ナレッジライブラリ

WebCryptoAgentは、ウェブコンテンツ、ソーシャルセンチメント、OHLCV市場データを組み合わせた短期の暗号資産取引フレームワークです。情報源ごとに異なるモダリティのエージェントが分析し、その評価を証拠文書に集約して、確信度を調整した判断につなげます。この設計は、ノイズや見せかけの相関に基づく判断を抑えることを目指しています。…

この論文は、金融センチメントデータからルールベースの売買戦略を導くため、進化的最適化を用いています。センチメントシグナルは、オンライン取引コミュニティが個別株に対して示す強気または弱気の見方を表し、StockTwitsから取得しています。著者らはDow Jones Industrial Average構成銘柄の数値結果を報告し、この手法を従来型のリスク・リターンに基づくポートフォリオ選択と比較しています。…

共通の市場エクスポージャー以外の情報を捉え、それらのエクスポージャーのヘッジにも役立つ残差ファクターの分布を予測する、株式ポートフォリオ手法を提案しています。主な構成要素は、残差情報を効率的に抽出する手法と、振幅および時間スケールの不変性を取り入れるよう設計されたニューラルネットワーク構造の2つです。機械学習のサンプル効率と、非定常な金融市場での頑健性を高めることを目的としています。…

E-TRENDSは、翌日の株式トレンド変化を予測するLSTMの枠組みを提案します。対象はS&P 500の時価総額上位30銘柄で、2005から2025までの市場サイクルを通じた検証を説明しています。トレンド水準を直接予測するのではなく、その日次差分を予測することで、バイアスと分散のトレードオフを軽減できると著者らは論じています。…

株式市場の流動性を左右する要因を調べ、符号付き注文フローと価格インパクトの関係に注目しています。Kyle型の取引・流動性理論モデルを、公開されている約定および気配データに見られるパターンと結び付けています。報告された実証結果では、小規模な符号付き注文フローの場合、価格インパクトは注文フローの不均衡に対しておおむね線形に増加します。…

米連邦準備制度の発信が、フェデラルファンド金利の決定予測に有用な情報を加えるかを検証しています。経済指標のみ、テキスト特徴量のみ、両者の組み合わせを使うモデルを比較します。対象には従来型の機械学習、トランスフォーマーに基づく言語特徴量、深層学習の手法が含まれます。…

この研究は、トレンドフォローとファンダメンタル評価が金融市場でどのように共存するかを、異質なエージェントの枠組みで調べています。Chiarellaモデルをノイズトレーダーとファンダメンタリストの非線形な需要反応で拡張しています。外部の評価モデルに頼らず、モデル内でファンダメンタル価値を推定しながら、複数の資産クラスにわたる過去の価格系列にベイズフィルタリングを適用してモデルを較正します。…

この研究は、大規模言語モデルが企業ニュースを使ってクロスセクショナル・モメンタム戦略を改善できるかを検証しています。S&P 500構成銘柄の日次リターンと高頻度ニュースを組み合わせ、最近のニュースが株価の過去の値動きの継続を裏づけるか、ChatGPTに判定させます。そのスコアは、ポートフォリオに含める銘柄とポジションのウェイトに影響します。…

この論文は、各損失が現在の判断だけでなく過去の判断にも依存する、メモリを伴うオンライン凸最適化を扱っています。こうした依存関係は、過去の行動が現在の結果に影響する状況をモデル化できます。著者らは、変化する時系列の意思決定列を基準に性能を測る動的リグレットの最小化を目指す、射影不要のメタ・ベース学習アルゴリズムを導入しています。射影を避けることで、オンライン学習でよくある計算上のボトルネックに対処します。 この手法は、Online…

このレビューは、株式、ETF、中央集権型暗号資産市場、無期限先物、オンチェーン活動におけるAIの応用を評価しています。投資リターンに至る道筋を、時点整合的なデータから信頼できるシグナルを得て、実行可能なポジションと注文を組み立て、コスト控除後にリスク調整済みのプラスの成績を上げる一連の過程として捉えています。調査対象には、機械学習、時系列モデルと言語モデル、強化学習、自動エージェントが含まれます。報告された進展は、予測、テキスト分析、ポートフォリオ設計、調査ワークフローで最も顕著です。…

この論文は、リターンの追求とリスク抑制のバランスを取る、ポートフォリオ管理向けの深層強化学習エージェントを提示しています。目標ポリシーは、調整可能な貪欲さのパラメーターを用いて最適行動をどの程度優先するかを変え、より低リスクの選択を促します。著者らは、分単位の観測データが豊富でボラティリティが高いことから選んだ暗号資産市場データで、この手法を評価しています。…

本研究は、資産価格モデル、時系列モデリング、ポートフォリオ最適化を組み合わせた統計的裁定取引の枠組みを提示します。まず条件付き潜在価格要因を使って類似資産を特定し、残差ポートフォリオを構築した後、畳み込みトランスフォーマーで売買シグナルを抽出します。そのシグナルを、リスク調整後リターンの最大化を目指す制約付き方策に入力します。…

この研究では、取引指標やソーシャルメディア指標が、テクニカル指標だけの場合と比べて、暗号資産の価格変動の分類精度を高めるかを検証しています。2017から2021までのビットコインとイーサリアムの日次・時間足データを評価し、テクニカル指標のみの限定的な特徴量セットと、取引・ソーシャル指標も含む拡張セットを比較しています。モデルには多層パーセプトロン、畳み込みネットワーク、LSTMネットワーク、注意機構を用いたLSTMが含まれます。グリッドサーチでハイパーパラメータを選び、高度なブートストラップ手法でテストサンプルの…

本研究は、取引が一時的な価格インパクトを生み、そのインパクトカーネルが未知である場合に、リスク資産をどのように清算するかを分析します。相関のある価格経路、取引シグナル、メタオーダーを含む静的データから、カーネル、すなわちプロパゲーターをノンパラメトリックに推定する方法を提案します。推定精度は、利用できるデータセットに明示的に依存する指標で測定します。…

本研究は、暗号資産のオンチェーン指標が価格の説明やリスク資産の識別に役立つかを検証します。過去データを分析し、価格と他のパラメータの相関を測定し、クラスタリングで暗号資産を分類したうえで、分類アルゴリズムによりリスクあり・なしのラベルを付けます。クラスターは、投資家がオンチェーン特性の似た他の銘柄と比較できるようにすることを意図しています。…

本研究は、少数の潜在リスク要因と企業特性を使って個別株のリターンを説明するモデル、ディープ偏最小二乗法（DPLS）を説明します。射影最小二乗法はリターンと企業特性を潜在要因空間に同時に写像し、ディープラーニングネットワークは要因負荷量とリターンの非線形な関係をモデル化します。この構造は、リターンの異常を説明し得る相互作用と線形の要因エクスポージャーの両方を捉えることを意図しています。 この研究では、3,290 Russell…

本研究では、指値注文板で売却した後、クロージングオークションで売買方向を符号で示したスケジュールを用いて残存ポジションを調整するトレーダーを検討します。2つの段階は、オークションの清算価格予測とオークション中のフィードバックによって結び付いています。合成ラフ・ヘストン価格と過去の仲値経路を用いたシミュレーション市場で、深層Qネットワークと、射影付きDDPG、TD3、SACの強化学習方策を比較しています。…

本論文は、従来のトレンドフォローとモメンタム戦略が過去の価格動向に依存しており、市場環境が変わると限界がある可能性を論じています。資産運用の判断に役立てることを目的に、人工知能と機械学習を使って将来の市場トレンドを予測する方法を提案しています。…

ManiScopeは、ウォッシュトレードを含む暗号資産市場の取引ベースの操作リスクを評価するためのビジュアル分析システムです。トークンの保有分布、保有者間の関係、個々の保有者の行動、価格変動、不審な取引パターンを連携した画面で示します。個別のルールや手作業による確認では評価しにくい証拠を、分析者が関連付けられるようにすることを目指しています。…

この論文は、世界の株式市場における実現ボラティリティを予測するモデルを提示しています。市場を変化するネットワークとして表し、ボラティリティ波及指数を使って、ある市場のショックが他市場へどう伝わるかを記述します。時空間グラフニューラルネットワークが、こうした関係と時間情報を組み合わせて予測を生成します。…

高頻度ビットコインデータを使った自動売買戦略の基盤として、Informer予測アーキテクチャを検証しています。RMSE、一般化平均絶対方向損失（GMADL）、分位点損失で学習したモデルを用い、予測した将来リターンを取引戦略に変換します。比較対象にはバイ・アンド・ホールドと2つのテクニカル指標戦略が含まれます。評価では6つのテスト期間にわたり、5分、15分、30分足データを用いています。…

この予備研究は、市場センチメントとテクニカル分析を組み合わせてビットコイン価格の動きを予測できるかを探っています。センチメント指標として恐怖・強欲指数を使い、テクニカル指標と機械学習アルゴリズムを併用しています。価格変動とセンチメントの関連が指摘されている一方、センチメント指標とテクニカル指標の組み合わせはあまり検討されていないことを研究の動機としています。著者らは初期実験で有望な投資リターンが得られ、バイ・アンド・ホールドの基準を上回ったと報告しています。提示された説明には、アルゴリズム、指標、データ期間、検証…

本研究はフィードフォワードニューラルネットワークを用いて、ビットコインの効率的市場仮説の弱形式を検証します。ビットコインのリターンに加え、他資産のリターンや関連特徴量を加えることで予測が改善するかを調べます。追加の入力には、株価指数、EUR/USD為替レート、US国債利回り、金銀生産者の指数が含まれます。学習時の成績とテストセットの予測を比較し、バイ・アンド・ホールドに対する成績も検討します。…

本研究では、ハースト指数を使って時系列をトレンド型か平均回帰型かに分類し、その性質に合う戦略を選びます。トレンドがある状況にはモメンタムを、価格が平均回帰を示す場合には平均回帰戦略を対応させます。どちらか一方を常に使うのではなく、市場レジームの推定に応じて戦略を選ぶのが中心的な考え方です。…