ナレッジライブラリ

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。…

このノートブックでは、大手US企業の一部を対象に、直近の10-K提出書類から抜粋した文章を使い、ローカルで実行するオープンウェイトの埋め込みモデル2つを検索タスクで比較します。両モデルには、技術、リスク、一般的なビジネストピックにまたがる固定クエリ群と、同じ2文の文章を与えます。実行を再現できるよう、コーパスとクエリセットをハッシュ化し、ノートブックではPrecision at kや平均逆順位などの検索指標を説明します。…

このノートブックは、企業間で特性値を順位付け済みの提供済みパネルを使い、US企業特性調査向けの月次モデル行列を作成します。変換を適合したりローリング期間を計算したりせず、同じ企業・月の行にある値から合成特徴量と交互作用を追加します。特徴量ファミリーの台帳には、各グループの入力、タイミング規則、根拠、想定される失敗要因を記録します。実現リターンを特徴量行列から除外し、企業識別子が別のラベルパネルと一致することを確認します。…

この文書では、オプション由来の特徴量から将来の株式リターンとリスク調整後リターンを予測するため、重み共有型ニューラルアンサンブルのTabMを適合させます。各メンバーは共通の2層ネットワークを使い、活性化のスケーリングと出力ヘッドは別々に持ち、予測を平均します。この手法は、オプション面にある相関した特徴量を動機としています。逐次的な分岐で特徴量を選ぶ木とは異なり、ネットワークは重み付きの層で特徴量を組み合わせます。宣言済みの学習チェックポイントにより、保存した各エポックを個別に評価でき、ウォークフォワードのフォール…

この設定メモでは、3クラス分類ラベルに対するL1ロジスティック回帰で、sagaソルバーとより厳しい収束許容誤差を選んだ理由を説明します。Nasdaqの市場マイクロ構造パネルで計測した実行時間と、報告されたアウト・オブ・サンプルの対数損失および正解率を挙げ、sagaとliblinearを比較します。計測した実行では速度と予測指標の両方でsagaが優れていましたが、パネル全体での実行時間は不確かだと報告されています。…

このノートブックでは、企業特性から将来リターンを予測する教師ありオートエンコーダを検討します。ニューラルネットワークの狭いボトルネックは維持しますが、関連モデルで使われる条件付きファクターの解釈と価格付けの制約は取り除きます。ネットワークは特性を直接リターンに対応させ、宣言した数のユニットを通じて入力を圧縮してから予測を出します。…

この実現可能性分析では、利用可能なパネルデータでUS企業の特性に基づく月次ロング・ショート戦略を評価できるか確認します。指標が順位として符号化されているかを検証し、企業を観測できる期間を示し、各リバランス日に両側のポジションに必要な数と企業数を比較します。月次スプレッドを想定した取引コストの範囲と照合し、ホールドアウトを未使用のまま、履歴がウォークフォワード検証を繰り返せるだけあるかも確認します。モデルの学習も予測も行いません。…

このノートブックでは、同じ月次ETFモメンタム戦略を2種類の方法でシミュレーションして比較します。目標ウェイト、ユニバース、日付、総取引コストは同一です。一方は遅行ウェイトと資産リターンからリターンを計算し、もう一方は約定、株数、現金を追跡しながら注文を逐次処理します。そのため、結果の差から、目標が反映されるタイミング、約定価格、整数株の制約、利用可能な現金などの執行上の前提を把握できます。…

このノートブックでは、リターンを予測することと、モメンタムがリターンを引き起こすと主張することを区別します。直近1か月を除く前年の株式リターンを処置変数、将来リターンを結果変数として扱います。直近のボラティリティ、非流動性順位、出来高比率を交絡因子候補として指定します。ダブル機械学習では、それらの変数から結果変数と処置変数の双方をモデル化し、残差化した結果変数を残差化した処置変数に回帰して効果を推定します。将来情報を使わないよう、両方の補助モデルをエンバーゴ付きのウォークフォワード方式で学習します。…

このノートブックでは、学習したグラフ埋め込みがUS株の表形式モデルに予測情報を加えるかを検証します。対象期間より前に測定した絶対リターン相関からネットワークを構築し、同じ対象期間前の履歴を使ってモメンタム、ボラティリティ、トレンドの特徴量を作成して、その後の株式リターンを予測します。比較では、各交差検証フォールド内でグラフ注意機構オートエンコーダーを学習し、その後、対応するホールドアウト株式について、グラフ由来の特徴量を使用する場合と使用しない場合のリッジモデルを評価します。…

このノートブックでは、ボラティリティの測定方法を比較し、粗さ分析とあわせて異質自己回帰（HAR）ボラティリティモデルを構築します。日中リターンから取引時間中の実現分散を推定し、日中の値動きと夜間リターンを区別したうえで、日次レンジに基づく推定量をより高頻度の指標と照合します。企業行動を調整していない価格、不完全な取引時間、欠落した取引所取引日など、データ上の落とし穴も指摘します。HARは短期・中期・長期のボラティリティ平均を組み合わせるため、係数を異なる市場リズムの寄与として解釈できます。説明変数の重なりがあるた…

この文書では、S&P…

このノートブックでは、CSV、Parquet、Feather、HDF5の各形式で、決定論的に生成した100万行のOHLCVパネルを保存・比較します。書き込み時間、データを実体化した読み込み時間、ファイルサイズ、2列だけを選択した読み込みを計測します。計測では書き込みを1回行い、ウォームアップ後にキャッシュが温まった状態で読み込みを繰り返し、その平均を取ります。Featherのメモリマップ読み込みをデータアクセス完了と誤認しないよう、データを実体化し、全件読み込みごとに期待した行数が返ることも検証します。…

このノートブックでは、金融ニュースの見出しを銘柄ごとのシグナルに変換するパイプラインを紹介します。ニュースコーパスを整形・標準化し、ティッカーと日付の組み合わせごとに完全一致または前方一致する重複を除去したうえで、文埋め込みを使って見出しの意味を表現します。ニュースサプライズは、ある日の埋め込みが直近の基準値からどれだけ離れているかを測ります。センチメント特徴量は平均的な極性と意見の不一致を捉えます。さらに、サプライズとセンチメントの方向を組み合わせ、ティッカーと日付ごとに観測値を集計し、情報係数とリターン区分を…

このノートブックでは、日次OHLCVデータのライフサイクルを説明します。初期履歴を読み込み、短い重複期間を含む差分を取得し、欠落した取引日を検出して、各銘柄のデータ鮮度と検証上の問題を要約します。更新期間をデータ提供元で確定済みの最新バーまでにする理由を説明します。当日分の行には未確定の価格が含まれる場合があります。また、重複期間を設けるとベンダーの改訂を取り込みやすくなります。用途に応じた差分更新、追記のみ、全件更新、過去データの補完の方法も取り上げます。…

このノートブックでは、固定されたロングオンリーのETFモメンタム・ベースラインが、2010から2024までのさまざまな市場環境でどう推移したかを診断します。各日次リターンが始まる前にわかっていたボラティリティとトレンドの指標を使い、拡張した過去データの中央値で高低の状態を定義します。利回り曲線のスプレッドも、選択したモメンタムETFを保有するか、ディフェンシブな債券の組み合わせを保有するかを決めます。次に、ボラティリティとトレンドの4通りの組み合わせごとにリターンとリスク指標を分け、各区分の観測数を報告し、加法的…

このノートブックでは、以前に選択した企業特性予測と固定されたポートフォリオ設定を1年間のホールドアウト期間に適用します。アウトオブサンプル評価を保つため、予測、配分、集中度、リバランス、取引コストについて新たな選択は行いません。ポートフォリオのコンフォーマル配分器は検証残差を使って予測の信頼性を推定します。残差が少なすぎる企業には、複数企業をまとめた代替幅を適用します。ウェイトはポートフォリオの各区分で幅の逆数を相対比較して決めるため、予測リターンの大きさだけを優先せず、信頼性を重視します。…

このノートブックでは、約定データからティックおよび出来高のインバランスバーを構築し、情報に基づくサンプリングを検討します。手動実装したティック・インバランスをライブラリのサンプラーと照合した後、期待バーサイズと適応設定を変えて、適応型、固定閾値型、ローリングウィンドウ型の手法を比較します。バーリターンは、バー数、平均サイズ、Jarque–Bera正規性検定、1期ラグの自己相関、分散比統計量で評価します。この枠組みでは、サンプラーの閾値構成要素を時系列で調べることを重視します。終点での期待サイズの変化だけでは、適応…

このノートブックでは、13F提出書類から構築した機関投資家の保有銘柄グラフを用いて、読み取り専用の質問応答ワークフローを示します。自然言語からデータベースクエリを生成する代わりに、対応が明確な質問を、対象エンティティを固定した手書きのCypherテンプレートに振り分けます。テンプレートは保有者、2銘柄を共通保有する機関、またはある機関の上位保有銘柄を取得します。データ提供元のスナップショットから最新の提出日を取得します。クエリでは公開済みの情報に絞り、最も新しい報告期間を選択することで、これら二つの時点を区別しま…

このノートブックでは、S&P 500の株式・オプション分析で、系列予測に用いるパッチ型トランスフォーマーを説明します。時間窓を連続したブロックに分け、各ブロックをトークンとして表現することで、短くした系列を扱いながら、注意機構が窓内の離れた部分を直接比較できるようにします。パッチの大きさは解像度とのトレードオフを決めます。大きなブロックは系列長を短くしますが、注意機構が個別に調べる前に多くの観測値をまとめます。…

このETF特徴量ノートブックでは、数式が過去の観測値を使っていても、推定パラメーターを通じて統計モデルから未来の情報が漏れる可能性を説明します。対策として、ウォークフォワード方式の再適合スケジュールを用います。最初にバーンイン期間を設け、各再適合時点までに利用可能なデータで適合し、次の再適合までの値を生成します。この手法を、隠れマルコフモデルによる市場レジーム、分数差分を施した基準ETF価格、ETFごとのGARCH(1,1)条件付きボラティリティに適用します。…