ナレッジライブラリ

この研究では、畳み込みオートエンコーダを使って暗号資産市場の主要なパターンを抽出し、40種類の暗号資産を分類します。155月2013に始まる連続した12の6か月期間を調べ、時間とともに生じる分類グループの変化を暗号資産市場の成熟と関連付けています。トレーダーにとっては、こうした変化するグループを市場構造の理解に役立て、投資や取引の判断に生かす可能性が提案されています。…

この研究は、価格を直接予測するのではなく、一連の意思決定として取引選択を捉え、深層強化学習を外国為替取引に適用します。Sure-Fire統計的アービトラージ方策を3つの行動に適応させ、連続する価格履歴をGramian Angular Field画像に変換します。著者らは、EUR/USD、GBP/USD、AUD/USDの4時間足データを使ってDeep Q LearningとProximal Policy Optimizationを比較しています。…

この研究では、9銘柄間の関係から方向性のある取引シグナルを見つける手順を示しています。まず、ガウス混合モデルで過去の中程度のボラティリティに基づいて銘柄を分類し、次にグレンジャー因果性、独自に調整したPCMCI手法、有効移転エントロピーを用いて予測関係を検証します。Dynamic Time WarpingとK-Nearest Neighbours分類器を使い、シグナルに基づいて取引するまでの遅れを推定します。得られた戦略はバックテストで評価されます。 8 Juneから12 August…

本研究は、自動マーケットメーカーと分散型金融のトレード戦略において、量子機械学習、古典的機械学習、量子・古典のハイブリッド手法、Transformerモデルを比較します。複数の暗号資産と、Random Forest、Gradient Boosting、Logistic Regression、複数の量子分類器、ハイブリッド系列モデルなど10種類のモデルを対象にバックテストを報告しています。この取引環境で量子手法が付加価値をもたらすかを評価することが目的です。…

本研究は、資産価格ファクターモデルの残差を取引する深層学習による統計的裁定手法を再現します。米国株式データの2016から2024までを使い、元の手法をより新しいアウトオブサンプル期間に適用します。先行研究のデータ前処理とファクターモデリングに沿い、畳み込みニューラルネットワークとTransformerを用います。情報漏洩を避けるため、時点整合性を守る手法を適用したと著者らは述べています。…

本論文は、市場情報の不確実性や曖昧さをモデル化し、資産価格を評価するため、ベイズ推論とコレンシーを組み合わせた手法を提案します。この手法を消費ベースの資産価格モデルに適用し、ベイズネットワークで消費の変動を表現しながら、データに基づいて価格の動学を調べます。…

PrivySenseは、観測された価格変動を通じて金融ニュースのセンチメントを推定する方法を提案します。これは、論文が説明する従来の手法を逆転させるもので、従来は人手でラベル付けしたテキストでセンチメント分類器を学習し、その結果を証券取引に活用していました。また、既存のセンチメント分類器を検討し、取引の文脈でセンチメントをどう定義すべきかを問いかけます。…

本稿は、データ駆動型の売買戦略を最適化する複合目的関数GT-Scoreを提示します。成績、統計的有意性、一貫性、下方リスクの指標を組み合わせ、過去データに過度に適合する選択を避けることを目指します。検証を繰り返すと見せかけのパターンが生じる可能性があり、リターンが正規分布に従わない場合は一般的な統計的推論が信頼できないことが、研究の動機です。 実証研究では、2010から2024までのS&P…

本稿は、動的凸リスク尺度で成果を評価する逐次最適化のため、モデルフリーの強化学習手法を提示します。時間整合的な動的計画法の原理で方策を評価し、より良い方策を見つけるための方策勾配更新を導きます。ニューラルネットワークを用いたアクター・クリティック手法で方策を最適化します。…

本論文は、Apple株の日中価格の過剰反応を予測し、モメンタムのシグナルとして取引できるかを検討します。ボラティリティで正規化したリターンと、Twitter投稿から得た感情特徴量を組み合わせ、同時点のボラティリティと取引コストを基準に過剰反応を定義し、3クラス分類問題として予測します。複数の日中サンプリング頻度で、木ベースのモデル、ニューラルネットワーク、双方向LSTMを検証します。…

本論文は、オンチェーン、取引所、マイナーのデータを含むCryptoQuantのシグナルと大口投資家のアラート投稿が、翌日のビットコインのボラティリティ、特に極端な急上昇の予測に役立つかを検証します。Synthesizer Transformer予測モデルを提案し、既存手法と性能を比較します。著者らは、これらのデータを用いると極端なボラティリティの予測でモデルの成績が上がると報告していますが、説明には標本期間、資産市場の詳細、数値による比較結果がありません。…

本稿では、リアルタイムの板情報を含む複雑な入力をアテンション機構で処理する、先物市場向けTransformerモデルFutureQuantを紹介します。単一の将来価格を予測するのではなく、価格の範囲とボラティリティを推定し、取引判断やリスク管理に役立つ分布予測を提示することを目指します。…

本論文は、金融資産間でポートフォリオを再配分するモデルフリーの強化学習フレームワークを提示します。独立した評価器のアンサンブル、過去のポートフォリオ比率の記憶、オンライン確率的バッチ学習、明示的な報酬関数を組み合わせています。フレームワークは畳み込み型、再帰型、長短期記憶型のニューラルネットワークで実装されています。…

本論文は、取引所の注文フローを用いて高頻度の価格方向をモデル化する、深層リカレントモデルを提案します。注文フローとは、価格形成に寄与する到着注文の流れを指します。中心的な問いは、ある市場局面で学習したモデルが、環境が大きく変化した後も有用かどうかです。…

PPO-HRAPは、近接方策最適化と市場局面から導いた目標エクスポージャーを組み合わせます。方策は市場の特徴とポートフォリオの状態を観測し、学習した行動を市場局面の目標と組み合わせます。報酬にはポートフォリオの対数リターン、VIXに応じたドローダウンの増加、目標エクスポージャーからの乖離、売買回転コストを反映します。この設計は、利益重視の方策が投資比率を高く保ち続ける傾向と、強いリスクペナルティが方策を過度に慎重にする傾向に対処し、利益への参加とドローダウン抑制の両立を目指します。…

本資料は、イールドカーブを用いた取引戦略から始まり、主要通貨ペアを対象とする複数ペア戦略へと展開する平均回帰アプローチを説明します。関連するマクロ経済変数の機械学習予測を取り入れ、取引シグナルを調整します。予測情報を使ってシグナルの重みを最適化し、テクニカル要因にマクロ経済の入力情報を加えます。…

本理論研究は、重複する情報に基づく複数の因果的なリスク運用方針を、統合情報の下で最適となる単一の自己金融ポートフォリオで実行できる条件を検討します。不完備な連続ブラウン市場において、シグナルに応じたエクスポージャーを取引可能なリスク方向へ射影し、予測可能なヒルベルト空間で表現します。分析では、実装誤差を、取引されない構造的反応、局所的な方針間の不整合、共有する取引ポートフォリオの歪みに分けます。重複する共通リスク方向を補正するため、融合作用素を導入します。…

本論文は、指数移動平均とMACDによるトレンド・モメンタムシグナルを、RSIとボリンジャーバンドによる平均回帰シグナルと組み合わせる株式取引システムを説明します。FinBERTによる金融センチメント推定を加え、XGBoostでシグナルを生成し、ボラティリティやリターンの状況に応じてエクスポージャーをフィルタリングまたは調整します。この設計は、市場局面が変化し、従来のトレンドフォローや平均回帰の手法が機能しにくくなる状況への適応を目指しています。…

本資料は、リターンを追求する強化学習エージェントと、バリア関数を用いたリスクコントローラーを組み合わせるポートフォリオ管理フレームワークを概説します。学習部分は利益につながる投資判断を探し、コントローラーは市場環境を監視して、特に下落局面で潜在損失へのエクスポージャーを抑えるようポートフォリオを調整します。2つの適応機構によってコントローラーの影響度を変え、上昇市場と下落市場に異なる対応を取れるようにします。…

本論文は、将来の価格方向を示す可能性がある金融時系列の短期パターンを見つけるフレームワークを提案します。過去の事例をクラスタリングし、有用性の低いものを除くことで、高品質で重複しないパターンを抽出します。情報量の代理指標として局所エントロピーを用い、過去の値動きが一方向に強く、局所エントロピーが低いパターンほど情報量が多いとみなします。また、買いと売りのパターンを均衡よく残すことも目指します。…

このフレームワークは、実現ボラティリティ指標とLSTMで拡張した実現GARCHモデルを組み合わせ、リターンと実現ボラティリティを同時に表現します。ベイズ推論と予測には逐次モンテカルロ法を用い、金融計量経済モデリング、高頻度データ、ディープラーニングを組み合わせています。本研究では、ボラティリティ予測、テールリスク予測、オプション価格評価に加え、周辺尤度によるモデル適合度を評価します。…

この研究は、専門家問題におけるメモリ付きオンライン学習を、一般的なオンライン凸最適化に拡張しています。この設定では、損失が過去の行動系列に依存する意思決定をモデル化し、通常の期間ごとの最適化では捉えにくい時間的制約を扱います。メモリを含む損失を持つ敵対者に対して低リグレットを目指す2つのアルゴリズムを提示しています。…

この研究は、グラフクラスタリングで銘柄間の関係を特定する、米国株向けの複数ペア統計的裁定取引の枠組みを提案しています。定量手法、機械学習分類器、ケリー基準を組み合わせ、シグナル検出、リスク管理、取引コストへの耐性の向上を目指します。また、日次取引の利確と損切りルールの設定方法も検証します。…

この研究は、暗号資産の価格予測とトレード戦略の開発にリカレントニューラルネットワークを適用する手順を概説しています。市場のボラティリティと、リカレントモデルが時系列データのパターンを表現できる点を手法の背景に挙げています。説明されている工程には、データの収集と前処理、モデルの改良、予測をトレード戦略に活用することが含まれます。…