ナレッジライブラリ

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、欧州型、米国型、時系列モメンタム型を含むトレンドフォロー・システムの設計と比較の枠組みを構築しています。欧州型のシステムについては、損益、自己相関、ボラティリティで正規化したリターンのドリフトの関係を導きます。分数ARFIMA過程を用いた分析では、短期リターンに平均回帰があっても、長期の正の自己相関が収益性を支え得ることが示されています。周波数領域の見方では、低周波数側のスペクトル量が十分に強い場合にトレンドフォローが有利となり、ドリフトもより長いルックバックに役立つ可能性があります。…

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、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。…

このノートは、ユニバーサル・ポートフォリオ理論を一定比率でリバランスする戦略の枠を超えて拡張します。最終的な成長が連続する2つの市場リターンベクトルのそれぞれに線形に依存する双線形戦略を扱い、事後的に選んだ最良の同種戦略と比較します。Coverのユニバーサル・ポートフォリオ手法を応用した、成績に応じた加重平均法により、どの双線形戦略が最良かを事前に知らなくてもポートフォリオを構築します。…

AdaptiveTrendは、6時間間隔のトレンドシグナルと月次のポートフォリオ更新を組み合わせた体系的な暗号資産戦略です。ボラティリティに応じたトレーリングストップを使い、ローリング・シャープレシオと時価総額フィルターで資産を選び、ロングとショートに非対称に資本を配分します。著者らは市場に過去のプラスのドリフトがあることをロング寄りの配分の根拠とし、ボラティリティと資産成績の変化に合わせてエクスポージャーを調整する仕組みとして提示しています。…

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。…

平均回帰を利用するオンライン・ポートフォリオ戦略が、ベンチマーク用データセット以外でも良好に機能するかを実証的に評価します。パッシブ・アグレッシブ平均回帰、オンライン移動平均回帰、取引コスト最適化の三つの手法を検討します。研究者らは、2000年から2017年までのS&P 500構成銘柄の過去価格と、既存のベンチマーク用データセットを用いて、一般的な検証でこれらの戦略が特に優れて見える理由と、より新しい市場データでも機能するかを調べています。…

KM₂O-Langevin理論を用いて、株価変動を定常、非定常、中間の状態に分類します。この分類に基づき、定常期間には移動平均、非定常期間にはオシレーターである心理線という二種類のシグナルを選びます。価格の統計的特性の変化に合わせて機械的な売買判断を調整する方法として提示されています。…

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。…

この研究は、US株式を対象とした平均回帰型ペア戦略を構築しています。慣例的なペア取引の手法でペアを選ぶのではなく、最尤推定でオルンシュタイン・ウーレンベック過程に適合する静的ポートフォリオを組成します。推定したモデルパラメーターから逆張りシグナルを生成し、複数の検定を通じて取引しきい値とインサンプル期間の長さを選択します。 この文書は、インサンプル期間とアウトオブサンプル期間の両方でシャープレシオが1.9を上回る有望なペアを9組報告しています。例としてCCIとHCP、およびCCIとRealty…

この研究枠組みは、決定論的な指値注文板シミュレーターと、多変量のマーク付きホークス過程で生成する確率的な注文到着を組み合わせています。線形および非線形ホークスモデルが注文フローの集中をどう表現できるかを説明し、両モデルについて安定性とエルゴード性の結果を報告しています。また、適合したイベントモデルを評価するための時間再スケーリングや適合度診断も含みます。 著者らはBinance BTCUSDTおよびLOBSTER…

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。…

この研究では、ビットコインの内部ネットワークデータと外部特徴量を用い、複数の機械学習モデルで日次の価格方向を予測しています。予測は、2021の第1四半期に収集された未使用データを使った取引戦略で評価されています。二値シグナルによるリターンは、3か月のテスト期間でバイ・アンド・ホールドに匹敵すると報告されています。…

本論文は、マルチエージェント市場シミュレーターが生成する価格と出来高の系列を、過去の市場状況に似せる調整方法を検討します。こうしたシミュレーターは戦略の検証に役立ち、著者らは通常の期間と、COVIDパンデミック初期に見られた状況を含むストレス局面の両方を表現する必要性を強調します。…

本論文は、通常のモンテカルロ法で分散が大きくなり得る2つの状況、すなわち満期が非常に短い場合と、行使価格が大幅にアウト・オブ・ザ・マネーの場合に、Heston確率的ボラティリティモデルのヨーロピアン・コール・オプションを価格付けする重点サンプリング法を開発します。対数価格の累積母関数を大偏差解析し、シミュレーションで希少な価格事象が起きやすくなるよう、状態依存の測度変換を構成します。…

この研究では、スプレッドがジャンプを伴う平均回帰オルンシュタイン・ウーレンベック過程に従う場合の、ペアトレード向けモンテカルロ法を開発します。無限活動を許し、古典的なモデルより柔軟なスプレッド動態を表現できる分散ガンマ過程を使います。一般化されたモデルには解析解がないため、シミュレーションで最適な取引水準を求めます。…

この研究では、30銘柄のポートフォリオを対象に、適応型のトレード戦略を開発する方法として深層強化学習を検討しています。日次価格を学習データと取引環境に用い、エージェントをダウ・ジョーンズ工業株平均および従来型の最小分散ポートフォリオ配分戦略と比較します。明示された目的は、売買判断と投資リターンを最適化することです。…

本論文は、取引系列の累積リターンの上限を導出して証明し、その後、先進国と新興国の株式市場で従来型のテクニカル売買ルールを評価しています。市場を上回るリターンを生み出せるのかという、長年の問いを扱っています。収益性を調べるためにブートストラップ法を用い、結果をランダムな売買戦略と比較しています。…

本論文は、テクニカル・シグナルとニュース・センチメントを組み合わせる動的な暗号資産ポートフォリオ手法を提案しています。モメンタムの表現には14日間の相対力指数と単純移動平均を用い、ニュースのセンチメントはVADERで分析して、Google Geminiで検証しています。統合したシグナルを、制約付き平均分散最適化の期待リターン推定に利用しています。…

本研究は、金融ニュースから抽出したセンチメントをテクニカル指標や時系列予測と組み合わせる取引手法を説明しています。センチメント分析にはGPT-2とFinBERTを用い、得られたシグナルをモメンタムやトレンド指標と組み合わせています。戦略をARIMAおよびETSモデル、バイ・アンド・ホールドのベンチマークと比較評価し、資産価値とリターンで成績を測定しています。…

本論文は、BitcoinとEthereumの関係分析およびEthereumリターンの予測に、次元削減手法を評価しています。データセットには対数リターンと追加の共変量を用いています。著者らはまず、2つの暗号資産の関連性を予備的に測る指標としてPearson相関を用い、続いて正準相関分析と主成分分析によりデータの次元を削減して、資産間の関係を調べています。…

QuantNetは、複数の株式市場にまたがるトレード戦略を構築するための学習アーキテクチャです。各市場には専用のエンコーダーとデコーダーがあります。エンコーダーが市場固有のデータを表現し、共有のグローバルモデルが市場間の情報を処理し、デコーダーが市場固有の戦略を生成するためにローカル信号とグローバル信号を組み合わせます。この設計は、移転可能なパターンを捉えながら、各市場のモデルが固有の特性に適応できるようにすることを目指します。…