ナレッジライブラリ

このノートブックでは、価格由来の重複特徴量からETFリターンを予測する線形モデルを比較します。複数のリターン期間や指標群が似た情報を表す場合、通常の最小二乗法では、近似した特徴量に不安定で相反する係数が付くことがあります。ウォークフォワードのフォールドでリッジ、ラッソ、エラスティックネットの適合を行い、ペナルティの強さを変えて実験します。リッジは特徴量を残しながら係数を縮小します。ラッソは係数をゼロにでき、エラスティックネットは両方の効果を組み合わせます。フォールドごとにラッソのペナルティを尺度調整し、定めた比率…

このガイドでは、因果に関する問いとPythonライブラリーを対応付け、仮定した因果構造のもとで効果を推定することと、データから構造の候補を発見することの違いを明確にします。調整済み処置効果を求める二重機械学習、DoWhyによるグラフベースの識別と反証、PCMCI、PC、FCI、GES、LiNGAM、NOTEARSなどの時系列・横断面の発見手法を紹介します。また、処置の種類と推定対象がツール選びに与える影響も説明します。連続処置を群に変換すると、推定する問い自体が変わります。…

このフレームワークでは、日次US株式OHLCVデータの品質チェックを実演します。価格間の関係、価格が正であること、出来高が負でないこと、欠損値、重複日付、時系列順、価格の停滞、極端なリターンを構造的に検証します。既知の不具合を注入し、想定したチェックが検出することを確認して、検証機能が動作するか調べます。次に、中央絶対偏差、Zスコア、四分位範囲によるリターン外れ値の検出を比較し、同じ倍率を使っても手法ごとにしきい値が異なる理由を説明します。…

このノートブックでは、ETFの横断面を価格評価するための確率的割引ファクターモデルを紹介します。ファンドのエクスポージャーとファクターリターンを個別に推定する代わりに、ファンドリターンとの共変動で平均リターンを説明する共通の割引ファクター系列を、ネットワークで学習します。学習目的は価格評価誤差の最小化であり、予測リターンと情報係数はその後の診断指標として報告されます。最適化する量と報告する予測スコアの違いは、モデルの解釈において重要です。…

このノートブックでは、重み共有型ニューラルアンサンブルのTabMを、暗号資産無期限先物の特徴量パネルに適用します。各メンバーはニューラルネットワークの基幹部を共有しながら、個別のスケーリングベクトルと出力層を持ちます。これにより、効率的なアンサンブルと相関する入力間の非線形な相互作用を組み合わせます。ワークフローでは、回帰、二値方向、三クラス方向の目的変数を扱い、不均衡ラベルにはフォールドごとのクラス重みを適用します。また、複数の学習チェックポイントで予測を保存・登録し、各チェックポイントを個別の候補モデルとして…

このノートブックでは、金融データやモデル由来の特徴量が、その後のリターンでETFを順位付けできるかをスクリーニングします。各特徴量の横断面順位と先行リターンの順位を比較し、日付ごとの情報係数を計算して、その時系列を調べます。リターンラベルの重複を考慮して不確実性を調整し、同時に行う特徴量検定全体の偽発見を抑えます。さらに、ウォークフォワード検証期間を通じて関連性の符号が維持されるかを確認し、証拠が重複する高相関の特徴量を特定します。評価は検証日だけに限定し、ホールドアウト期間はスクリーニングから除外します。…

このノートブックでは、SHAP特徴量の寄与度が、モデルの削減、リスク判断、報告に使えるほど安定しているかを検討します。ETF予測タスクを用い、予測値は近い一方でSHAPのプロファイルが異なるテストサンプルを探します。次に、異なる乱数シードで学習したLightGBMモデルとRandom…

このノートブックでは、20通貨ペアの候補特徴量を一つずつ先行リターンと照合して評価します。分析対象をウォークフォワード検証期間に限定し、各セッションにフォールドを記録します。また、ホールドアウト前にバッファ期間を設け、ラベルがその期間内に確定しないようにします。ホールドアウト自体は測定しません。まず十分なカバレッジと変動がある特徴量を選別し、次に特徴量の値と次セッションのリターンの間で、日次の横断面スピアマン順位相関を測定します。隣接セッション間の関連を許容して不確実性を推定し、効果の方向がフォールド間で維持され…

このノートブックでは、複数のエージェントによる確率予測を組み合わせ、得られた確率を校正する方法を説明します。パネルの規模と仮定したペア間相関に応じて平均予測を基準率から遠ざける、ネイマン極値化を紹介します。仮定する相関が低いほど複数の証拠源としてパネルを重視し、高いほどエージェント同士を似たものとして扱います。例と合成データのプロットは、この仮定が変わると集約値が大きく変わり得ることを示します。この方法は予測間の不一致を考慮しません。同じ平均値のパネルでも、予測のばらつきは大きく異なることがあります。…

このデータツールは、株式リターン、企業特性、マクロ経済系列、分割前の特性テンソルを含むChen、Pelger、Zhuの資産価格データセットを扱う作業を支援します。変換機能は、公開された学習、検証、テスト用テンソルからParquetファイルを作成します。データアーカイブには各ブロック内で継続する匿名企業の位置情報がありますが、ブロック間の対応情報はありません。そのため変換ツールは、各ブロックに重複しない識別子の範囲を割り当てます。これによりブロック内の企業識別を維持しつつ、同じ識別子がブロック間で同一の既知企業を指…

このモジュールでは、複数のモデル群でウォークフォワードの学習・検証分割を共通の方法で準備します。時間ウィンドウの切り出し、分割ごとのモデルベース特徴量の適用、ラベルが欠損した行の除外、学習データのサンプリングなど、モデルに依存しない時間のかかる処理を、後続のモデル固有の変換から分けます。生の分割を再利用することで、構成ごとに同じ準備を繰り返さずに済みます。線形モデルには欠損値補完と標準化を適用し、勾配ブースティング木では欠損値を保持して、木が備える欠損値の振り分け機能を使います。…

このノートブックでは、無期限先物のファンディング研究における複数モデル群の検証予測を比較します。情報係数は予測値とその後のリターンの順位相関、AUCは上昇・下落ラベルの順位付け、対数損失は確信度の高い誤りに大きなペナルティを課す確率予測の精度を測る指標だと説明します。それぞれ異なる問いに答えるため、AUCが改善する一方で対数損失が悪化することもあります。また、どちらの順位指標も、有用なリターンの大きさや確率の較正を示すものではありません。…

この実装では、深層学習研究のパネルデータに使う系列ウィンドウをまとめて構築する方法を説明します。各資産の観測値を連続した行に詰めるのではなく、パネルが想定するカレンダーに沿ってウィンドウを作ります。欠損セッションは未観測セルのまま保持し、観測状況とデータの古さを示す指標を付けます。これにより、設定上の過去参照期間が意図せず実際より長い期間をまたぐことを防ぎます。適格性の規則では、観測済みデータの最低割合を定め、連続する欠損の数を制限します。…

このノートブックでは、重複データの処理、欠損区間のフラグ付け、ドメインフィルター、反転に基づく急変検出、外れ値のクリッピング、カテゴリ変数のエンコーディング、頻度の異なるデータセット間の整列など、市場データや企業データを扱う実践的なクリーニング方法を紹介します。中心となる教訓は、スケーリングやクリッピングの境界など、データから学習する前処理パラメーターは学習用分割で適合し、その後に検証データまたはテストデータへ適用する必要があるということです。サンプル全体を使って適合すると、モデル開発に未来の情報が漏れる可能性が…

このノートブックでは、予測値が似ている場合や、異なる乱数シードやアーキテクチャでモデルを再適合した場合に、SHAPの寄与度が安定するかを調べます。ETFの将来リターンを使い、予測値は近くてもSHAPのプロファイルが異なるサンプルの組を探し、複数のLightGBM適合結果とRandom Forestの特徴量重要度を比較します。予測性能の評価にはクロスセクション情報係数を使い、寄与度プロファイルの比較には平均絶対SHAP値を使います。…

このノートブックでは、Polymarketの暗号資産決済型イベント契約と、規制下にあるKalshiの契約を比較します。アクセス規則や上場方針によって、各市場が示す価格や問いがどのように決まるかに焦点を当てます。少量のPolymarketスナップショットを調べ、対象となる市場数と日付を確認し、Bitcoinの価格しきい値の段階的な契約を特定して、しきい値が上がるにつれて価格が下がるかを検証します。また、確率特徴量を作成し、両市場で重複する連邦準備制度関連のイベント契約を比較します。…

この文書は、SECの8-K報告書を構造化された企業イベントに変換するパイプラインを説明しています。言語モデルがイベント間の関係を抽出し、明示的なスキーマ検査でエンティティ名、関係の種類、カテゴリ、日付を検証します。決定論的な正規化でエンティティ表記を整え、裏付けのない値を含む記録はレビュー用に未解決のままにします。提出書類の項目番号は文脈として渡し、複数の項目は保持します。欠落した項目は推測せず、欠落として識別します。…

このノートブックは、暦年にわたるUS株式の2つの線形モデル構成から得た実際の検証データ上の予測誤差に、2種類の逐次検出器を適用しています。2期間の平均シフト検出器は誤差の大きさの変化を探し、悪化日頻度モニターは方向予測が外れる頻度を追跡します。各検出器は初期期間のデータで較正し、その後のセッションを監視するため、評価対象期間に合わせたしきい値の調整を避けています。アラートを移動ボラティリティに基づく市場混乱の代理指標と比較し、混乱局面に対するアラートの符号付き時間差も保持して、早期警告と遅れた検知を区別しています…

このノートブックでは、S&P 500株のアット・ザ・マネーのショート・ストラドルについて、将来リターンのラベルを作成しています。日次パネル上の名目30日ストラドルは、セッションごとに異なる契約を表すため、価格系列を単純にずらすと異なる金融商品が混在します。その代わりに、ラベルは実際に建てたコールとプットの個別契約を追跡し、その後の価格または決済価値を取得して、各取引に有効なエントリーと決済のデータがあるか確認します。また、満期保有リターンを主要指標とし、デルタヘッジ型を含む固定期間の診断指標と区別しています。…

この文書は、2026年に米連邦準備制度が政策金利の誘導目標を引き上げるかどうかについて、強気・弱気の立場から構造化して議論した記録です。3つのエージェントが問いを検討し、論拠は連邦準備制度の見通し、インフレ、労働市場の状況、金融機関の予測、過去の政策変更に基づいています。強気の見方はインフレの持続と連邦準備制度が方針を転換する可能性を重視します。弱気の見方は利下げまたは金利据え置きの予測、雇用の減速、引き締め政策の効果が発揮されるまで待つ可能性を指摘しています。…

このノートブックは、ケーススタディのバックテストから得た戦略のコスト別分析を用いて、グロスとネットのシャープレシオを比較します。各稼働戦略の構成について、記録済みの成果物から想定する片道ごとのコストとリバランス頻度を読み取り、想定コストでのシャープレシオを補間し、シャープレシオがゼロになるコストを推定します。分析範囲の上限でも利益が残る場合、損益分岐点は実際に観測された交差点として報告せず、右打ち切りとして扱います。頻度別の分類には明示的な売買回転率の乗数を使用しますが、ノートブックでは実測値ではなく仮定と位置付…

この研究は、投資機会が確率的ファクターに依存する不完備市場において、べき効用を持つ投資家の無限期間の投資と消費を扱います。有限状態ファクターと伊藤拡散過程でモデル化したファクターの両方を対象とし、動的ポートフォリオ選択をハミルトン・ヤコビ・ベルマン方程式の解と結び付けています。…

この文書は、指値注文板の複数価格水準における純買い・純売りの活動をベクトルで表す、複数階層の注文フロー不均衡を検討しています。流動性の高いNasdaq上場6銘柄のデータを用い、この指標と同時点の仲値変化との単純な線形関係を当てはめています。中心的な知見は、不均衡指標に板の価格水準を追加するほど、アウトオブサンプルの適合度が向上することです。…

この研究は、NSEの500銘柄から構成した現物モメンタム・ポートフォリオを、日次、週次、月次、年次の期間で評価しています。2014～2021年の過去リターンとリスク特性を調べ、各期間で最も高いパフォーマンスを示したポートフォリオをNIFTYの50ポートフォリオと比較しています。著者らは、対象期間中、選定した各モメンタム・ポートフォリオがベンチマークより高いリターンと優れたリスク指標を示したと報告しています。…