ナレッジライブラリ

このノートブックでは、分単位のマイクロストラクチャー特徴量からNASDAQ-100のリターンを予測するベースラインとして線形回帰を用います。スプレッドと注文不均衡の指標が異なる参照期間で重なるため、特徴量行列は強い共線性を持ちます。その結果、通常の最小二乗法は非常によく似た入力に対して、不安定で互いに逆向きの重みを割り当てることがあります。Ridge、Lasso、Elastic…

このノートブックでは、金融時系列をどのようにモデル化するか判断するための手順を示します。まず、SPYの価格とリターン、VIXの水準、リターン分布の図から、変動する水準、集中する値動き、裾の厚い分布を確認します。次に、帰無仮説が単位根であるAugmented Dickey-Fuller検定と、帰無仮説が水準定常性であるKPSSを組み合わせます。帰無仮説が互いに逆であるため、単純な二択ではなく、組み合わせによる4通りの解釈が得られます。…

この設定では、ロングのみのETFランキングとリバランスの実験を定義します。株式、債券、コモディティ、地域別エクスポージャーにまたがる幅広い100～ETFの対象を定め、月次で判断し、翌営業日の寄り付きで執行します。主要ラベルは21日リターンを予測します。5日ラベルには週次スケジュールを用い、バックテストの頻度を予測期間により合わせます。ポジションはランキングで選び、均等加重します。複数のポートフォリオ集中度で上位k銘柄の選択を検証します。…

このノートブックでは、勾配ブースティング予測の予測区間を構築し、分割コンフォーマル予測を分位点回帰、コンフォーマル化分位点回帰、適応的コンフォーマル推論と比較します。分割コンフォーマル法では、時系列順に学習用と較正用に分割し、ラベル期間を考慮して境界付近の観測値を除外し、有限標本の残差順序統計量から区間幅を設定します。この枠組みを、パージ済みウォークフォワード分割を用いてETF、暗号資産、先物データで評価します。…

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。…

この運用チュートリアルでは、合成ブローカーを用いて実運用の取引システムにおける実行時の安全対策を実演します。市場データが古すぎる場合や、日次損失が設定上限を超えた場合にSafeBrokerが注文を拒否する様子と、ブローカーを再構築した後も損失で発動したキルスイッチが維持される様子を示します。また、保存済みのリスク状態とブローカーのポジションや注文を起動時に照合し、データの到着、途絶、エンジン停止に伴うエンジンの健全性状態も追跡します。…

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。…

このノートブックでは、広範なETFの連動を調整した後、4つの運用ポートフォリオ戦略がSPYリターンを説明するかを検証します。戦略では、遅行モメンタム、ボラティリティ、または直近リターンでETFを順位付けします。長い履歴を持つETFから構成したバランスの取れた集合の主成分10個を統制変数とし、SPYは因子構築対象から除外します。各戦略の単変量のSPY負荷量と、統制変数を選択した後の条件付き負荷量を比較します。…

機関投資家の株式保有データにWord2Vecのskip-gramを応用します。各機関のポートフォリオを文、銘柄IDをトークン、報告された保有額順のポジションを単語順として扱います。類似したポートフォリオの文脈に繰り返し現れる銘柄は近い埋め込み表現を持つようになり、機関投資家のポートフォリオ行動を表現し、経済的に類似した資産を見つける方法となります。…

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、日次OHLCVデータだけがある場合に、売買スプレッドを推定する2つの方法を説明します。Corwin-Schultz法では、隣り合う1日と2日の高値・安値の幅を比較し、ボラティリティとスプレッドの異なる動きを利用して両者を切り分けます。負の推定値はゼロに切り上げます。Roll法では、売買が買い気配と売り気配の間で交互に成立することで生じる場合のある、リターンの負の系列共分散から相対スプレッドを推定します。共分散が正なら推定値はゼロになり、ビッド・アスク・バウンスの前提が成り立たない可能性を示します。…