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。
57件の資料
このノートブックでは、ETFとCME先物に対する登録済みウォークフォワードGBM予測を用いて、均等加重、コンフォーマル予測幅の逆数による加重、正の予測スコアに比例した加重を比較します。厳密に過去の分割における残差を使って銘柄別のMondrian分割コンフォーマル区間を較正し、評価対象の分割開始前にまだ観測できない将来リターンのラベルに対応する残差は除外します。過去の較正用残差群が有効でない場合は、最初の分割を除外します。過去の残差区間が狭いほど、区間幅を信頼度の代理指標とみなしてポートフォリオのウェイトを大きくし…
このチュートリアルでは、個別のES契約から連続先物系列を構築します。単調なロール制約のもとで取引高を使って期近限月を特定し、出来高に基づく切り替えと暦日に基づくタイミングを比較します。また、アウトライト契約とカレンダースプレッドを分ける理由、曖昧な1桁の年コードではなく契約定義または観測された取引履歴から満期を判断する理由、データセット比較の前にバー頻度を確認する理由を説明します。…
このノートブックは、保持された実際のストラテジーの実行結果と、それに対応するML4Tバックテストのプロファイルを比較する監査から、LEANエンジンの結果を切り分けています。対応する4つのワークロードとして、ETF配分、暗号資産無期限先物の資金調達、USD建てのFX配分、US株式パネルを特定しています。凍結されたCME先物バンドルは、対応するネイティブLEANサブスクリプションの作成に必要な日付付き契約チェーンとロールマップがないため、対象外です。比較では、約定、評価額、タイムスタンプの一致、株式価値と最終価値の差…
このノートブックでは、実際のETFデータを使い、妥当な範囲でルックバック期間、相場局面、実装を変えてもモメンタムシグナルが有用かを評価します。モメンタムと将来リターンの横断面情報係数を計算し、ルックバックのパラメーターを一度に1つずつ動かして、性能を応答曲面として確認します。頑健性は単一の最良結果の高さではなく、ピーク付近を保つパラメーターの幅で捉えます。HACの標準誤差は、系列依存と重複する将来リターンのラベルを考慮します。…
このノートブックでは、ボラティリティの測定方法を比較し、粗さ分析とあわせて異質自己回帰（HAR）ボラティリティモデルを構築します。日中リターンから取引時間中の実現分散を推定し、日中の値動きと夜間リターンを区別したうえで、日次レンジに基づく推定量をより高頻度の指標と照合します。企業行動を調整していない価格、不完全な取引時間、欠落した取引所取引日など、データ上の落とし穴も指摘します。HARは短期・中期・長期のボラティリティ平均を組み合わせるため、係数を異なる市場リズムの寄与として解釈できます。説明変数の重なりがあるた…
このノートブックでは、分割コンフォーマル予測を使ってグラディエントブースティング予測の区間を構築します。先の学習区間でモデルを学習し、その後の較正区間で絶対残差を測定し、有限標本の順序統計量から区間幅を設定します。較正区間は時系列順に分け、ラベル期間に応じたエンバーゴを学習区間との間に設けて、将来を参照するターゲットからの情報漏洩に対処します。ETF、暗号資産、先物データを対象に、分位点回帰、コンフォーマル化分位点回帰、適応型コンフォーマル推論を含め、区間のカバレッジと幅を比較します。…
この監査では、同一の固定済みモデル目標値とコンテンツ識別可能な過去データを使い、ETF配分、先物、暗号資産無期限先物の資金調達、外国為替、US株式を対象に、複数の取引エンジンでリプレイを比較します。約定記録、評価時刻、口座価値、最終価値の一致と、意図的に変更した約定の検出によって執行の一致性を評価します。モデル化と目標値の作成はどちらのエンジンを実行する前にも行うため、この比較で切り分けられるのはリプレイの挙動であり、シグナル生成の一致ではありません。…
この資料では、株価指数、米国債、エネルギー、金属、通貨、金利、農産物、畜産物、暗号資産にわたる35種類のCME先物商品の上場限月をまとめています。取引所の限月コード体系を説明し、月次、四半期ごと、商品ごとの隔月上場スケジュールを区別します。表には代表的な上場パターンを示し、株価指数と主要な米国債の四半期サイクル、エネルギー商品の月次限月、農産物や畜産物の作物・受渡しに関係するスケジュールなどを含みます。…
このノートブックでは、ボラティリティ、モメンタム、クロスセクションのキャリー順位から独立して、先物キャリーがその後のリターンを予測するかを二重機械学習で推定します。柔軟なモデルとクロスフィッティングを用いて、キャリーとリターンの双方から交絡要因の影響を除き、残差から効果を推定します。結果変数は2つのリターン期間で評価します。HAC不確実性では、変動するボラティリティと重複する結果期間を考慮します。また、ブロック置換による反証では、処置ブロックを並べ替えた後の推定値と、観測されたHAC統計量を比較します。…
このケーススタディでは、暗号資産の無期限先物を対象とした研究パイプラインを提示し、定期決済時にロングとショートの間で交換される資金調達料を、リターン源の候補として扱います。ラベル作成や金融特徴量から、統計モデルと機械学習モデル、因果分析、バックテスト、ポートフォリオ配分、リスク、コスト評価まで、データとモデルの各段階を説明します。無期限先物ペアのクロスセクション、8時間ごとの観測、取引コストの仮定を用い、限られた数の時間フォールドに基づいて検証します。…
このノートブックでは、Kalshiの二値型の連邦準備制度金利契約を確率として読み取り、金利の閾値を並べた契約群からインプライド分布を作る方法を説明します。フィードに含まれるのはYESの買い気配であるため、スプレッドの影響を受ける価格は下限値だと強調します。閾値の順序違反は診断材料であり、裁定機会の証明ではありません。…
この文書では、均等加重の検証シャープレシオで順位付けしたベースラインから選んだCME先物戦略について、複数のポジションサイズ手法を比較します。均等加重では選択した商品をすべて同じように扱いますが、先物契約によってボラティリティや連動性は大きく異なる場合があります。代替手法では、商品のボラティリティ、共分散関係、その他明示したサイズ設定の入力値を使ってエクスポージャーを調整します。逆ボラティリティによるサイズ設定は推定項目が少なく、履歴が限られる場合に頑健性が高い可能性があります。一方、共分散に基づく手法は分散効果…
このノートブックでは、ボラティリティ、モメンタム、横断面でのキャリー順位を調整したうえで、先物のキャリーがその後のリターンに影響するかを二重機械学習で推定します。因果関係の説明と予測性能を区別します。バックテストで利益が出ればキャリーがリターンを予測することは示せますが、キャリー自体がリターンを生む原因だとは立証できません。柔軟な補助モデルで交絡因子から処置と結果を予測し、クロスフィッティングで標本内バイアスを抑えます。ボラティリティのクラスター化と重複するリターンラベルによって残差が依存するため、不均一分散・自…
このノートブックでは、CME先物にニューラル確率的割引ファクターモデルを適用します。資産価格理論における確率的割引ファクターとは、各資産のリターンとの積が無裁定のもとで同じ期待値を持つ確率変数です。このモデルでは、キャリー、モメンタム、ボラティリティなどの商品リターンと観測可能な特性の両方を使って、この潜在変数を推定します。リターンのみを使うと説明されているPCAとの比較とは異なり、SDFでは特性を横断面の操作変数のウェイトに反映できます。…
この分析では、モデルを学習する前に、決済データが週次のクロスセクションCME先物戦略を支えられるかを確認します。リバランス日に、意図したロングとショートのポートフォリオを組めるだけの銘柄が提示されているかを検証し、取引所の最小価格変動幅を使ってスプレッドコストを推定し、調整後価格の変動をそのコストと比較します。また、シグナルの持続性と、後続のホールドアウトを参照せずにウォークフォワード検証を行えるだけの開発期間があるかも調べます。…
このノートブックでは、クロスセクション情報係数（IC）と予測の売買回転の両方を考慮しながら、OptunaでLightGBMリターンモデルを調整します。比較用の単一目的探索ではICを最大化し、多目的のNSGA-II探索ではパレート最適な設定を特定します。これにより、シグナルの順位品質と取引コストの代理指標である売買回転とのトレードオフを可視化できます。このフロンティアを使えば、検証スコア1つだけを目的とせず、コスト許容度に応じてモデルを選べます。…
この分析では、CME先物モデルのクロスセクション情報係数（IC）の読み方と、その後のポートフォリオ検証との関係を説明します。各日の予測リターンと実現リターンの順位相関を計算し、日ごとの相関を平均します。これは、商品を順位で選び、予測リターンの大きさを考慮しない等ウェイト戦略に対応します。また、フォールド間の平均とt統計量を日次系列に基づく推論と区別し、報告されたt統計量がフォールド間の標準誤差を用いていること、予測値がほぼ一定になる場合にはICが定義される日数も重要であることを指摘します。…
このノートブックでは、モデル学習の前に、データが週次のクロスセクション先物戦略に利用できるか確認します。CME商品を順位付けし、順位の高い契約を買い、低い契約を売る設計を説明します。また、リバランス日に両側のポジションを構成できるだけの銘柄が気配値を付けているか調べます。コストの実行可能性を評価するため、取引所の契約仕様と最小価格変動幅を使って想定売買スプレッドのコストを表し、価格変動とコストを共通の尺度で比較します。シグナルの持続性と、ホールドアウトを参照せずに開発期間で繰り返しウォークフォワード分割を行えるか…
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、CME先物リターンの横断面予測に勾配ブースティングを適用します。葉数の構成を変えて木の容量を調整し、極端な残差が学習に与える影響の強さが異なる二乗誤差、絶対誤差、Huber目的関数を比較します。各モデルを複数のブースティングチェックポイントで評価するため、宣言されたモデル構成に加え、木の本数も選定要素になります。固定したモデル群の中で予測期間の影響を比較できるよう、同じグリッドを2つのリターン期間で学習します。…
このモジュールでは、モデルのリクエスト、予測とバックテストの実行、候補プール、最終選択を含む、CME先物研究の読者向けワークフローを定義します。共有設定宣言から設定済みのラベル探索を読み込み、宣言された順序を保ち、要求されたモデル設定が各ラベルに存在するか確認します。研究の構築では、標準実行と縮小版のプレビュー実行を区別し、プレビュー出力が標準の母集団構成要素として扱われないよう実行情報を付与します。…
このノートブックでは、最大順行幅（MFE）と最大逆行幅（MAE）を使い、観測された価格経路に基づいてトリプルバリア・ラベルの幅を設定します。ローソク足の終値でポジションを建てた場合、次のバーから始まる将来の保有期間における最も有利な値動きと最も不利な値動きを測ります。ロングとショートでは定義が逆になります。また、真の値幅とワイルダー平滑化を用いる平均真の値幅を説明し、ボラティリティに応じてバリア幅を調整する方法を示します。…
この事例研究では、CME先物の複数のポジションサイズ手法を等ウェイトのベースラインと比較します。逆ボラティリティ方式では各コントラクト固有のボラティリティを使い、共分散ベースの方式では商品間の関係も考慮します。これらの方法は分散投資を改善する可能性がありますが、限られた履歴からより多くの量を推定する必要があり、ノイズが増幅されることもあります。ノートブックでは強いシグナル設定を候補リストに絞り、各判断より前に利用可能な価格履歴を使って、宣言済みの配分方法を適用します。…
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。…