ナレッジライブラリ

この論文は、集中流動性を備えた定積型自動マーケットメーカーのモデルと戦略を構築します。大口注文や統計的アービトラージを含む流動性テイカーと、単一または複数のプールでポジションを管理する流動性プロバイダーの双方を扱います。Uniswap v3のデータなど市場データをモデル化の動機とし、複数取引所にわたる価格、流動性、取引コスト、共変動、リード・ラグ効果、波及効果、因果関係を分析します。…

この論文は、ベイズ共和分ベクトル自己回帰モデルのための適応型行列変量マルコフ連鎖モンテカルロ法を開発します。グリッディ・ギブスサンプリングを自動適応メトロポリス法に置き換え、相関するパラメーターブロックを持つ高次元システムでも、事後分布の推定を実用的に行えるようにすることを目指します。モデルでは共和分ランクも未知とし、ベイズ事後分布とベイズファクター分析を通じて、ランクとモデルパラメーターを同時に推定します。…

複数の顧客が同じ資産を求め、注文サイズ、期間、リスク選好が異なる場合に、取引デスクが注文をどう執行すべきかを論じています。先行する約定が価格を動かすことがあるため、取引収益の合計を最大化すると、後から執行される注文の顧客が不利になる可能性があります。提案するフレームワークでは、マルチエージェント強化学習を用いて各顧客の戦略を個別に開発しながら、グループ全体の成果のバランスを取ります。…

この研究では、価格履歴以外の情報がビットコイン・ドルのボラティリティ予測に役立つかを検討します。提案するCoMForEシステムは、過去の取引データに、関連ツイートのセンチメント、世間の関心を示す検索量、ブロックチェーンのハッシュレートデータを組み合わせます。AdaBoost–LSTMアンサンブルを用い、暗号資産価格の分布変化も予測対象とします。投資判断への活用も想定されています。…

この研究では、エージェントが過去の価格を限られた範囲で記憶して売買を選ぶマルチエージェント人工株式市場を記述します。自己学習の過程を通じてトレード戦略が変化するため、参加者が増えるにつれて市場の振る舞いがどう進化するかをモデルで調べられます。…

この論文は、複雑な関係を近似する低コストのAIシステムが、トレード戦略における情報の価格への反映をどう変えるかを考察します。市場効率性を均衡価格過程の枠組みで捉え、投資家の信念とモデルや最適化された戦略の複雑さを用いて、効率性の水準を区別しています。…

この研究は、市場に関するテキストに追随すべき時と、逆張りすべき時を検討します。機関投資家の発言（Say）、メディアによる反復（Echo）、明らかになった機関投資家のポジション（Do）を区別しています。線形二次モデルでは、情報を持つ機関投資家が、やや信じやすい群衆を前に発言し取引できる状況を表します。また、掲載時期と埋め込み表現の類似性を使って反復記事を特定し、テキストの埋め込み表現をその後のリターンに対応させ、価格経路から先に動いた主体を推定する手法も開発しています。…

この論文は、DNNフォワードテスティングと呼ばれる戦略選択プロセスを提案します。過去の価格に対する結果だけでトレード戦略を選ぶのではなく、まず深層フィードフォワードニューラルネットワークで将来の価格経路を予測し、その予測値にテクニカル指標を適用して評価します。選ばれた指標を、実際の将来市場での取引に用います。説明された手順には、10銘柄の探索的分析、k-meansに基づくボラティリティ分析、銘柄を限定して共通のボラティリティ係数で学習し、今後30日間の価格を予測する工程が含まれています。…

この研究は、暗号資産に関するソーシャルメディア上の議論の時期や話題が、その後の価格動向と関連するかを調べています。ソーシャルメディアコミュニティの投稿に動的トピックモデリングを適用し、ホークスモデルを用いて話題の出現と暗号資産価格の相互作用を分析します。この手法は、特定のリターンパターンに先行する可能性のある話題の特定を目的としています。…

この論文では、暗号資産価格を、時間とともに変化する非線形ポテンシャル場の中の軌道としてモデル化しています。ベイズ推論とガウス過程を組み合わせて過去の価格から場を推定し、推定したアトラクターとリペラーを市場環境や暗号資産間の構造的関係を示す指標として使います。提案するポテンシャル関数の存在を裏付けるため、リアプノフ安定性解析を用いています。 著者らは、April 2017からNovember…

このシステム案は、大型株のボラティリティの関係からトレンドシグナルを生成します。まず相関・自己相関分析、テクニカル指標、仮説検定、統計モデル、変数選択を用いて価格データを調べます。次に、NYSEとNasdaqGSの大型株9銘柄の平均ボラティリティをk-means++で分類し、得られた中程度のボラティリティ・クラスターに注目します。…

この文書は、アクティブな高頻度株式取引に対する、エンドツーエンドの深層強化学習アプローチを説明します。エージェントは近接方策最適化を使い、異なる指値注文板特徴量から構成した状態に基づいて、Intel株を1単位取引します。シグナル対ノイズ比を高めるため、大きな価格変動があったデータを訓練用に選び、連続する1か月を検証用に確保し、その後、別の1か月をテストに使います。ハイパーパラメーターは逐次モデルベース最適化で調整します。…

この文書では、テクニカル指標を使って株式取引を判断する強化学習エージェントQTMRLを紹介します。入力データセットは、各セクターを代表するS&P 500構成銘柄の日次価格と出来高を組み合わせ、トレンド、ボラティリティ、モメンタムを捉えることを意図した特徴量を含みます。Advantage Actor-Criticの枠組みでデータ処理、方策学習、売買行動を結び、市場環境の変化に応じた判断を目指します。…

この研究は、長短期記憶（LSTM）価格モデルと近接方策最適化（PPO）を組み合わせた、自動高頻度ビットコイン取引の枠組みを提案します。価格をエージェントの状態、取引を行動、リターンを報酬として表します。価格予測部分では、サポートベクターマシン、多層パーセプトロン、LSTM、時間畳み込みネットワーク、Transformerを比較し、報告された実験ではLSTMが優位でした。…

この記事では、ガウス過程（GP）とベイズ最適化を紹介し、GP回帰がベイズ機械学習をどう支えるか、またハイパーパラメーターをどう選ぶ必要があるかを説明します。ベイズ最適化は確率モデルを使い、特にパラメーター数が少ない場合に、導関数を必要とせずブラックボックス関数の最適値を探索します。…

本論文は、時系列モメンタムで用いるボラティリティ調整の枠組みと深層学習を組み合わせたDeep Momentum Networksを提示します。ニューラルネットワークがトレンド推定とポジションサイズを同時に学習し、シグナルのシャープレシオを最適化するようにパラメータを訓練します。これにより、各要素を別々に手作業で指定する必要がなくなります。…

本論文は、オプションの統計的裁定機会を特定して取引するための二段階手法を提案しています。まず、合成債券を用いて純粋な裁定を切り分けることを意図した予測対象を定義し、木構造を取り入れたグラフ学習アーキテクチャRNConvで予測します。その動機には、多くの特徴量が表形式であることや、こうしたデータで木ベース手法の有効性が報告されていることが含まれます。…

本研究は、ペア株間の統計的裁定を対象とするモデルフリーの強化学習枠組みを提示しています。まず、スプレッドが平均回帰するまでの時間を示す経験的指標が最小になるよう資産係数を選び、平均回帰するスプレッドを構築します。これにより、固定されたモデル仮定に依存せず、観測された回帰時間を基準として用います。…

この文書は、双方向ゲート付き再帰型ユニット（GRU）と時間的注意機構を使うペアトレード向け強化学習手法、CREDITを説明しています。このアーキテクチャは、二つの資産の価格変動における時間をまたぐ関係を捉えることを意図しており、市場状態を個別に扱うと見逃す可能性のあるパターンも対象としています。また、取引利益とリスクの両方を考慮する報酬を用い、利益と損失の可能性がともに大きい取引を抑制することを目指しています。…

本論文は、市場の異常を考慮しながら中期の株価を予測することを目的とした深層学習モデル、Mid-LSTMを提案しています。市場トレンドを隠れ状態として表現します。説明されている手法ではまず、隠れ状態とCAPMを組み込んだ中期ARMAモデルを定式化し、次にLSTM、隠れマルコフモデル、線形回帰ネットワークを組み合わせます。予測誤差の累積を抑え、株価に関連する要因を説明することを目指しています。 S&P…

本論文は、US株式のポートフォリオ選択に深層学習を用いる手法を説明しています。残差型切替ネットワークは、一つのモジュールで市場環境を特定し、別のモジュールでモメンタムと反転を予測します。レジームの変化に応じて、二種類のシグナルを切り替えます。このアーキテクチャは、残差ネットワーク、ノイズの多い金融データで過学習を抑えることを意図した積層ブロック、予測強化を意図した注意機構を組み合わせています。…

MacroHFTは、暗号資産の分単位取引に向けた強化学習手法です。既存手法に関する2つの課題に取り組んでいます。エージェントは過学習して金融環境に方策を適応できないことがあり、単一エージェントの判断は市場環境が急変すると偏る可能性があります。この手法では、トレンドやボラティリティなどの市場指標を使ってデータを整理し、複数の専門化したサブエージェントを訓練します。それぞれのアダプターが、現在の環境に合わせて行動を調整します。…

この研究では、テクニカル分析、注文フロー、注文板のデータから得た特徴量を使い、先物契約の短期的な方向変化を予測しています。上海先物取引所に上場する銀先物を対象にTabNet深層学習モデルを訓練し、これらの入力を組み合わせて次の値動きの方向を分類しています。…

この研究では、パラメーター化量子回路でビットコインの実現ボラティリティをモデル化し、生成系列が市場データに見られる統計的特徴を反映するかを調べています。5分足のビットコイン価格から日次の実現ボラティリティを算出し、単一量子ビット回路を学習させて長い合成系列を生成しています。マルチフラクタル・デトレンド変動分析を適用し、一般化ハースト指数、マルチフラクタルスペクトル、スケーリング指数などのスケーリング特性を調べています。…