル数を適用していま…

このノートブックでは、NASDAQ…

このノートブックでは、幅広いUS株式ユニバースの順位付けに使う、価格由来の特徴量を作成します。モメンタム、ボラティリティ、移動平均、テクニカル指標の種類を説明し、1セッション先のリターンラベルに対して評価します。設計の中心的なルールは、全セッションの系列を使って銘柄ごとのローリング特徴量を計算し、適格性のスクリーニングを適用してから横断分析の順位を計算することです。これにより、ローリング期間の意味を保ちながら、各日の順位を実際に売買可能な銘柄に基づくものにします。…

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。…

このケーススタディでは、NASDAQ-100のマイクロストラクチャー特徴量に勾配ブースティング木を適用し、複数の日中時間軸でリターンと方向を予測します。木モデルと線形モデルを比較します。木モデルは、スプレッドに応じて注文フローの不均衡の振る舞いが異なる、といった条件付きの関係を発見できます。一方、線形モデルでは、そのような相互作用を明示的に与える必要があります。探索では木の複雑さ、損失関数、ブースティング反復回数を変え、複数のチェックポイントで予測を出力します。…

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…

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。…

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。…

このノートブックでは、AAPL取引所の1日分の取引データから作成した時間バー、ティックバー、出来高バー、金額バー、インバランスバー、ランバーを比較します。最初の4つのサンプリング方法は、経過時間、取引回数、取引株数、取引金額で観測値をまとめます。インバランスバーとランバーは、推定した取引方向も使って符号付きの注文フローを捉えます。バー種別ごとにリターン分布と自己相関を比較し、出来高または金額に基づくサンプリングで時間バーより正規性が高まるかを調べることを提案します。…

このノートブックでは、推定期間の相関ネットワークを使って株式ユニバースの特性を把握し、ネットワークで分散したポートフォリオを構築する方法を示します。評価前に利用できるデータだけで流動性の高い銘柄を選び、リターン相関を距離に変換して最小全域木（MST）を抽出します。次数、媒介中心性、近接中心性で木構造のハブや橋渡しを要約し、逆中心性を使って構造上中心に位置する資産のウェイトを下げます。また、同期的なショック伝播の感応度分析を説明し、後続の評価期間でポートフォリオを比較します。…

この探索的分析では、旧Quandl WIKI US株式パネルを調べ、価格の扱い、データの網羅性、バックテストに利用できる履歴を確認します。取引された価格水準を表す未調整価格と、株式分割や配当をまたいだリターンの算出を目的とする調整後価格を区別します。また、年ごとの銘柄数と初回・最終観測値で時系列の網羅性を確認し、行単位の欠損値やOHLCの整合性も調べることを提案します。…

このノートブックでは、分単位のNASDAQ-100データから3つの手法で特徴量を構築します。短期分散予測のためのローリング異質自己回帰モデル、直近の取引活動の周期構造を表すフーリエ変換、価格・注文フロー・取引強度の変化の順序を捉える深さ2の経路署名です。回帰特徴量はパラメーターの推定に使うデータ期間に依存しますが、変換と署名は直近の期間に対する固定計算です。特徴量を各バーで生成し、横断面での順位付け能力を評価します。…

このノートブックでは、公開済みのUS企業パネルを使い、企業特性に基づく月次ロング・ショート戦略を研究できるか評価します。データの符号化方式、利用可能なユニバースの経時変化、各リバランス時に両サイドを埋めるだけの企業数があるか、特性スプレッドが想定取引コストを上回る可能性があるかを確認します。また、ホールドアウトを未閲覧のまま、開発履歴に基づくウォークフォワード評価が可能かを調べます。企業を順位付けし、上位群を買い、下位群を売る戦略を、月次リターンを結果として説明します。…