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。
50件の資料
この事例研究では、リターンと方向の複数のラベル、ポートフォリオのサイズ設定方法、リスクオーバーレイにまたがる暗号資産無期限先物戦略の固定候補群から、1つの設定を選びます。検証用シャープレシオが最も高いものを選び、ブロックブートストラップ区間、確率的シャープレシオ、最小運用記録期間、候補数と候補間の相関を考慮する複数のDeflated Sharpe指標で不確実性を調べます。また、保有に伴う別のリターン源であるファンディングを、取引コストと分けて扱います。…
このノートブックでは、無期限先物のプレミアムの乖離が、その後の8時間リターンと関係するか、また高ボラティリティ市場と低ボラティリティ市場で推定された関係が異なるかを、二重機械学習で推定します。暗号資産銘柄をまたぐパネル設計を説明し、観測された処置前の特徴量を調整します。また、パージとエンバーゴを含むウォークフォワードのクロスフィッティングを用い、標準誤差では共通の時間ショックと系列依存を考慮します。ボラティリティ局面ごとの適合と、処置と局面の交互作用により、局面間の違いを扱います。…
このノートブックでは、一定期間にわたって固定注文を清算する近接方策最適化（Proximal Policy Optimization）エージェントを学習させます。学習したペース配分方策をTWAPおよびAlmgren–Chrissスケジュールと比較し、実装ショートフォールを測定して各戦略がいつ取引するかを調べます。すべての戦略に同じ市場シミュレーションのパスを使って評価するため、エピソードごとの比較が可能です。また、在庫リスクと均等なペース配分からの乖離が、学習した方策をどう形作るかを説明します。…
このノートブックでは、価格ボラティリティ、資金調達率、プレミアムの直近平均からの乖離を調整し、介入下で暗号資産無期限先物のプレミアムのZスコアが、その後の8時間リターンと関連するかを推定します。二重機械学習では、交絡因子から結果と処置を別々に予測し、その残差同士の関係を分析します。クロスフィッティングにより、各観測値は自身の残差を生成するモデルから除外されます。また、時系列順の分割とエンバーゴによって、交絡調整用モデルが後のデータを使わないようにします。…
このノートブックでは、選択した暗号資産無期限先物の資金調達戦略について、ホールドアウト予測を作成する方法を説明します。検証結果から設定を特定し、選択されたチェックポイントを引き継ぎ、ホールドアウト期間前に終わるデータで新たな学習仕様を作成します。ラベルバッファーによってラベルの結果期間がホールドアウト期間に及ばないようにし、検証時の適合とは異なる学習識別子が生成されたことを確認します。…
このノートブックでは、検証結果を用いて設定を選択した後、暗号資産無期限先物の資金調達戦略についてホールドアウト予測を生成する方法を説明します。対象となる検証バックテストのうちシャープレシオが最も高いものを特定し、モデル系列、ラベル、チェックポイント、戦略設定を引き継いだうえで、ホールドアウト期間より前にデータが終了する新しい学習仕様を作成します。ラベルバッファにより、先行リターンの期間が評価期間に重ならないようにします。レジストリには再学習と予測が記録され、学習識別情報が変わったことが、検証データで適合したモデル…
このモジュールは、暗号資産無期限先物で大口の売り注文を執行するための時点ベースのシミュレーション環境を定義します。観測には、残存ポジションと時間に加え、市場ボラティリティ、プレミアム指数、相対出来高、時刻、資金調達までの時間が含まれます。行動は、スケジュールと参加率の上限に従い、基準スケジュールに対する執行ペースを調整します。環境は、平方根型と線形のマーケットインパクトで執行ショートフォールを推定し、在庫リスクやスケジュール乖離へのペナルティを追加できます。…
この文書では、Binanceの公式USD-M無期限先物の資金調達記録をダウンロードし、標準化して列指向ファイルにキャッシュするパイプラインを説明します。指定した銘柄と日付範囲について、月次アーカイブを並行して取得します。記録をUTCタイムスタンプに変換し、決済項目を標準化して銘柄と時刻で重複を除き、保存前に欠損値や無効値がないか確認します。読み込み時には銘柄と日付を任意で指定できます。…
この分析では、4つの予測ラベルと複数の戦略段階にまたがる、固定された暗号資産無期限先物候補群から設定を1つ選びます。検証シャープレシオが最も高い設定を選び、ラベル、分割、執行の詳細を比較可能な候補の定義に含めます。次に、選んだリターン系列の不確実性と、多数の候補を探索したことによる不確実性を区別します。ブロック・ブートストラップ区間は標本変動を推定し、デフレート・シャープレシオの各手法は候補群の選択効果を調整します。また、従来の有意性に必要な期間を報告し、資金調達料によるリターンを手数料やスリッページから分けて示…
このノートブックでは、現物価格に対する無期限先物価格のプレミアムを基にした特徴量を用い、暗号資産無期限先物向けの勾配ブースティング設定を比較します。木の容量と損失関数を変え、二乗損失、絶対損失、Huber損失などを試し、各ブースティング実行の複数時点で予測を記録します。リターンと方向の目的変数は別々のタスクとして扱い、各ラベル内で候補を比較します。順位ベースの情報係数は予測順位を示し、設定の選択にはこのモデル比較ではなく、後続の検証バックテストでシャープレシオを用います。…
このノートブックでは、暗号資産無期限先物向けにモデルベースの特徴量を作成します。GJR-GARCHから資産ごとの条件付きボラティリティを予測し、資金調達決済に適合させた2状態のガウス隠れマルコフモデルから市場全体のストレス・レジーム確率を得ます。過去のバーから直接計算する算術的な特徴量とは異なり、これらの出力は推定パラメーターに依存します。隠れ状態モデルでは、意思決定時点までに利用できる観測だけを推論に使うかどうかにも左右されます。後の観測を取り込む推定値とフィルター済み確率を区別します。…
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。…
このデモでは、AlpacaのUSD現物市場につないだ、常時稼働型の暗号資産取引ループを説明します。無期限先物のケーススタディで使う投資対象を、取引所が扱う現物ペアに対応付け、取引できるのはその一部に限られることを示します。例示するシグナルは、無期限先物と現物のプレミアムシグナルの代理として使う、終値から終値までのモメンタムのローリングZスコアです。本番版では無期限先物価格と現物価格からプレミアムを計算する方法や、運用記録用に資金調達時間帯のタイムスタンプをUTCに統一する方法も説明します。…
このノートブックでは、異なる市場期間におけるETFのモメンタム特徴量と暗号資産無期限先物の特徴量を対象に、共変量ドリフトを監視する方法を示します。個々の特徴量分布の変化を測る母集団安定性指数（PSI）と、参照標本と現在の標本を組み合わせて区別できるかを検証するワッサースタイン距離およびドメイン分類器を比較します。本番監視の例では、スコアをアラート水準に対応させ、アラートをまとめて再学習の推奨につなげます。…
このノートブックでは、モデルの順位付けを単純な暗号資産無期限先物ポートフォリオに変換し、後続の実験でサイズ設定、コスト、リスク管理の変更による影響を測れるようにします。ロングではスコア上位、ショートでは下位の契約を選ぶなどのエントリールールを適用し、サイズ設定が別の変動要因にならないよう均等加重にします。判断には予測のタイムスタンプを使い、ポジションはラベルの期間にわたって保有します。…
このノートブックでは、PPOエージェントが気配値の傾きとスプレッド幅を選ぶ、シミュレーション上のマーケットメイク課題を作成します。気配値が仲値から離れるほど約定確率は低下し、注文不均衡は約定とその後の価格変動の両方に影響します。在庫に対して気配値を調整する予約価格を設け、評価報酬には時価評価した資産と在庫ペナルティを組み合わせます。エピソード終了時に残るポジションには清算コストがかかります。エージェントは、すでに予約価格調整を適用する固定ルールと比較されます。…
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、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、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、暗号資産の無期限先物の資金調達プレミアムを予測する系列モデルの比較に、時間畳み込みネットワーク（TCN）を追加します。因果パディングにより、各位置では現在および過去の観測値のみを使用し、拡張畳み込みによって受容野を効率的に広げます。選択した層構成は、宣言された入力ウィンドウ全体をカバーします。予測に最後の再帰状態を使うLSTMとは異なり、TCNは各位置の表現を平均し、有用な情報が時間とともにどこに現れるかについて別の仮説を検証します。…
このモジュールでは、強化学習環境で使う暗号資産市場シミュレーションのパラメータを推定します。選択した銘柄の無期限先物市場データを時間単位で読み込み、終値間の対数リターンを計算して、GARCH(1,1)ボラティリティモデルを当てはめます。推定用ライブラリが利用できない場合や最適化に失敗した場合は、二乗リターンの自己相関と事前に定めた範囲を使うモーメント法に切り替えます。持続性を制約し、無条件ボラティリティをサンプルの変動に合わせます。…
このノートブックでは、極端な無期限先物プレミアムが、その後のBTCリターンまたはプレミアムの回帰に影響するかを検討します。処置を高プレミアム状態と定義し、多くの要因に左右される可能性がある広範な市場指標と、資金調達圧力や裁定取引により直接結び付くプレミアム変化を比較します。因果グラフで調整変数を指定し、過去のリターンとボラティリティを統制変数として使います。また、設計上、処置前の統制変数と将来の結果を分けています。…
この分析では、モデルを適合したり予測を行ったりする前に、データが暗号資産無期限契約の横断戦略を支えられるかを検討します。提案する方法は、各資金調達決済時点でプレミアムに基づき契約を順位付けし、順位の片側を買い、もう片側を売ります。このノートブックでは、判断時点で十分な数の契約が上場しているか、一般的な値動きで取引所手数料を賄えそうか、系列相関を考慮した後に独立した履歴がどれだけ残るかを確認します。開発期間を使い、指定されたホールドアウトは読み取りません。…
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。…