ナレッジライブラリ

この文書は、定弾性率（CEV）モデルを用いて時間変動ボラティリティを考慮する、共和分関係にある2資産のペアトレードモデルを提示しています。固定期間の確率制御問題としてポートフォリオ選択を定式化し、期末資産の期待べき効用が最大となるようにポートフォリオのウェイトを選びます。最適戦略の計算には有限差分法を用い、モデルパラメータは一般化モーメント法で推定します。…

この文書は、関連する投資可能指数間の超過リターンを捉えるため、時系列モメンタムを使うベンチマーク連動型戦略を説明しています。必要なのはベンチマークと関連指数のリターン系列だけで、回帰に基づくパラメータ推定は不要です。この手法を株式と債券のベンチマークに適用し、Eonia Total Return Indexをベンチマークとする絶対リターン型ポートフォリオに組み合わせます。 報告されたロングオンリーのバックテストでは、明示された事前リスク要件を満たしながら、年率リターンがMSCI WorldとBloomberg…

この研究では、敵対的専門家ベースのオンライン学習を用いて、コストゼロのポートフォリオ戦略のパラメータを選び、テクニカルトレード戦略を組み合わせて総合ポートフォリオを構築します。ヨハネスブルグ証券取引所の日次および日中データで戦略群を調べ、教師なし学習によってその構成の変化を縮約して可視化します。分析では取引コストとスリッページも考慮し、オンラインのベンチマーク・ポートフォリオアルゴリズムと成績を比較して、バックテスト過剰適合のリスクを推定します。…

この研究は、高頻度の板不均衡（OBI）取引の収益性に、アクセス速度が影響するかを検討しています。過去データでは一般にトレーダーの身元や所在地が分からないため、著者らは単一取引所での連続ダブルオークションをエージェントベースの離散事象シミュレーションで再現します。シミュレーションにOBIトレーダーを導入し、複数の模擬取引日にわたって取引所からの距離、ひいてはレイテンシを変化させます。…

この論文は、単一の総合タスクスコアに依存する限界を踏まえ、計画、実行、確認、改善を行うモジュール型エージェントを主張単位で監査する方法を提案しています。監査では各結論の根拠を記録し、「裏付けあり」「裏付けなし」「未解決」「未評価」のいずれかの判定を付け、結論が当てはまる範囲を示します。評価によってエージェントとその構成要素について何が明らかになるのかを明確にすることを目的としています。…

この研究は、暗号資産価格が上昇するか下落するかを予測する機械学習の分類手法を説明しています。過去のビットコイン終値データで学習し、移動平均収束拡散法、相対力指数、ボリンジャーバンドといった一般的なテクニカル指標を取り入れています。目的とする出力は、数値による価格予測ではなく、買いまたは売りの判断に役立つ方向性の情報です。…

この論文は、観測ホワイトノイズに汚染された高次元時系列から、低次元のダイナミクスを復元するモデル非依存の方法を開発しています。潜在過程が低次元の線形動的部分空間内で推移すると仮定し、その成分を最もよく復元する線形射影を特徴付けます。残る誤差は、信号空間とノイズ空間の向きを通じて幾何学的に記述されます。…

本資料は、デジタル信号処理で市場のシグナルとノイズを分離し、トレンドの強さを測る指標を構築する試みを説明します。トレンドが取引に十分な強さかを判断し、反転の可能性がある時点を見極めるという実務的な問いを扱います。提案指標を例と実市場データで示したうえで、J. Welles Wilder Jr.に帰属するボラティリティ指数ベースのトレンドフォロー・アルゴリズムについて、精度や損益パフォーマンスとの関連から評価します。

本資料は、暗号資産の無期限先物で取引設定を選ぶためのルールベースの意思決定支援枠組みAutoQuantを提示します。執行タイミング、資金調達料の扱い、手数料、スリッページ、実行可能性の要件を明示し、評価期間とコスト前提を変えながらベイズ探索と段階的なスクリーニングを行います。決定論的な出力と会計チェックにより、事前に定めたシグナル群の中で選定過程を追跡・再現できるようにしています。…

本書は、NIFTY50指数の個別株について、決定木で日中売買ルールを生成する方法を説明します。トレーダーが設計したテクニカル指標の組み合わせを全銘柄に適用するのではなく、既存の指標から銘柄ごとのルールを学習します。生成されたルールは銘柄ごとにバックテストで評価し、採用に値するかを判断します。…

本論文は、ボラティリティが高い時期に、トレードのポジションサイズがリスク管理に役立つかを調べます。過去データのバックテストを用いて、危機局面でサイズ設定モデルがどう機能するか、特にバリュー・アット・リスクを低減できるかに注目します。ストレス下でエクスポージャーを管理する方法として、ショートとロングのポジションも検討します。…

この研究は、汎用言語モデルを適応させ、Backtraderフレームワーク向けの実行可能な戦略を生成する方法を評価しています。フレームワークのコードによる継続事前学習と、エージェントで検証した指示・コード例による教師あり微調整を組み合わせています。評価には、400件の戦略生成ベンチマークとリポジトリ単位の課題を使用し、判定された正確性、バックテストの成功、修正を重ねる過程でのエージェント性能を測定しています。

この論文は、暗号資産取引における深層強化学習（DRL）のバックテスト過剰適合を仮説検定の問題として扱っています。DRLエージェントを学習させ、各エージェントの過剰適合確率を推定し、過剰適合と判定されたエージェントを棄却します。目的は、過去データでの検証による偽陽性を減らし、選択した戦略がバックテスト後も良好に機能する可能性を高めることです。

この論文は、個々の売買戦略の調整とシグナルの統合に条件付き敵対的生成ネットワークを提案しています。時系列データ向けの条件付きGANを学習・選択し、生成サンプルで戦略を調整して、そのサンプル群をアンサンブルモデルに用いる手順を示します。目的は戦略の設定を改善するか、弱いシグナルを集約してポートフォリオ単位の手法を構築することです。…

この研究では、専門家の判断に基づくことが多いファンダメンタル株価収益率の推定を、動的ベイジアンネットワークで形式化しています。推定されたPE倍率は、人間の投資判断を支援したり、自動取引システムへの入力として使用したりすることを想定しています。著者らは提案するネットワークについて、前向き・後ろ向き推論と期待値最大化の手順を導出し、その構造をボラティリティに関する行動ファイナンスの解釈と結び付けています。…

本研究は、暗号資産プラットフォームで多変量ペア取引を行うための最適取引手法を紹介します。暗号資産に関連する法定通貨のグループを選び、裁定機会をまとめて監視します。相反するシグナルを調整するため、収益性とリスク選好のバランスを取る二目的凸最適化を用い、ボラティリティ罰則と行動閾値を調整可能にしています。説明されている裁定取引では、外部での空売りや、裁定期間中に中継的な役割を果たす資産の保有は必要ありません。…

NoxTraderは、過去のUS株価と出来高のデータから、リターン、週次価格、月次価格モメンタムなどの特徴量を作成します。LSTMモデルでリターンを予測し、持続的な価格トレンドを捉えます。実行中にモデルを動的に更新します。予測スコアは独自のバックテストシステム内でポートフォリオ管理に使われ、予測と実績の相関範囲は0.65から0.75と記載されています。…

本論文は、暗号資産取引の強化学習による意思決定に因果分析を取り入れることを目的とした枠組み、CausalReinforceNetを紹介します。ベイズ法と動的ベイジアンネットワークの手法を強化学習と組み合わせ、エージェントが取引を選ぶ際に市場の関係性を推論できるようにすることを目指します。Binance Coin、Ethereum、Litecoin、Ripple、Tetherにこの枠組みを適用します。…

本資料は、資産特性がリターンをどのように相互に予測するか、また異なるリスク選好を持つ投資家向けのポートフォリオ構築にどう活用できるかを評価します。パフォーマンスをアウト・オブ・サンプルのべき効用と確実性等価額で捉えたうえで、ポートフォリオのウェイトを特性に結び付けることで生じる推定誤差を扱います。過剰適合を抑えるため、効用関数そのものよりもリスクの高いウェイトを強く罰するイン・サンプル目的関数の最適化を提案しています。…

この研究は、相関する資産間の価格差を取引する統計的裁定手法である暗号資産のペアトレードを、強化学習で改善できるかを調べています。著者らは取引環境を構築し、暗号資産ペアをいつ、どのように取引するかを選ぶエージェントを訓練しています。また、取引判断を動的に適応させることを目指し、学習タスクの報酬整形、観測空間、行動空間も設計しています。…

この論文は、σ代数などの情報系で表される特定の市場状態に関連づけて利益を定義し、統計的裁定の概念を拡張しています。この枠組みには古典的裁定が特別な場合として含まれ、Bondarenkoに帰属する統計的裁定の概念も扱います。さらに著者らは、静的および準静的なポジションを含みうる、一般化された収益機会を導入しています。…

この論文は、ダブル線形方策と呼ばれる資産取引ルールを導入し、取引コストが発生する場合の頑健性を調べています。市場の方向にかかわらず期待取引利益が一貫してプラスであることを、頑健性の基準としています。中心的な理論結果は、取引コストによって、本来なら維持できると期待されるプラスの期待利益が失われる可能性があるというものです。著者らはさらに、そのプラスを維持できる条件を特定しています。…

この研究は、広く使われているペアトレードのルールが現代のUS株式市場でも有効かを評価しています。距離ベースと共和分ベースの手法を、1990から2020までの株式に適用し、Covid-19危機も含めて分析しています。この戦略は、価格が連動する証券間の平均回帰から利益を得ることを狙い、パラメーター調整によって結果が変わるかも検討しています。…

この論文は、規制当局への開示で報告される米国マイクロキャップ企業の公開市場でのインサイダー買いが、その後の異常リターンの予測に役立つかを検証しています。2018から2024までの期間に、発行体1,343社による購入17,237件を分析しています。時価総額の範囲は30百万ドルから500百万ドルです。勾配ブースティングモデルは、インサイダーの特性、過去の取引行動、開示時点で得られる市場状況を使用します。保留した2024年のデータでは、分類器のAUCは0.70です。選択した閾値における適合率は0.38、再現率は0.69…