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
このノートブックでは、日次のポートフォリオリターンと対応するSPYベンチマークを使い、ETF配分のバックテストを評価する枠組みを示します。シャープレシオ、ソルティノレシオ、カルマーレシオ、最大ドローダウンなどのリスク・リターン指標、ローリング指標、ドローダウンからの回復、ベンチマーク対比のアルファ、ベータ、トラッキングエラー、インフォメーションレシオ、選定したストレス局面での成績を扱います。リターンはコストを考慮した登録済みバックテストから取得し、執行の前提はその成果物を引き継ぐため、コストを重ねて差し引きません…
このノートブックでは、モデルの不確実性が点推定を超える情報を加える方法を説明します。潜在対数ボラティリティが時間とともに変化し、リターンがStudent-t分布に従う確率的ボラティリティモデルを当てはめます。サンプラーの収束とモンテカルロ誤差に注意しながら、事後分布の広がり、区間幅、パラメータ推定値を特徴量として抽出します。また、ARIMAモデルの予測区間と、不確実性を推定した尺度上で測るべき理由も説明します。…
このノートブックでは、複数の資産クラスを対象とするロング・ショートのモメンタム例を通じて、先物バックテストの仕組みを紹介します。契約仕様の倍率が価格変動をドル建て損益に換算する仕組みと、想定元本が契約数量をどう決めるかを説明します。契約ごとの固定手数料と料率ベースのコストを比較し、先物の取引時間帯と証拠金を論じ、セクター別寄与度で集中度を調べます。この例では取引時間帯をそろえた日次データを使い、契約倍率を適用する場合としない場合の影響を比較します。…
このノートブックでは、ETFモメンタムのバックテスト結果が想定取引手数料にどれほど敏感かを検証します。戦略のウェイトと取引スケジュールを固定し、片道コストを変えてシミュレーターを再実行して、成長率、シャープレシオ、ドローダウンを比較します。グロスリターンを年間売買回転率で割る方法と、シミュレーション結果を補間する方法の両方で、成長率がゼロになる手数料を推定します。この差は、複利の影響により、単純な回転率計算では損益分岐コストを実際より高く見積もることを示しています。…
このノートブックでは、存続しているUS株式の等ウェイト・ポートフォリオが、当初の全対象と比べてリターンをどの程度過大評価しうるかを推定します。まず、パネルに銘柄の退出が記録され始めた時期を調べ、記録がデータセットの最終数年間に限られることを確認します。それ以前に欠落した企業は元データに存在しないため、退出を観測できる期間に結論を限定します。また、パネルには上場廃止の理由と最終的な支払額がないため、最後に観測された価格以降の結果はモデル化する必要があります。…
この分析では、企業特性に基づく月次US株式戦略の登録済みバックテスト・パイプラインを読み取ります。シャープレシオの不確実性、確率シャープレシオとデフレート・シャープレシオ、戦略のペア比較、ホールドアウトでの成績低下、小型株の非流動性を反映するよう設計したコスト分析を報告します。検証データで戦略仕様を選択し、ホールドアウトでは選択を繰り返すのではなく、その固定した選択を評価します。測定された変化と点推定値の差を区別するため、ペア指標と信頼区間を使います。この文書では解釈の限界を強調します。ホールドアウトは暦年で1年…
このノートブックでは、適格な全データ網羅候補のうち検証シャープレシオが最も高い配分系列に対し、ポジション単位の損切り、トレーリングストップ、時間決済を評価します。各オーバーレイを、オーバーレイなしの親構成と比較してリスクルールの効果を切り分けます。ペアのブロック・ブートストラップ区間で、ドローダウンとの比較に加え、シャープレシオの差がゼロと区別できるかを評価します。選択と調整には検証データのみを使います。同じ価格経路で閾値の設定と評価を行うことになるため、検証全体のMAE較正閾値は除外します。固定した構成の評価に…
このノートブックでは、過去価格から直接計算する指標を補うため、外国為替価格履歴からモデル推定特徴量を作成します。三つの手法を説明します。緩やかに変化する価格水準などを推定する状態空間フィルター、ドルの荒れた相場局面に属する確率を推定する2状態の隠れマルコフモデル、1ステップ先の予測誤差でサプライズを測る固定次数のARIMAリターンモデルです。4時間足のデータは、共通カレンダーを用いて取引セッションに集約します。…
このノートブックでは、ストラドルを売るS&P 500オプション戦略のポートフォリオ配分ルールを比較します。選択済み銘柄とその他の戦略設定を固定し、等ウェイトのベースラインを、モデル予測または原資産リターンのリスク推定を使う配分手法に置き換えます。候補には、スコア加重、逆ボラティリティ、リスクパリティ、階層的リスクパリティ、縮小平均分散最適化、予測区間幅に基づくコンフォーマル加重が含まれます。…
このノートブックでは、すでに選択された暗号資産無期限先物の構成に、執行コストが及ぼす影響を測定します。モデル、チェックポイント、エントリー規則、配分手法、リスク制御を固定し、取引想定元本に対する往復コストを宣言済みのグリッドで変えて戦略を再実行します。得られるコスト低下曲線は、候補の順位付けや選択ではなく、構成がどの程度の摩擦に耐えられるか、どこで損益分岐点に達するかを示すことを目的とします。…
このノートブックでは、S&P…
この章では、「時系列の観測順序には横断的な予測では捉えられない情報があるのか、あるならどのモデル設計で利用できるのか」という実践的な問いを通じて、時系列の深層学習を概観します。逐次学習の負荷がある再帰型ネットワーク、N-BEATSなどの分解モデル、注意機構を用いた手法、時間畳み込み、混合ネットワーク、状態空間モデル、画像エンコーディング、事前学習済み予測器を扱います。ノートブックではアーキテクチャを比較し、強力な線形ベースライン、ウォークフォワード評価、順序のシャッフルによってモデルが時間構造を使っているか調べる…
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、アンサンブルメンバー間で2層の特徴量ネットワークを共有する表形式ニューラルネットワーク構造、TabMを適用します。各メンバーは独自に学習したベクトルで共有表現のスケールを調整し、それぞれの出力層を使います。メンバー予測の平均化により、個別の完全なネットワークを学習するより低コストでアンサンブルの多様性を保つことを目指します。他の学習設定を固定し、層の幅とメンバー数を変える3つの構成を宣言します。予測対象はショート・ストラドルのリターンです。…
このノートブックでは、学習期間の平均リターンの外積に重みを付けて加え、リターンの共分散行列を修正するリスクプレミアムPCAを解説します。主要な固有ベクトルが静的な因子ポートフォリオを定義します。重みを大きくすると、分散が小さい場合でも平均リターンを説明する方向へ因子が傾きます。価格付けの適合度、評価期間リターンの再構築、重みによる負荷量空間の変化を比較し、事前に選んだ重みで翌日の因子プレミアムを予測します。…
この章では、戦略設計と実運用の一環としてリスク管理を取り上げます。バリュー・アット・リスクと条件付きバリュー・アット・リスクによるテールリスク測定、ドローダウンの深さと回復、エクスポージャーの分解、ストレステスト、適応型制御、ガバナンスを扱います。説明する手法には、ヒストリカル法、パラメトリック法、Cornish-Fisher法によるテール推定、危機局面の再現と仮想シナリオ、ファクター回帰、ボラティリティ・ターゲティング、ポジション決済、ドリフト監視、キルスイッチが含まれます。導入前に限度とエスカレーション規則を…
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、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、すでに選定した暗号資産無期限先物の設定に執行コストが与える影響を測定します。モデル、チェックポイント、エントリールール、配分、リスク管理を固定し、取引想定元本に対する往復コストを変えた複数の条件でバックテストを再実行します。出力されるのは各ラベルのコスト逓減曲線であり、別の設定を選ぶためではなく、パフォーマンスの変化や損益分岐点を示すことを目的としています。分析では、コスト率と売買回転率に応じて変わる執行手数料と、ポジション保有から生じ、各条件で変わらないファンディング支払いを分けて扱います…
このノートブックでは、ポートフォリオリターンからシミュレーション取引まで、ETFを対象とする月次ローテーションのバックテストを構築します。過去のリスク調整後リターンで10本のファンドを順位付けし、米国債のイールドカーブに基づく局面判定を適用して、上位ファンドとディフェンシブな債券配分を選び、次の取引日の始値で執行します。手数料、現金制限、60/40ベンチマークも同じシミュレーターで処理します。この手順では、シグナル日時点で利用可能な情報だけを使い、同じ日付、価格、コストでポートフォリオを比較することを重視します。…
このノートブックでは、金融文の3クラスセンチメント分類に向けて3つの変換器チェックポイントを微調整し、正解率、マクロF1、混同行列、パラメーター数、学習時間を比較しています。Financial PhraseBankを層化して学習、検証、テストに分割し、一般的な乱数とTrainerの乱数にシードを設定して、動的バッチパディングを適用しています。モデルには、金融分野に特化したFinBERTのチェックポイントと、汎用チェックポイント2つが含まれます。…
この文書では、中国先物市場で価格方向を予測する教師あり学習の手法を概説しています。分類モデルで先物価格の動きを予測し、その予測をトレード戦略に変換します。市場の特性を考慮することが目的とされていますが、抜粋では使用した特徴量、金融商品、モデル設計、取引ルールは特定されていません。…
マクロ・市場シグナルで成長型とディフェンシブ型のETFバスケット間の配分時期を判断できるかを評価します。新たなアルファ要因の発見ではなく、スタイル配分の問題として捉えています。要因帰属分析では、成長型からディフェンシブ型を差し引いたポートフォリオに識別可能なエクスポージャーがあり、統計的に説得力のある年率アルファはないとされています。提案するポリシーは、金利の緩和、株式ドローダウンの深さ、高ボラティリティ・ストレスの緩和、成長ポジションの混雑に対するペナルティを組み合わせます。滑らかな相互作用から連続スコアを生成…