ナレッジライブラリ

この研究は、ビットコイン価格の予測とアルゴリズム取引での活用を評価するため、分類器と回帰器に分けた41個の機械学習モデルを比較します。絶対誤差や二乗誤差などの予測指標と、損益やシャープレシオなどの取引指標を組み合わせています。評価には、過去データのバックテスト、未使用データでのフォワードテスト、実取引のシナリオが含まれるとされ、市場環境の違いも考慮しています。…

本研究では、投機取引を逐次的な最適停止問題として定式化し、一般的な効用関数と価格過程のもとでエントリー時点と決済時点を選びます。まず、エントリーと決済をコックス過程のジャンプとして表し、停止問題を緩和します。上限のある強度制御はエージェントが選択します。…

本論文は、独立した深層強化学習エージェントが最適執行ゲームで談合と整合する行動を身につけるかを検証します。2人のプレイヤーによる有限期間の清算設定で、エージェントは近接方策最適化を用い、各エピソード内の価格と行動の履歴を利用できます。学習後の清算コストはナッシュ均衡の基準を下回り、著者らはこれを競争水準を超える結果と説明しています。…

この論文は、ルワンダのモバイルマネーにおけるマネーロンダリングを検出する取引監視フレームワークを開発しています。深刻なクラス不均衡、ラベル付けの遅れと不足、限られた調査能力に対処します。17種類のマネーロンダリング手口を含む900万件超の取引からなる合成データセットを使い、取引速度、資金フローの方向、取引相手の多様性、活動の急増など、口座単位の行動特徴量を構築します。教師あり分類器、異常検知器、オートエンコーダー、予測を組み合わせるモデルを比較評価します。…

本研究は、暗号資産の投資家と株式投資家で取引行動が異なるかを問い、資産価格の履歴をその行動の証拠として用います。まず、同じ期間に観測された暗号資産と株式の時系列を、複数の機械学習モデルで分類します。報告された高い分類精度は、両者の価格パターンを見分けられる可能性を示しますが、その違いが生じる理由や、今後も続くかまでは分類だけでは分かりません。…

本研究は、日次のTwitterセンチメントが株式リターンの予測や取引判断に役立つかを調べます。機械学習でセンチメントシグナルを評価し、強化学習、具体的にはQ学習を組み合わせて、そのシグナルから取引方針を導きます。…

MiniFedは、大規模言語モデルのエージェントを使って連邦公開市場委員会の会合をシミュレーションする枠組みです。会合参加者と委員会の意思決定過程を表現し、連邦基金金利の変化の影響だけを調べるのではなく、金利決定に至る過程のモデル化を目指します。5段階のワークフローで構成され、シミュレーション上の委員会構成を最適化する試みも含みます。…

DeePMは、分散されたマクロポートフォリオを運用するエンドツーエンドの深層学習システムとして提示されています。遅延に基づく因果メカニズムで非同期の市場データに対応し、経済知識を取り入れたグラフで資産間の関係を制約します。また、エントロピー的なテールリスクの代理として過去の成績が悪い期間にペナルティを課す、ロバストなリスク調整後目的関数で学習します。入力は日次終値とされ、ポートフォリオの対象は分散された先物です。…

本資料は、市場のT+1取引制約下での中国株の日中戦略を概説します。多層パーセプトロン（MLP）による予測とMarkowitzポートフォリオ最適化を組み合わせ、上海・深圳証券取引所が公開する株価データを使います。目的は、取引戦略における日中価格予測とポートフォリオ構築の両方を評価することです。…

本論文は、市場環境の変化に応じた自動売買を、非定常な連続腕バンディット問題として捉えます。PRBOを提案し、ベイズ最適化とバンディット・オーバー・バンディットの手法を組み合わせ、市場環境の変化に合わせて戦略パラメータを調整します。この手法は、異質な戦略を持つ自動エージェントが参加するBristol Stock Exchangeのシミュレーションで評価されています。比較対象は、確率的山登り法でパラメータを調整するPRSHです。…

本論文は、異なる戦略、情報、資産保有を持つ大規模言語モデルが競争する模擬株式市場を説明します。市場には、継続的な注文板、成行注文と指値注文、一部約定、配当、均衡価格での清算が含まれます。エージェントは、構造化された取引判断と自然言語による推論を出力します。実験では、モデルにバリュー投資家、モメンタムトレーダー、マーケットメーカーなどの役割を与えました。模擬結果には、価格発見、バブル、反応不足、戦略的な流動性提供が含まれます。…

本研究は、金利カーブの形状や変化を表す動的ネルソン＝シーゲル・フレームワークを、マクロ経済状況に応じて挙動が変化するよう拡張します。ツリー成長手順では、候補となるマクロ経済の分割がモデルの周辺尤度をどれほどよく説明するかを評価し、観測値を局面に分けます。これにより、得られるグループを観測可能な状況に結びつけて経済的に解釈できます。また、従来のマルコフ切替手法より計算が簡単だとされています。…

本研究は、取引オプションから抽出したスポット・ボラティリティの推定値が、実現ボラティリティの予測を改善するかを検証します。過去の研究に基づく反復的な2段階手順で推定したラフ・確率的ボラティリティの推定値を、実現ボラティリティの異質自己回帰モデルに加えます。大規模なオプション・パネルでの推定を速めるため、深層学習による代替モデルも用います。…

本研究は、文単位の文脈情報によって、システマティックな資産価格ファクターの構築に使うニューストピックモデルが改善するか検証します。同一の394,661記事と後続のポートフォリオ構築プロセスを用いて、潜在的ディリクレ配分法と、固定した文埋め込みモデルにk-meansクラスタリングを組み合わせた手法を比較します。両手法では、使用する記事本文の量とトピック語の順位付け方法も異なります。…

本研究は、合成複数資産株式データにおける分散の二重計上問題を扱います。資産リターン全体の生成器を市場ファクターと組み合わせると、シミュレーションのリターンに市場分散が二度含まれることがあります。提案する補正では、市場要素を加える前に、固定期間内で各生成器の抽出値を中心化して再スケーリングします。これにより、回帰残差に別の生成器を適合させる必要がなくなります。…

この文書では、モメンタム・リスクテイクを短期的な株式ボラティリティのリアルタイム管理として捉えています。提案システムは、ニュースが株価に与える影響の理論を、投資期間ごとの期待リターンを示す離散的な表に変換し、その表を自動売買の判断に用います。また、機械学習、確率過程、分数ブラウン運動、市場を超えた意思決定との関連も説明しています。…

本資料は、トレード戦略の評価に使う合成の過去価格経路を、LSTMと敵対的生成ネットワークで作成する方法を提案しています。インサンプルで高い成績を示す戦略は過剰適合している可能性があるため、過去データの分布をモデル化して生成した経路でも良好な成績を示すべきだ、という考えに基づいています。…

本研究は、一般的なセクターや地域の分類だけに頼らず、時系列の値動きから類似する株式を特定する枠組みSimStockを提示しています。自己教師あり学習と時間的ドメイン汎化を組み合わせ、市場環境の変化後も有用であることを目指した表現を構築します。この手法の背景には、市場が非定常で、標準的な分類では株式間の動態を捉えきれない場合、株式の関係を分類しにくいという課題があります。…

本研究は、風力発電と電解槽を組み合わせたハイブリッド設備について、前日入札と運転方針を開発しています。データから学習した線形意思決定ルールにより、文脈情報を使って電力入札と水素製造スケジュールを設定します。単一価格方式のインバランス料金では、対策のない戦略が実質的に全か無かの判断となり、大きなインバランスにさらされる可能性を扱っています。…

本論文は、暗号資産の短期価格予測に適応型Temporal Fusion Transformerを提案しています。非定常性と急激な価格変動に対処するため、先行する最安値からの上昇幅がしきい値を超える点で終わる、長さが可変の部分系列にデータを分割します。これにより、ノイズの一部を除きながら意味のある上昇局面を特定することを目指します。ある区間の末尾にある固定長パターンを使って次の区間のカテゴリーを決め、先行する条件ごとにその後の価格経路を分類します。…

本研究は、連続時間の有限期間における、相互に関連する2資産の動的ポートフォリオ最適化について、数理ファイナンスと機械学習を比較しています。数理ファイナンスのアプローチは、ペアトレードで一般的な高相関や共和分に頼るのではなく、短期リスクと長期均衡を組み合わせることを意図したコインテレーションモデルを用います。戦略は平均分散目的とべき効用目的の間で動的に切り替わり、後者は確率制御として定式化され、Deep Galerkin法を用いてハミルトン・ヤコビ・ベルマン方程式を数値的に解きます。…

本資料では、日中モメンタム取引への隠れ状態アプローチを説明しています。ノイズを含む証券リターンを潜在的なモメンタム状態から生じる観測値としてモデル化し、トレンド反転時にデジタルフィルターがもたらす可能性のある遅れを避けることを目指しています。隠れ状態の数は、交差検証、ペナルティ付き尤度基準、シミュレーションに基づく周辺尤度選択で評価され、これらの手法は2状態または3状態を支持します。離散化された一変量ガウス放出モデルのもとで、バウム・ウェルチ法とマルコフ連鎖モンテカルロ法によりパラメータを推定します。…

本研究は、基礎となるリスク要因が不明でも、類似銘柄とは共有されない個別株リスクに関連するリターンを推定する方法を提案しています。各銘柄の過去のリターンを他銘柄のリターンに回帰し、複製ポートフォリオを構築します。弾性ネットによって疎なポートフォリオ・ウェイトを求め、銘柄とその類似株ポートフォリオとの差を因子残差リスクとします。この残差に対する期待リターンを「統計的裁定リスクプレミアム」と呼びます。…

本研究では、Momentum Transformerのアーキテクチャを株式に適用し、時系列モメンタムおよび平均回帰戦略との比較を行っています。このモデルは、学習期間を通じた情報を関連付けるアテンションと、系列パターンを処理するLSTMを組み合わせています。著者らは、この組み合わせによって長期的な依存関係を捉え、新型コロナウイルス感染症のパンデミックを含む市場環境の変化に対応できるとしています。…