ナレッジライブラリ

本論文は、1時間ごとの価格・取引高の特徴量とRedditのセンチメントを組み合わせ、ビットコインの短期的な価格方向を予測するモデルを提案します。ローリング・ボラティリティ指標で各観測を安定局面または変動局面に分類し、学習されたゲートでセンチメント情報と価格情報の相対的な重みを変えます。変動局面ではセンチメントを重視し、安定局面では価格の動きを重視します。3時間後と6時間後の予測で、価格のみ、センチメントのみ、固定的に融合する各モデルと比較し、構成要素を除いた分析も報告しています。…

本論文は、価格リターンや頻繁に更新されるシグナルを用いて複数の暗号資産を取引する枠組み、マルチファクターInception Networks（MFIN）を提示します。暗号資産の履歴が短いという課題に対応するため、ネットワークのハッシュレートや検索関心度などのファクターを加えることを提案します。MFINはDeep Inception Networksを拡張し、複数のファクターと資産をまとめて処理します。…

本論文は、決算発表後もリターンが動き続ける株式市場の異常、決算発表後ドリフト（PEAD）に教師あり機械学習を適用します。モデルにはXGBoostと、Russell 1000構成企業1,106社の1997～2018年の四半期決算発表データから作成したファンダメンタルおよびテクニカル特徴量を使用します。モデルの最適化には遺伝的アルゴリズムを用います。ドリフトの方向と、その要因が業種や暦四半期によってどう異なるかを分析します。…

この論文は、短期のETF購入判断を積み重ね、より長い期間で資産形成を目指すシステム投資手法を提案しています。進化的アルゴリズムと深層学習モデルを組み合わせ、従来の日次積立と比べて購入タイミングを改善します。決められた日に毎回同じように投資するのではなく、購入判断を時間とともに調整することを目指しています。…

StockGPTは日次株式リターンを数値トークンの系列として扱い、自己回帰モデルを学習させて将来のリターンを予測します。そのアテンション機構は、従来の価格ベースのシグナルを手作業で指定せず、リターン履歴から時間的なパターンを直接学ぶことを意図しています。この論文では、日次または月次でリバランスするロング・ショート・ポートフォリオを使って予測を評価します。…

この文書は、Black–Scholes方程式を時間方向に解いてオプション価格を予測する実証手法を説明しています。この問題は不適切問題であるため正則化を用い、一意性、安定性、収束性に関する定理を定式化しています。個別オプションの過去データを使い、大量のオプションとRussell 2000指数を対象に実証研究を行っています。…

この文書は、各資産自身のモメンタム履歴と他資産に対するモメンタムを組み合わせた時空間モメンタム戦略を提示しています。ニューラルネットワークでポートフォリオ全体のトレードシグナルを学習し、時系列モメンタムと横断面モメンタムを別々の戦略ではなく、関連する入力として扱います。…

この研究は、分散型融資プロトコルの契約をオプションとしてモデル化します。借り手をオプションの買い手、貸し手を売り手として扱い、ローン・トゥ・バリュー比率がプレミアムの決定に役立ちます。無裁定価格理論を使って契約価値を分析し、市場摩擦も貸出金利と借入金利の差もない場合、最適な選択は契約を一切結ばないことだと報告しています。次に、実際の価格評価とヘッジの問題を変える条件として、金利差と取引コストを取り入れます。…

この研究は、簡潔に説明できる一方で数学的には難しい環境において、深層強化学習が最適なトレード戦略を再現できるかを検証します。環境との相互作用を通じて行動選択の方策を学習する手法、深層決定論的方策勾配に焦点を当てています。最適戦略またはその近似がすでに分かっている設定を選び、学習された行動や報酬を参照解と比較できるようにしています。…

この文書は、市場モデルの不確実性のもとでも収益性の維持を目指す統計的裁定取引戦略を見つける、データ駆動型の手法を説明しています。深層ニューラルネットワークで多数の証券をまとめて扱うため、最初に共和分するペアを特定する必要がありません。これにより、従来のペアトレードがうまく機能しない場合や、より高次元の市場にも手法を広げられます。…

ノイズの多い市場でどの取引スタイルが存続するかを、大規模なエージェントベース・シミュレーションで調べています。MAS-Utopiaモデルには五つの類型にわたる10,000体のエージェントが含まれ、5年間の高頻度データを用います。シミュレーションでは取引摩擦がなく、エージェントには無条件のベーシックインカムが与えられます。この条件下では、市場の方向に適応するトレンドフォロー型エージェントが、現在の動きに逆らう平均回帰型エージェントよりも時間の経過とともに良好な成績を示します。…

譲渡益課税と実現損失に伴う税制上の利点が、株式売買の判断にどう影響するかを研究しています。強化学習環境で平均取得価額を用い、税を考慮する戦略と無視する戦略の両方をエージェントに学習させる方法を提案しています。中心的な教訓は、税の扱いによって望ましい取引のタイミングや銘柄選択が変わり得るため、継続的な株式取引を最適化する際に税を直接モデル化することが重要な場合があるという点です。…

CTBenchは、連続取引、高いボラティリティ、急速な状態変化を特徴とする市場を背景に、合成暗号資産時系列を評価するベンチマークです。452トークンのデータを集め、四つの市場状態にわたって代表的な生成モデル八つを評価します。13個の指標は、予測精度、横断面の順位付け、取引結果、リスク、計算コストを対象とします。…

シグナルが平均回帰型のオルンシュタイン・ウーレンベック過程に従い、そのパラメーターが隠れた状態に応じて変化する場合の最適取引を研究しています。再帰型ニューラルネットワークと強化学習を組み合わせ、観測値からシグナルの潜在平均、平均回帰速度、ボラティリティに関する情報を推定し、その情報を取引に活用します。…

自律型の強化学習トレーダーだけで構成される指値注文板をモデル化しています。微視的な注文マッチングエンジンを使い、エージェント間の相互作用が注文フロー全体と市場インパクトをどう形作るかを調べます。モデルは、エージェント数や観測可能な市場の厚みに関連する、秩序ある価格発見と非常に不安定な連鎖状態との境界を特定します。…

本資料は、大規模言語モデルを基盤とする暗号資産取引エージェント、CryptoTradeを説明しています。著者らが透明で不変とするオンチェーン情報に、タイムリーな文脈を与え得るニュースなどのオフチェーンシグナルを組み合わせます。省察機構は過去の判断結果を見直し、日々の取引判断に役立てます。従来の時系列ベースラインだけに依存せず、取引のフィードバックをプロセスに取り込めます。…

本研究は、ディープヘッジのポジションとデルタヘッジのポジションの差が統計的裁定取引に相当し得るかを調べています。完備市場の前提から導かれた先行研究の主張を取り上げ、その力学から外れるGARCHベースの市場モデルでも同様の結論が成り立つかを検討しています。…

DeepUnifiedMomは、複数の時間軸にわたる時系列モメンタムシグナルを組み合わせるポートフォリオ構築の枠組みです。マルチタスク学習とマルチゲート混合専門家アーキテクチャを使って統合ポートフォリオを形成し、狭い時間軸に絞る戦略では捉えにくいモメンタムの動きを取り込むことを目指します。…

この論文は、価格のジャンプと拡散を引き起こす隠れた要因から統計的裁定シグナルが生じる場合の最適取引を研究しています。トレーダーの注文も気配価格や約定価格に影響を及ぼすため、この問題には不確実な市場状態とトレーダー自身の価格インパクトの両方が含まれます。提案手法は潜在状態の事後分布を追跡し、それを使って取引問題を明示的に解きます。検証定理が解を裏付け、期待値最大化法の変法でモデルを較正できます。…

この文書は、ニューラルネットワークの予測から売買シグナルを生成する、高頻度株式取引アルゴリズムの提案を概説しています。比較するのは、交差エントロピー損失と準ニュートン法で最適化するロジスティック回帰、全結合ニューラルネットワーク、サポートベクターマシンの3手法です。示された根拠では、ニューラルネットワークは株価データから特徴を抽出して分類でき、サポートベクター法は観測値をより高次元の空間に写像して分類します。…

この枠組みは、合成オプション生成における循環性に対処します。通常、インプライド・ボラティリティは観測されたオプション価格から推定されますが、合成価格を得るにはインプライド・ボラティリティの入力が必要です。まずJump Hidden Markov…

この研究は、金融データやブロックチェーンデータと組み合わせたニュースやソーシャルメディアのテキストが、ビットコインとイーサリアムの価格予測を改善するかを調べています。事前学習済みおよびファインチューニング済み言語モデルを辞書ベースのセンチメント手法と比較し、BART MNLIのゼロショット分類で強気または弱気の内容を識別します。予測対象には日次変動に加えて局所的な価格極値も含まれ、取引頻度とポートフォリオのボラティリティを抑えることを意図しています。…

この文書は、カルマンフィルター、ボリンジャーバンドのシグナル、KalmanNetアーキテクチャに基づくニューラルネットワークを組み合わせたペア取引方針KBPTを紹介します。従来の手法では、2資産間の関係をガウスノイズを伴う線形状態空間過程としてモデル化します。このモデルはペアの挙動を近似するにとどまる可能性があるため、そこから得られる指標や取引の信頼性が低い場合があります。これに対してKBPTは、部分的な共和分を許容する拡張状態空間モデルを用い、追跡プロセスの改善を学習します。…

この文書では、平均回帰取引の問題に深層強化学習を適用する方法を説明しています。多くの手法から選んだり、古典的な基礎からエージェントを構築したりする必要がある実務者に向けて、近年の強化学習手法を利用しやすくすることを目指しています。提案された実演では、もともと戦略ゲーム向けに開発された強化学習ライブラリを使い、金融上の意思決定に適用しています。…