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。
1,853件の資料
このユーティリティでは、任意でモメンタムを含むFama–Frenchの3ファクターまたは5ファクターモデルを使い、戦略リターンを説明する方法を示します。日次ファクターデータを戦略リターンに揃え、リターンの頻度を検出します。戦略の観測が日次より少ない頻度であれば、ファクターリターンを複利で累積します。通常最小二乗法でアルファとファクターエクスポージャーを推定し、推論にはNewey–Westの不均一分散・自己相関一致標準誤差を使います。ロングオンリー戦略では無リスク金利を上回るリターンをモデル化し、ドルニュートラル戦…
このノートブックでは、BTC、ETH、SOLの時間足無期限先物データを使い、2モデルの決済設計を検証します。エントリー分類器が特に大きな将来リターンを特定し、その予測確率とテクニカル特徴量を別のモデルに入力して、次の24時間リターンがマイナスになるかを推定します。決済モデルの学習に使うエントリー確率は、拡大型ウィンドウのアウトオブフォールド予測から生成し、フォールド境界ではラベルが後の期間まで及ばないように除外処理を行います。…
このノートブックでは、NASDAQ…
この文書では、モデルの学習とローリング推論に使う時系列パネルを準備するデータセット用ユーティリティを説明します。学習用データセットは、設定可能な系列長、日付範囲、ストライドに基づき、特徴量、将来リターン、ボラティリティ尺度、マスクのスライド系列を返します。日付範囲は利用可能なパネル日付に対応付けられ、完全な系列を確保できない範囲はコンストラクターが拒否します。…
このノートブックでは、幅広いUS株式ユニバースの順位付けに使う、価格由来の特徴量を作成します。モメンタム、ボラティリティ、移動平均、テクニカル指標の種類を説明し、1セッション先のリターンラベルに対して評価します。設計の中心的なルールは、全セッションの系列を使って銘柄ごとのローリング特徴量を計算し、適格性のスクリーニングを適用してから横断分析の順位を計算することです。これにより、ローリング期間の意味を保ちながら、各日の順位を実際に売買可能な銘柄に基づくものにします。…
この研究では、NVDAの市場別注文データを10取引日分使い、日々の取引活動がバーによるサンプリングにどう影響するかを調べます。通常のUS取引時間に対象を絞り、取引所のラベルから売買主導側を分類し、日ごとの取引件数、株数、売買金額の変動を報告します。さらに、1日あたりの目標バー数に向けて時間、ティック、出来高、金額、不均衡バーの閾値を較正し、セッションをまたいだパラメーターの安定性を判断するために、日ごとのバー数と統計量を比較します。…
この分析では、無期限先物の資金調達率について、複数のモデル群による検証予測を比較します。情報係数は後続リターンの順位との相関を測り、AUCは上昇と下落の結果の並び順を測定し、対数損失は確率の品質を評価して、自信過剰な誤りにペナルティを与えると説明します。これらの診断指標が答える問いはそれぞれ異なります。順位付けの改善は、より良い確率較正を保証しません。また、予測だけを評価する指標から、どのトレード戦略が最も良いかは判断できません。…
このケーススタディでは、DeFi…
このノートブックでは、公表済みのファクターリターンをポートフォリオの構成要素候補として評価します。次の3点を分けて検討します。ファクターの平均リターンが厳しい統計基準を超えるか、持続する可能性のある要因によってファクター同士が分散効果をもたらすか、選定した危機期間にどのような成績だったかです。長期のAQRおよびFama-Frenchの系列を使い、系列相関を考慮して平均リターンの統計量を補正します。また、多数のファクター探索を考慮するために、一般的な有意水準と、より高い基準を比較します。…
このケーススタディでは、LSTMモデルを設定し、FXペアのラベルを予測します。再帰モデルが引き継ぐ隠れ状態、固定ルックバック変換が扱う過去の情報、畳み込みの受容野を対比し、他モデルとの比較は別の分析に委ねます。共通ランナーは学習前に系列長、アーキテクチャ設定、デバイス、ラベル、フォールド、チェックポイントのスケジュールを確定します。欠損した日次観測をまたぐルックバック期間は除外するため、検証カバレッジは元のパネルより狭くなる場合があります。…
このノートブックでは、ケーススタディのバックテストを対象に、損切り、トレーリングストップ、損失上限、ドローダウン遮断、ボラティリティ目標などのリスクオーバーレイを比較します。各研究のオーバーレイ結果を読み込み、可能な場合は配分段階のバックテストからベースラインを選び、そのパフォーマンスとオーバーレイ適用後を比較します。また、ルールの種類ごとに設定をまとめ、シャープレシオの平均・中央値の変化、改善した割合、ドローダウンの結果を調べます。…
このケーススタディでは、NASDAQ-100のマイクロストラクチャー特徴量に勾配ブースティング木を適用し、複数の日中時間軸でリターンと方向を予測します。木モデルと線形モデルを比較します。木モデルは、スプレッドに応じて注文フローの不均衡の振る舞いが異なる、といった条件付きの関係を発見できます。一方、線形モデルでは、そのような相互作用を明示的に与える必要があります。探索では木の複雑さ、損失関数、ブースティング反復回数を変え、複数のチェックポイントで予測を出力します。…
このノートブックでは、4段階の予測システムを構築します。調査エージェントの集合、確率の集約、敵対的な議論、そして見解の相違を特定して補足証拠を検索し、最終確率を出す監督役です。監督役の影響は、表明した確信度によって制御されます。無視する、前の結果と混合する、または置き換える、のいずれかが可能です。相関の仮定、各段階の重み、検索上限、確信度の扱いに関する設定値は、中央で一元管理します。…
このノートブックでは、取引コストが仮想的な日中戦略のリターンをどの程度損なうかを推定します。まず、1分足の気配値を使ってNASDAQ-100構成銘柄の出来高加重気配スプレッドを測定し、構成銘柄のスプレッド中央値を、スプレッドを跨ぐコストの実証的な基準値とします。マーケットインパクト、スリッページ、手数料など、その他のコスト要素はシナリオ上の仮定です。仮想のグロス・シャープレシオ、ボラティリティ、日次の往復ポートフォリオNAV回転率のプロファイルに対し、成行で跨ぐ執行、指値注文を段階的に出す執行、受動的な執行のコス…
この資料では、解析済みのNASDAQ ITCHメッセージを読み込み、注文の追加、削除、キャンセル、約定、置換から指値注文板を再構築するためのユーティリティを説明します。注文ごとの残存株数を追跡し、その後の板更新で現在の数量を使えるようにします。注文参照をたどることで、置換の連鎖にも対応します。スナップショットでは、複数段の買い気配と売り気配に加え、最良気配、スプレッド、仲値を出力します。…
このノートブックでは、ETFの順位付けシグナルをポートフォリオの形成から簡略化したバックテストまで追います。リッジ回帰とロジスティック分類をウォークフォワード分割で学習し、モメンタムおよび均等ウェイトのポートフォリオと比較します。月次リバランスでは、稼働中のシグナルがロングオンリーの上位10銘柄を選び、均等配分します。グロスとネットの成績指標、売買回転率、横断面情報係数を報告し、シグナルの順位付け能力と、そのポートフォリオを取引した結果が異なり得ることを示します。…
このノートブックでは、AAPL取引所の1日分の取引データから作成した時間バー、ティックバー、出来高バー、金額バー、インバランスバー、ランバーを比較します。最初の4つのサンプリング方法は、経過時間、取引回数、取引株数、取引金額で観測値をまとめます。インバランスバーとランバーは、推定した取引方向も使って符号付きの注文フローを捉えます。バー種別ごとにリターン分布と自己相関を比較し、出来高または金額に基づくサンプリングで時間バーより正規性が高まるかを調べることを提案します。…
この資料では、暗号資産無期限先物とプレミアム指数を調べるためのデータセットと手順を説明します。設定されたユニバースの時間足のOHLCVデータと8時間ごとのプレミアム値を取り上げ、ダウンロード、読み込み、絞り込み、基本的なプロファイリングの手順を示します。プレミアム指数は、無期限先物価格と現物価格の相対差として定義され、その符号は先物が現物を上回るか下回るかを示します。この資料は資金調達率裁定やプレミアムの平均回帰を研究するためのデータを紹介するもので、検証済みの戦略を実証するものではありません。…
このノートブックでは、時系列順のホールドアウトを保ちながら、モメンタムポートフォリオの損切り、利益確定、トレーリングストップのルールを調整します。1次元のパラメーター探索、ルールの組み合わせグリッド、決済済み取引の最大逆行幅と最大順行幅から導くストップまたは目標値の事前情報を比較します。候補設定を較正データで選び、後続期間で一度評価します。固定した設定の順位付けには、CAGRに基づくCalmarレシオを使います。…
このノートブックでは、S&P 500オプション研究における事前定義済みモデル群の一つとして、トランスフォーマー型系列モデルPatchTSTを適合させます。過去データ系列を固定長のパッチに分割し、トークンとして埋め込み、ウィンドウ内の位置同士の関係をアテンションで捉えます。LSTMの逐次的な再帰処理と比べると、アテンションは系列内の離れた部分を直接結び付け、ウィンドウを並列処理できます。位置情報は位置埋め込みを通じて学習する必要があり、パラメーター数が多いため、データが限られると適合が難しくなる場合があります。…
この概要では、資産クラス、ユニバースの規模、データ頻度、意思決定間隔、コストの前提、評価手順に基づいて、複数のトレード事例を整理します。各研究で明示された設定を読み取り、訓練・検証期間、フォールド数、ホールドアウト期間、シグナルからポジションへの変換などを比較表にまとめます。対象には株式、オプション、暗号資産、外国為替、先物、複数資産のETFが含まれ、市場や利用できるデータに応じた研究上の選択の違いを示します。…
この資料では、将来リターンの期間が重複するラベルについて、プールしたパネル自己相関とラベルの一意度に基づく有効標本数という2つの診断指標を定義します。自己相関の計算では、同じエンティティ内で、元のバーグリッド上の指定距離にある観測値だけを組み合わせます。エンティティごとに値を中心化してからプールすることで、エンティティ平均の違いによる見せかけの持続性を避けます。有効な組み合わせがないラグもNaNのまま表示します。…
このノートブックでは、推定期間の相関ネットワークを使って株式ユニバースの特性を把握し、ネットワークで分散したポートフォリオを構築する方法を示します。評価前に利用できるデータだけで流動性の高い銘柄を選び、リターン相関を距離に変換して最小全域木（MST）を抽出します。次数、媒介中心性、近接中心性で木構造のハブや橋渡しを要約し、逆中心性を使って構造上中心に位置する資産のウェイトを下げます。また、同期的なショック伝播の感応度分析を説明し、後続の評価期間でポートフォリオを比較します。…
このノートブックでは、ETFリターンとローリングボラティリティ特徴量の系列を、ロングオンリーのポートフォリオウェイトに直接変換するLSTM配分器を構築します。ソフトマックス出力により、ウェイトは非負で全額投資となります。リターンを予測してその予測を最適化器に入力する代わりに、学習目的関数は微分可能なシャープレシオを直接最大化します。時系列順に訓練・検証・テストに分割し、学習したウェイトを均等ウェイトおよび逆ボラティリティのポートフォリオと比較します。…