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
このノートブックでは、価格ボラティリティ、資金調達率、プレミアムの直近平均からの乖離を調整し、介入下で暗号資産無期限先物のプレミアムのZスコアが、その後の8時間リターンと関連するかを推定します。二重機械学習では、交絡因子から結果と処置を別々に予測し、その残差同士の関係を分析します。クロスフィッティングにより、各観測値は自身の残差を生成するモデルから除外されます。また、時系列順の分割とエンバーゴによって、交絡調整用モデルが後のデータを使わないようにします。…
このノートブックでは、オプション市場の指標を使って銘柄間の将来リターンを順位付けできるかを評価します。オプション由来特徴量に線形モデルを適用し、ウォークフォワード検証を使ってリッジ、ラッソ、エラスティックネットのペナルティ強度を比較します。特徴量には、満期ごとのインプライド・ボラティリティ、ボラティリティ・スキュー、期間構造の傾き、分散リスクプレミアムなどが含まれます。正則化は関連する特徴量間の冗長性に対処し、ラッソとエラスティックネットは一部の係数をゼロにすることもできます。…
このノートブックでは、GARCHがボラティリティのクラスター化をセッションごとの特徴量に変換する仕組みを説明します。まずリターンの図とARCH-LM検定を使い、二乗リターンが自身のラグに依存するかを調べます。GARCH(1,1)モデルでは、新たなショックへの反応と過去の分散の持ち越しによって、ボラティリティ推定値が変化し減衰する速さが決まります。非対称な拡張モデルでは、負のリターンと正のリターンがボラティリティに異なる影響を与えることを許容します。また、条件付きボラティリティをリスク指標に使う方法や、超過回数を数…
この研究では、オプション市場の指標で将来の株式リターンを順位付けできるかを調べます。特徴量には、満期ごとのインプライド・ボラティリティ、プット・コール・スキュー、期間構造の傾き、分散リスクプレミアムが含まれます。多くの指標が重複する形で表現されるため、幅広い正則化強度で線形モデルを比較します。リッジは相関する係数を縮小し、ラッソとエラスティックネットは特徴量を取り除くこともできます。ウォークフォワード検証では、宣言したモデル設定を適合し、銘柄、日付、分割を揃えた予測を生成します。…
このノートブックでは、敵対的確率的割引ファクターの設計を米国株の日次データに応用します。ポートフォリオウェイトのネットワークが翌日の超過リターンからファクターを形成し、競合するモーメントネットワークがプライシングカーネルの学習を支援します。別のベータネットワークは、資産ごとのリターンとファクターの積を予測します。意思決定時の終値で利用できる過去の株式特性と遅延したマクロ経済状態によって、ウェイトを決めます。このノートブックではSDFウェイトとベータ予測を区別し、ファクターの価格付け診断と横断的な順位付け性能を分け…
このチュートリアルでは、個別のES契約から連続先物系列を構築します。単調なロール制約のもとで取引高を使って期近限月を特定し、出来高に基づく切り替えと暦日に基づくタイミングを比較します。また、アウトライト契約とカレンダースプレッドを分ける理由、曖昧な1桁の年コードではなく契約定義または観測された取引履歴から満期を判断する理由、データセット比較の前にバー頻度を確認する理由を説明します。…
このノートブックでは、実際のサプライチェーン知識グラフと機関投資家の13F保有情報を機械学習の特徴量に変換します。中心性や依存度の指標などのネットワーク指標を導出し、サプライヤー集中度と競争上のエクスポージャーを推定するとともに、保有者の広がり、集中度、共同保有を表す保有シグナルを作成します。また、事業運営情報と保有情報を組み合わせたグラフ横断特徴量を作り、企業別の特徴量を横持ちと縦持ちの形式で出力して、モデリングや情報係数の分析に使えるようにします。…
このチュートリアルでは、過去のリスク調整済みモメンタム順位と米国債のイールドカーブに基づくレジームフィルターを使い、月次のETFローテーション・シミュレーターを構築します。各月末に、直近の価格履歴を使って10本のファンドを順位付けします。リスクオンの月は上位3本を均等保有し、リスクオフの月は固定の債券配分に切り替えます。シグナルには終値時点で利用可能な情報を使い、取引は次の取引日の寄り付きで約定させます。比例手数料と現金制約も明示しています。比較用に、固定の60/40株式・債券ポートフォリオも同じシミュレーターで…
このノートブックでは、ETF予測戦略の運用サイクルを示します。市場データを更新し、金融特徴量を再計算し、Ridgeモデルを再学習してデプロイ用成果物を保存し、最新の横断予測を生成します。次に予測をバックテストエンジンで再生し、選定したバスケットをペーパーブローカー向けに準備します。研究評価と、全期間データを使った単一のデプロイ用学習を分け、研究レジストリから検証済みの正則化設定を引き継ぎます。ドライランでの再生がデフォルトで、ブローカーへの注文送信は明示的に設定できます。…
このノートブックでは、横断的なETFリターン予測について、LightGBMと小規模な多層パーセプトロン、TabM、任意でTabPFNを比較します。モデルは共通のウォークフォワード分割で順位情報係数を使って評価し、時系列順の検証区間を早期終了または反復回数の選択に用います。ニューラルネットワークには、TabM向けの共有バックボーン型アンサンブル設計が含まれ、MLPはシンプルなベースラインとして使われます。また、再学習にかかる実務上のコストを評価するため、学習時間も記録します。…
このノートブックでは、市場活動をモデル化した取引コストと戦略の運用可能規模に結び付ける枠組みを構築しています。平方根インパクトモデルを紹介し、ボラティリティと平均日次出来高を主要な入力として特定するとともに、市場データから得られる数量と、トレーダー自身の執行記録を必要とするインパクト係数を区別しています。また、注文を執行する期間に対する参加率を測るべき理由を、日中出来高の推移を使って示しています。…
この資料では、取引、気配値、指値注文板の分析に使う4つの株式市場データソース、AlgoSeek TAQ、Databentoの注文単位の市場データ、NASDAQ ITCH、IEX HISTを比較します。各ソースの粒度、対象範囲、費用やアクセス条件、必要な保存容量、データが解析済みか再構成を要するかを説明しています。例を通じて、最良気配のフィードと全板情報または注文ごとのメッセージを区別し、集約された分足データから注文板を再構成できない理由を解説します。…
このノートブックは、保持された実際のストラテジーの実行結果と、それに対応するML4Tバックテストのプロファイルを比較する監査から、LEANエンジンの結果を切り分けています。対応する4つのワークロードとして、ETF配分、暗号資産無期限先物の資金調達、USD建てのFX配分、US株式パネルを特定しています。凍結されたCME先物バンドルは、対応するネイティブLEANサブスクリプションの作成に必要な日付付き契約チェーンとロールマップがないため、対象外です。比較では、約定、評価額、タイムスタンプの一致、株式価値と最終価値の差…
このノートブックでは、標準化されたETFデータの読み込み、特徴量レジストリ、シグナル診断をつなぐワークフローを紹介します。指標のメタデータを確認し、デフォルト値や明示したパラメーターで特徴量を計算し、設定を保存して再現可能なパイプラインにする方法を示します。指標の複数の期間は、別々に計算して結合できます。ライブラリのRSIと手動の指数平滑化版を比べ、平滑化方法などの実装上の選択によって値が変わる例も示します。…
このノートブックでは、匿名化された企業特性とリターンのパネルを使い、ランダムフォレストをXGBoost、LightGBM、CatBoostと比較します。データセットには時系列に沿った学習、検証、テストの分割が用意されています。主な評価指標にはスピアマン順位情報係数を使い、追加指標としてR²と平均二乗誤差も用います。ブースティングモデルには正則化とサンプリング制御を使い、XGBoostでは検証データに基づく早期終了で反復回数も選びます。…
このノートブックでは、バリュー・アット・リスクを損失の分位点として、条件付きバリュー・アット・リスク、すなわち期待ショートフォールを、その閾値を超える損失の平均として説明します。幅広い株式ETFを対象に、経験的な過去分位点、ガウスモデル、歪度と尖度を調整するCornish-Fisher法、適合したStudent-t分布からのシミュレーションという4つの手法で、1日分のテールリスクを推定します。次に予測値と実現損失を比較し、例外の件数を調べ、5つのETFを均等加重したバスケットで分散効果を検討します。…
このノートブックでは、選択した暗号資産無期限先物の資金調達戦略について、ホールドアウト予測を作成する方法を説明します。検証結果から設定を特定し、選択されたチェックポイントを引き継ぎ、ホールドアウト期間前に終わるデータで新たな学習仕様を作成します。ラベルバッファーによってラベルの結果期間がホールドアウト期間に及ばないようにし、検証時の適合とは異なる学習識別子が生成されたことを確認します。…
このノートブックでは、登録済みでカバレッジが十分な候補から検証用設定を再構築し、選択済みのS&P 500株式・オプション戦略を評価します。均等加重のベースラインから配分、リスク制御、コスト感応度へと続く選択過程を追い、別の予測段階とバックテスト段階で得られたホールドアウト結果を確認します。各診断を分けて扱い、段階ごとの推移、リスク変化の対応のある不確実性、コスト控除後の維持、複数設定を試したことへの補正を評価します。…
このノートブックでは、共分散推定にノイズがある場合の平均・分散配分の代替手法として、階層的リスクパリティを説明します。HRPは相関距離を使って資産をクラスタリングし、階層に沿って並べ替えた後、並べた集合を再帰的に二分し、推定分散を使ってグループ間に配分します。行列の反転は避けられますが、推定相関と推定分散には依然として依存します。この3段階の手順で分散されたウェイトが保証されるわけではなく、逆分散による分割は低ボラティリティ資産に大きく集中することがあります。…
この文書では、リターンを重複する期間に分け、各期間を経験分布として扱うことで相場局面を識別する方法を説明します。対応する順序付き分位点を使って期間間の距離を測るため、平均や分散が似ていても、極端な損失の位置を含む分布全体の違いが重要になることがあります。クラスタリングには、ワッサースタイン距離を用いたLloydアルゴリズムを使い、距離の指数に応じて分位点ごとの中央値または平均をクラスタ代表値とします。…
このノートブックでは、登録済みバックテストと固定された選択手順を使い、週次のS&P…
この調査では、NVDAのマーケット・バイ・オーダーデータから、分単位の注文フロー圧力指標を作成します。注文の追加、取消、約定を売買側別に符号付けし、イベントの規模と仲値からの距離で重み付けして、得られた圧力系列を平滑化します。続いて、仲値での事後評価価格と判断時点で約定可能な価格の両方を用い、複数の将来期間でこの指標がリターンを予測するかを調べ、統計的な関連と実際に取引可能な成績を区別します。…
このノートブックでは、計測可能な潜在ファクターモデルの構造を保ちながら、企業特性からファクター・エクスポージャーへの線形写像をニューラルネットワークに置き換える条件付きオートエンコーダを提示します。月次リターンは、特性に応じたエクスポージャーと月次ファクターリターンの積として表されます。この手法は2段階のファクター構造を維持しながら、企業属性とファクター・エクスポージャーの非線形な関係を許容します。…
この文書では、検証データで選んだ設定を使い、確保されたNASDAQ-100のマイクロストラクチャー・ホールドアウト期間向けに予測を作成する方法を説明します。ホールドアウト前に終了する履歴だけで選択済みモデルを再適合し、宣言された最長の結果期間をカバーできる幅のラベルバッファーを設けます。再適合には別の学習識別子を付与し、選択モデルの検証期間がホールドアウト期間と重複していないことをノートブックで確認します。…