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。
694件の資料
本論文は、ローカル・ボラティリティモデルがAUD/USDのバニラ・オプションのヘッジに役立つかを検証します。ローカル・ボラティリティは、ボラティリティが時間と原資産の為替レートに依存することを認めることでブラック・ショールズを拡張し、インプライド・ボラティリティのサーフェスに合うよう較正できます。著者らは、現在の市場価格に適合させるだけではモデルを検証できないと強調しています。現在の状況に合わせて較正したモデルは時間の経過とともに再較正し、過去の結果に照らしてヘッジ成績を確認する必要があります。…
本資料は、対数最適ポートフォリオ問題を解くデータ駆動型のスライディングウィンドウ手法について説明します。ポートフォリオのウェイトを一つに固定するのではなく、時間とともに変化するウェイトを生成します。データの移動窓を使って配分を適応させる方法ですが、窓の長さ、推定手順、ウェイトを更新する頻度は説明されていません。…
本資料は、ネットワーク・モメンタムの機械学習フレームワークであるL2GMOMを紹介します。ネットワーク・モメンタムは、資産間の関係を使って将来リターンの予測を支援します。提案するフレームワークは、まずネットワークを構築し、その後別工程でポートフォリオを最適化するのではなく、金融ネットワークと売買シグナルを同時に学習します。ニューラルネットワークの構造はアルゴリズム・アンローリングに基づき、解釈可能とされています。負のシャープレシオを含む、さまざまなポートフォリオ成績の目的関数を利用できます。…
短期のトレンドフォロー戦略のリターンが2009頃から弱まった理由を調べます。1995～2025の流動性の高い先物契約の横断データとCTAの代理指標を分析し、シグナルの速さや資産クラスごとに比較します。運用容量、電子取引、注文フローとのCTAの相互作用の変化、市場マイクロ構造による説明を検討しています。…
この研究では、ビットコイン現物価格を用いて、過去のボラティリティ、指数移動平均ARCH、GARCH、EGARCHモデルを比較します。GARCHとEGARCHは、インサンプルの適合度とアウト・オブ・サンプル予測の両方で他のモデルを上回ると報告しています。EGARCHの非対称性推定値は正ですが統計的に有意ではなく、著者らは分析対象において、過去のリターンに対する非対称なボラティリティ反応を支持する証拠ではないと解釈しています。…
この研究では、US銘柄のポートフォリオを対象に、条件付きファクターモデルを用いた統計的アービトラージ手法を構築します。状態空間モデルでは、リターンをファクター値と、潜在的かつ時間変動するファクターリスクプレミアムのノイズを含む組み合わせとして扱います。オンラインのフィルタリングと予測でプレミアムを推定し、期待リターンを算出して実績リターンと比較します。大きな乖離は平均回帰の候補とみなされます。…
この論文は、自己回帰条件付き期間モデルにおける尤度ベースの推論のためのブートストラップ手法を開発しています。観測値は一定期間内に記録された継続時間であるため、観測数はランダムになり得ます。また、期間の期待値が無限となる場合は漸近的な挙動も変わります。著者らは2つの再帰的ブートストラップ設計を検討しています。1つは期間を固定し、もう1つは期間の数を固定して時間幅を変動させます。…
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。…
この研究では、公開されているBinance…
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、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、トレンドフォローシグナルを軸とするポートフォリオの枠組みを構築しています。自己相関モデルをトレンドとリスクプレミアムの共分散と組み合わせ、トレンド共分散行列のモデルを定めています。得られる最適ポートフォリオは、マルコウィッツ配分、リスクパリティ、非依存型リスクパリティ、リスクパリティ・ポートフォリオに適用するトレンドフォローの四つの要素に分解されます。これにより、一つの枠組みの中で複数のポートフォリオ手法を理論的に関連づけています。…
本研究は、ビットコイン価格が時間とともにべき乗則に従うという主張を検証し、そのパターンが構造的に頑健か、予測に役立つかを調べています。Clauset–Shalizi–Newmanプロトコルをビットコインの裾に関わる分布に適用し、時間領域への3つの適用法を開発しています。報告された分布検定では、UTXO残高と日次絶対リターンについてべき乗則が棄却され、対数正規モデルが支持されました。また、当てはめた時間指数は時間原点を変えると大きく変化します。同じデータでは、一般的な診断手法でべき乗則とシグモイド曲線の積み重ねを区…
この文書では、株式市場と暗号資産市場におけるアルゴリズム取引戦略を設計、実装、評価するための一般的な手順を提示しています。単純移動平均のクロスオーバー、出来高加重の執行手法、センチメントに基づく取引、統計的裁定の4例を扱います。後続の研究や実用を支えるオブジェクト指向の実装を通じて、戦略の開発と比較をより体系化することを目指しています。…
この研究では、共和分検定と推定された平均回帰速度を使って資産を選び、ルックバック期間を調整する動的な暗号資産ペアトレード戦略を評価しています。シナリオごとにEngle-Granger検定、Kapetanios-Snell-Shin検定、Johansen検定を適用しています。Ornstein-Uhlenbeck過程でスプレッドの半減期を推定し、資産選択と期間設定に活用しています。…
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。…
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。…
統計的裁定を目的とするポートフォリオ設計問題を定式化し、平均回帰性の強い原資産の組み合わせを探ります。投資予算の制約を設けたうえで、平均回帰の強さを測る基準とポートフォリオ分散のバランスを取る目的関数を設定します。さらに複数の具体的な定式化を展開し、それらを解く効率的なアルゴリズムを提案しています。…
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。…