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。
694件の資料
同一の決定論的なOHLCVパネルを用いて、CSV、Parquet、Feather（Arrow IPC）、HDF5を比較します。書き込み時間、メモリに展開した読み込み時間、ファイルサイズ、選択列だけを読む効果を測定します。計測では書き込みを1回行い、ウォームアップ後に複数回読み込んだ平均を使うため、読み込みはウォームキャッシュの測定値です。Featherのメモリマップによるオープン時間は、データ展開の時間と分けて報告し、読み込みコストと取り違えないようにしています。…
このETF特徴量の分析では、モデルから導出した3つの入力を作成します。市場レジームを推定する隠れマルコフモデル（HMM）、参照ファンドの分数次差分価格、そしてETFごとのGARCH(1,1)条件付きボラティリティです。先読みを避けるには、パラメーターの推定と推論の両方で、各取引セッションまでに利用可能な情報だけを使う必要があると強調しています。再推定スケジュールでは各予測区間の前に推定したパラメーターを適用し、フィルター処理したHMM確率を使うことで、平滑化確率に含まれる将来情報を避けます。…
このチュートリアルでは、日次SPYデータを使い、固定の損切り・利確バリア、トレーリングストップ、ATRに応じた決済、機械学習による決済シグナル、およびその組み合わせを比較します。固定バリアはエントリー価格からシミュレーションし、夜間の価格ギャップは始値で処理します。バーが損切りと利確の両方に触れた場合は、保守的なルールとして損切りを先に成立させます。ATRは直近の値動きに応じて決済幅を調整します。機械学習の部分ではテクニカル特徴量と時系列順の分割を使い、境界付近のパージで将来を参照するラベルによる情報漏洩を減らし…
この研究では、将来リターンによる通貨ペアの順位付けについて、勾配ブースティング木とペナルティ付き線形モデルを比較します。木モデルは、ある市場レジームではモメンタム、別のレジームではキャリーを使うといった条件付き関係を表現できる一方、通貨ペアは通貨を共有し、統計的に依存するため、この比較を行います。事前に定めたグリッドでは葉の数によって木の容量を変え、二乗誤差、絶対誤差、Huberの各損失関数を比較します。各設定を複数のブースティング時点で評価するため、停止時点も単なる学習上の詳細ではなく、別の候補選択になります。…
このノートブックでは、言語モデルのクライアント、検索ツール、上限付きのターンループを組み合わせて予測エージェントを構築します。エージェントは根拠を検索し、理由を添えて二値確率を返します。応答パーサーはよくある形式上の失敗に対処し、検索と予測のアクションを検証します。無効な応答は修正のため再送されます。保存された実行記録にはプロンプト、ツールの結果、モデル呼び出し、トークン使用量が保持されるため、新たなAPI呼び出しなしで予測を再現し監査できます。…
このノートブックでは、ベイズ構造時系列のイベントスタディ手法を適用し、連邦準備制度理事会の発表が債券ETFに与える影響を推定します。イベント前の対象資産の日次対数リターンと、海外およびコモディティETF統制変数のリターンとの関係から反実仮想を構築します。イベント後の累積ギャップを事後信用区間とともに示し、プラセボ日や統制変数を対象にする検査を使って、効果が想定されない場合にもモデルが効果を検出するか調べます。…
このノートブックでは、時間足のビットコイン無期限先物リターンに合わせた共通の取引シミュレーション環境で、DQN、PPO、A2Cを比較します。GARCH(1,1)モデルがボラティリティの集積を生み、環境はポジション変更にコストを課します。また、行動時点で既に分かっているリターンをエージェントが得ないよう、行動の適用を1ステップ遅らせます。各アルゴリズムに同じ学習相互作用予算を与え、一致する未使用のエピソードシードで評価します。…
株式分割や現金配当をまたぐと、未調整の株価から誤解を招くリターンが算出される理由を説明します。後方調整では、後日のコーポレートアクションに合わせて過去の価格を換算します。また、約定シミュレーション用の未調整価格、短期分析で使う場合のある分割調整価格、長期研究やバックテスト向けのトータルリターン調整価格を区別します。Appleの株価履歴を例に、分割と配当の調整が累積リターンに与える影響を示します。…
このノートブックでは、モデルに基づくポジションサイジングがUS企業特性戦略の均等加重を上回るかを検証します。予測スコアが高い銘柄への配分を増やすスコア加重と、予測区間が信頼性の低さを示す場合に配分を減らすコンフォーマル加重を比較します。各比較では選択済み予測と集中度を固定し、両方式を複数のポートフォリオ集中度と組み合わせて評価します。…
このノートブックでは、連続する観測値に依存関係がある場合、シグナルの情報係数（IC）がノイズと区別できるかを評価します。モメンタムシグナルとETFデータを例に、先渡しリターンの重複、持続性のあるシグナル順位、市場レジームによって日次のIC値に自己相関が生じ得ることを説明します。その場合、単純なt統計量は不確実性を過小評価し、有意性を過大評価する可能性があります。…
このノートブックでは、ETFのロング取引の決済方法として、固定の利確目標と損切り、トレーリングストップ、ATRに応じたバリア、機械学習シグナル、およびそれらの組み合わせを比較します。指標と取引シミュレーションを作成し、取引リターン、勝率、損切り発生頻度、不確実性を標準誤差で要約します。OHLCの約定ルールでは、夜間の価格ギャップを始値で処理し、日足が損切りと利確の両方に触れた場合は、日次データでは日中の順序が分からないため損切りが先に成立すると仮定します。…
このノートブックでは、FREDの経済系列パネルを調べ、カレンダー日グリッド、メタデータ、派生列を解釈する方法を説明します。パネルが日次カレンダーに平坦化されているため、行数から元データの公表スケジュールは分かりません。各系列の値の変化を数えると、公表頻度の下限を推定できますが、連続する公表値が変わらない場合は実際の公表回数を取りこぼすことがあります。例として米国債利回り、VIX、10年債と2年債の利回り差を取り上げ、最近の政策イベントをグラフに注記しています。…
このノートブックでは、ARIMA予測を単独の予測値ではなく、後続モデルへの入力列として扱います。ETFリターンにモデルを当てはめ、定常性検定と自己相関診断を用いて次数の候補を提案し、訓練ブロック上の情報量規準で候補次数を比較します。重要な違いは、定常モデルの多段階予測は無条件平均に収束してすぐにほぼ一定になる一方、1ステップ予測は新たな観測に応じて更新される点です。…
このノートブックでは、FXラベル向けのNLinear予測を準備し、登録する方法を説明します。NLinearは固定長の入力履歴から直近の観測水準を差し引き、ルックバック期間内の変化にモデルの焦点を当てます。共通の系列適格性判定プロセスでは、確定済みのラベル時系列からフォールド境界を導き、日次観測の欠損をまたぐウィンドウを除外するため、検証予測は有効な系列のみを対象とします。…
この共通分析ユーティリティは、レジストリ指標と予測単位の診断を通じてトレーディングモデルの予測を比較できます。事前計算済みの情報係数の結果を読み込み、ラベルやモデルファミリーで任意に絞り込めます。また、カバレッジが不完全な古い実行がランキングを歪めないよう、デフォルトでは廃止済みの予測世代を除外します。フォールド単位の指標も確認でき、カバレッジ制約下で代表モデルを選び、予測を整列させ、一致度、バケットの単調性、学習曲線、レジーム条件別のパフォーマンスを調べられます。…
この資料では、期間構造で商品を順位付けする横断面先物戦略のために、将来リターンのラベルを構築する方法を示します。契約ロールをまたぐリターンに適したロール調整済み価格と、同時点のカーブを保ちキャリーシグナルに必要な生の決済価格を区別します。ラベルには期近契約を使い、将来シフトを行うまでデータをそのまま保つ必要があります。そうすることで各期間は、フィルタ後に残った行数ではなく、その商品の取引セッション数に基づいて数えられます。…
この資料では、CME先物を対象にモデル予測を評価するための基準を説明します。毎週の判断時に商品を予測リターン順に並べ、上位群をロング、下位群をショートで保有し、各側を等ウェイトにします。取引可能な銘柄群から決めた範囲で各側の商品数を変え、集中度が結果に与える影響を確認します。配分最適化、リスク目標設定、取引コストは意図的に含めず、実運用可能な戦略ではなく単純な基準ポートフォリオを評価します。ワークフローでは、リクエストを構築する前に公式予測対象がすべてそろっていることを求め、得られたバックテストを名前付きの比較セ…
この資料では、ローリングするETFリターン期間を、従来型の畳み込みニューラルネットワーク向けの2チャネル画像に変換する方法を説明します。Gramian Angular Fieldは正規化した観測値を角度に写像し、角度間の関係を記録します。Markov Transition…
この資料では、60決済分の期間を使い、暗号資産無期限先物の資金調達プレミアムを予測する時間畳み込みネットワークを説明します。因果的な畳み込みブロックを4つ使い、カーネル幅は3、拡張率は1、2、4、8です。受容野は61決済分に及び、入力期間全体をカバーします。因果パディングにより、ある位置が後の決済値を取り込むことを防ぎ、検証結果への将来情報の漏洩を避けます。このモデルは全時点の表現を平均しますが、比較対象のLSTMは最終的な再帰状態に基づいて予測します。この違いから、有用な情報が期間全体に分布するのか、末尾付近に…
このノートブックでは、ティック、出来高バー、金額バーなど、実際に不規則なタイムスタンプを持つ時系列を生成するGT-GANに着想を得たアーキテクチャを説明します。GRU-ODEエンコーダーは観測値を潜在状態に写像し、ODEベースの生成器と識別器は連続時間の変化をモデル化し、ODEデコーダーは観測値を再構成します。任意の時刻で潜在状態を照会できるため、固定された観測グリッドを超える補間や生成が可能です。…
このノートブックでは、予測モデルで市場レジームを使う3つの方法を比較します。レジーム情報を使わない方法、変動の大きい状態のフィルタ済み確率を特徴量に加える方法、明示的に割り当てたレジームごとに専門モデルを当てはめる方法です。各時系列の拡大型分割内で隠れマルコフモデルからレジーム確率を作り、訓練ブロックだけでモデルを当てはめ、テストブロックでは前向きにフィルタした確率を使います。複数セッション先の将来リターンを目的変数とするため訓練とテストの間に間隔を設け、スケーリングも訓練データだけで行います。…
このノートブックでは、資金を割り当てる前にシャドーモードで新モデルを評価する手順を示します。固定された現行モデルと候補モデルの保存済み予測を比較し、順位に基づく等ウェイトのロング・ショートポートフォリオを構築します。それぞれに同じ取引コスト規則を適用し、事前に定めた判定基準を評価します。この基準は、最低限のシャープレシオ改善幅と観測期間に加え、シグナル相関、ポジション一致度、相対ドローダウンの上限を組み合わせます。すべての基準を満たすことを求めることで、堅牢な改善を、ノイズの多い成績や戦略エクスポージャーの変化と…
このノートブックでは、SEC提出書類の調査と企業データの構造化抽出に使うEdgarToolsを概説します。安定したCIKで提出企業を特定し、様式別に提出書類を取得し、XBRLタグ付き年次報告書を財務諸表の表に変換する方法を説明します。また、内部関係者の様式4取引や機関投資家の様式13F保有銘柄の確認、種類と日付による提出書類インデックスの検索も扱います。…
この分析では、9件のトレード事例で登録された二重機械学習の処置効果を比較します。各事例のレジストリから最新の結果を読み込み、レジストリの整合性とラベルの重複を確認し、対象範囲を明示します。効果と信頼区間は元の単位を保ち、HAC統計量でパネル間比較を補います。また、単純なOLS推定値と直交化推定値を比較し、ブロック置換による反証チェックを適用して、複数のラベルと実際に異なる予測期間を区別します。…