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
実際のETFデータと価格から算出したモメンタムの例を用いて、単一ファクターを評価します。将来リターンに対するクロスセクションのSpearman情報係数を測定し、期間ごとに比較します。また、日次クロスセクションICの平均と、全観測値をまとめて計算する相関係数の違いを説明します。さらに、ICIR、統計的不確実性、分位点リターン、上位と下位のスプレッド、単調性、売買回転率、シグナルの減衰も扱います。対象範囲と鮮度の確認では、ファクターが存在し、想定どおり更新されるかを調べます。…
NASDAQ-100マイクロストラクチャー戦略の将来リターンに対して、候補となる金融特徴量とモデルベース特徴量をスクリーニングするケーススタディです。時間経過に伴うクロスセクションの順位情報係数を計算し、依存性と多重検定を考慮した推定を行い、分位点ごとのリターン形状や特徴量の重複を調べます。対象範囲と鮮度を確認し、疎すぎる、または変化が少なすぎて信頼できる解釈が難しい特徴量を特定します。証拠を添えて、継続、修正、中止の判断を記録するトリアージ台帳を用います。…
シグナルルール、配分、リスクオーバーレイを対象とする登録済みの検証バックテストから、CME先物のケーススタディを選択します。異なるリターン期間の候補を比較し、検証シャープレシオが最も高い設定を選びます。コスト感度分析は選択プールに候補を追加するものではなく、選択済みの設定を説明するために行います。比較を再現できるよう、正規の実行では候補の構成を固定します。…
分足とNBBO気配値を用いて、NASDAQ-100銘柄の将来の日中リターンラベルを作成する方法を説明します。シグナル後の次の足から指定した将来時点までのリターンを定義し、ビッド・アスク・バウンスを抑えるために気配値の仲値を使い、スプレッドは別の摩擦コストの推定値として扱います。取引所のスケジュールに沿って各期間を区切り、ラベルが取引時間をまたいだり、早引け後の古い補完足を使ったりしないようにします。宣言した時間の期間を足数に変換するのは、観測された時間間隔を確認してからです。…
このケーススタディでは、アット・ザ・マネーのショートストラドルを対象に、満期までのリターンを予測する勾配ブースティングモデルを比較します。木の複雑さと、二乗誤差、絶対誤差、Huber損失という3つの適合目的を変えて評価します。ボラティリティイベントがあった年を含む2つの期間でウォークフォワード検証を行い、予測を情報係数（IC）で評価します。各ブースティング段階で独自の予測を生成するため、チェックポイントは別々のモデル候補として扱います。…
日次の市場データを最新に保つ運用ワークフローを紹介します。初期履歴を読み込み、期間が少し重複する差分を取得し、欠損日を確認して、鮮度と検証上の問題を監視します。重複期間を設けることで、データ提供元による直近の足の修正も取り込めます。OHLCVデータの更新期間は現在の日付ではなく、最後に完了した足までとします。提供元から部分的な取引セッションや価格が未確定のセッションが返される場合があるためです。このガイドでは、取引所カレンダーなしで欠損を補完すると、週末や祝日の人工的な足が作られる可能性も指摘します。…
この文書では、CME先物研究で検証データからモデル設定を選択した後、ホールドアウト期間の予測を生成する手順を説明します。検証結果から選択済みの設定とチェックポイントを取得し、ホールドアウト開始前に利用可能な履歴だけを使ってモデルを再学習します。ラベルバッファによって学習結果が評価期間に及ばないようにし、ホールドアウト用の適格性とモデルパラメーターを再計算します。登録された学習識別情報により、検証データで学習済みのモデルを再利用せず、新たに学習した証拠を示します。…
このノートブックでは、S&P 500の株式・オプション研究で主要ラベルを予測するパッチ化トランスフォーマーを学習させます。各銘柄の過去の入力期間を連続したパッチに分け、各パッチをアテンションのトークンとして扱います。アテンションは期間内の離れた箇所を直接比較でき、パッチ化によって系列が短くなります。大きなパッチは計算負荷を減らしますが、パッチ内の細部を圧縮します。このモデルのルックバック期間と学習スケジュールは、研究内の他の深層学習アーキテクチャと共通です。…
この設定では、S&P 500構成銘柄を対象に、週次のアット・ザ・マネー・ストラドル売りを検証します。ポジションは金曜日に建て、満期に向けて保有し、オプションのデルタ変化に応じて日次で株式ヘッジを行います。ポートフォリオでは期間が重複するコホートに資本を分散し、主な評価指標を満期までのリターンとします。時系列順の学習、検証、ホールドアウト期間に加え、複数のポートフォリオ配分方法と、分散リスクプレミアムがリターンを説明できるかの分析を用いて評価します。…
このノートブックでは、ファンド間の価格リターンに対して単一の重み系列を当てはめるETF確率的割引ファクターモデルを解説します。ファンドのエクスポージャーとファクターリターンを別々に推定するモデルとは異なり、価格誤差を基準に2つのネットワークを学習します。一方はクロスセクションから割引ファクターの重みを構成し、もう一方は各ファンドのエクスポージャーを推定します。目的はリターン予測ではなく、無裁定価格付けとして設定されていますが、ノートブックでは予測リターンのスコアも報告しています。…
この論文は、ハイブリッド型オンチェーン金融システムのワークフローを評価するための証拠アーキテクチャを提示します。封印されたマニフェストにシステムの識別情報、役割、スキーマ、リリース情報を記録し、登録済みの導出方法と共通の相関識別子を備えた7つの証拠レイヤーを保持します。来歴、関連するルート条件、ネガティブコントロール、再現可能なパッケージ化、過去データの再生、独立したレビューがすべて所定の要件を満たした場合にのみ、主張を次の段階へ進めます。ハッシュが一致するだけでは、証拠が独立して導出されたことを立証できません。…
MintEvalは、言語モデルがトレーダーの指示を、意図した戦略どおりに動作するコードへ変換できるかを評価します。組み合わせ可能な部品から参照戦略を作り、口語的な指示に変換して、モデルに実装を求めます。生成されたプログラムと参照プログラムを、同じ市場データとコスト条件で各バーごとに実行し、その行動を比較します。これにより、市場成績の差が実装忠実度の比較に影響しないようにしています。…
この研究は、連続時間のブローカー・トレーダーゲームにおいて、近接方策最適化がブローカーの売買速度を学習できるかを検証します。このゲームには解析解があります。連続時間の目的関数から離散報酬を導き、格子細分化と一段階の恒等式を用いて実装を確認したうえで、確率的な非情報注文フローの有無や部分情報の条件下で、学習済み方策を解析的ベンチマークと比較します。…
この文書は、従来の時系列分析では金融リターンがランダムに近く見えても、現代的な多変量統計によって検出できるパターンが含まれる可能性があると論じています。核物理学で用いられる手法に着想を得た分析を、ユーロ先物の高頻度価格変動に適用しています。特定された要素はボラティリティの範囲によって変化するトレンドフォロー挙動であり、関連条件を符号化するために売買システムを使用しています。…
この研究では、五十日（ごとうび）にあたる日本の日付にUSD/JPYが9:55に向けて上昇する傾向があるという報告済みのアノマリーを、トレーダーが利用できるかを検証しています。焦点は、そのパターンに基づく戦略が、投資家に知られた後も有効かという実務的な問いです。市場参加者が取引を始めると、繰り返し現れる市場効果が変化する可能性があるため、この視点は重要です。…
この論文は、株式市場で時間とともにポジションを選択する深層強化学習手法、Trading Deep Q-Network（TDQN）を紹介します。DQN手法を取引に応用し、戦略が最大化を目指す成績指標としてシャープレシオを設定しています。目的は、汎用の強化学習アルゴリズムをそのまま適用することではなく、取引中に適切なポジションを見つけることです。…
この論文では、時間とともに変化する複数のデータ系列間の関係をモデル化する方法を検討します。焦点となる柔軟最小二乗法（FLS）は、回帰係数の変化を許容するペナルティを通常の最小二乗法に加え、依存関係に制約の強い確率モデルを要求しません。金融分野では統計的裁定取引が主な応用例として挙げられています。 著者らは、FLSとカルマンフィルターの方程式が代数的に等価であることを示し、この関係を使って手法を説明するとともに、より効率的なアルゴリズムを提案します。S&P…
本研究では、5分足のOHLCVに基づく日中モメンタムシグナル14種類について、Micro E-Mini Nasdaq 100先物で2021から2025まで取引可能な優位性が得られたかを検証しています。947取引日を対象に、拡大型ウィンドウのウォークフォワード検証を行い、統計的な強さ、取引回数、現実的なコスト、テスト対象年を通じた一貫性、該当する場合の置換検定による有意性など、5つの要件に照らしてアウト・オブ・サンプルのリターンを評価しています。…
本研究は、ピンボール損失と実測カバレッジを用い、確率予測モデルを順位付けする統計指標を提案しています。これらの指標で最も成績のよい予測モデルを特定できるか、また順位付け指標がアウト・オブ・サンプルでの平均取引利益と関連するかを検討しています。焦点は分位点で表した予測と、それをトレード戦略で利用する方法です。…
本監査は、レジーム判定を組み込んだ予測から説明変数を除く方法を検討します。変数のラグ入力を削除することは、モデルの推定、フィルタリング、調整の全工程からその変数を除外することと同じではありません。その変数が推定されたレジーム判定にも影響しうるためです。研究者らはHMLからSMBへの予測関係を再構築し、4つの地域パネルにおける30のファクター方向へ分析を広げ、プール型および隠れマルコフモデルの予測を用います。また、共有ゲートのアブレーションと情報源の完全除外を比較し、モデル適合によるコストと基礎的な予測情報を区別す…
この論文は、AIや機械学習を用いる売買エージェントについて、公表済みの主張に疑問を呈しています。先行研究の一部は、限られた数のテストセッションや市場シナリオに基づいており、エージェントの性能を信頼性高く判断する証拠が不十分だと論じています。これに対処するため、著者らは並列クラウド計算を使い、幅広いパラメータ範囲と多数のセッションでテストしたと報告しています。これにより、より多くの実験結果を得ています。…
この文書は、相関する2つの資産にロングとショートのポジションを同時に取る、市場中立型戦略としてペアトレードを紹介しています。大まかな手順として、共和分のあるペアを特定し、相対価格の動きから売買シグナルを作り、リターンの改善を目指してモデルのパラメータを最適化する方法を説明しています。市場全体の方向に頼るのではなく、資産間の関係の変化から利益を得ることを目指します。…
この研究は、マルコビッツのポートフォリオ最適化の考え方を用いて、移動バンド型の統計的裁定を組み合わせた変動するポートフォリオを管理する方法を検討しています。単一の裁定機会だけを個別に扱うのではなく、こうした戦略の動的なバスケットを管理し、ポートフォリオ構築を中心課題として説明しています。…
この論文は、時系列モデルの検証における根本的な対立を検討しています。学習には十分な観測値が必要であり、テストフォールドはサンプルの十分な範囲をカバーする必要がある一方、各テスト点より前のデータで学習しなければなりません。学習データの十分性、テストのカバー率、将来データの漏洩、テスト点と将来の学習観測値との距離の関係を境界条件で定式化しています。また、ベータ混合性の仮定の下で漏洩バイアスを上から評価し、その大きさが時間的な隔たりに依存することを示しています。…