ナレッジライブラリ

このノートブックでは、US株式パネルの株価特徴量を順序付きのウィンドウにして、リターンを予測するLSTMモデルを説明します。単純な表形式モデルとは異なり、LSTMは各ウィンドウのセッションを順次処理し、隠れ状態を引き継ぎます。学習されたゲートが、新しい情報を状態に加えるか、過去の情報を破棄するか、次のステップに何を渡すかを制御します。この設定では再帰層を積み重ね、構成ごとに複数のエポックチェックポイントを保存します。…

このノートブックでは、合成金融系列を生成する再帰型敵対的生成モデル、TimeGANを紹介します。5つのモジュールが埋め込みと再構成を学習し、潜在状態の遷移を予測し、ノイズから系列を生成して、生成系列と実系列を見分けます。学習は表現学習、時間的な教師あり学習、敵対的学習の同時実行という順で進みます。この例ではUS銘柄のパネルから日次対数リターンを使い、評価用にデータの直近部分をホールドアウトします。…

この文書では、ケーススタディの評価設定からウォークフォワード検証分割を生成する共通手法を説明します。フォールドの構築をカレンダー対応の分割器に委ね、パネル行の整合性を保つため一意のタイムスタンプを使い、定義済みのホールドアウト境界から逆向きに処理します。学習期間と検証期間にはローリング期間を使えます。また、期間境界をまたぐ結果による情報漏洩を抑えるため、ラベルバッファで両者を分離します。…

このノートブックでは、イベント駆動型バックテストエンジンを使って、BTC/USDTの無期限先物バーを対象とするロング限定のRSI平均回帰ルールを実装します。イントラデイの観測値をUTCの日足バーに集約し、上昇幅と下落幅の単純なローリングRSIを計算します。指標が売られ過ぎの閾値を下回るとエントリーし、買われ過ぎの閾値を上回ると決済します。戦略は資本に対する所定の割合を目標とし、手数料とスリッページをモデル化します。逐次エンジンでは、判断、未約定注文、約定、ポジション、現金を明示的に表現し、経路依存のロジックを扱え…

この文書では、TWAPとVWAPが取引時間中に大口の親注文を子注文に分割する方法を説明します。TWAPは各時間間隔に同じ数量を割り当て、VWAPは時間間隔ごとの出来高予測に比例して数量を割り当てます。ノートブックでは過去の分足から出来高を予測し、その後のNASDAQ-100セッションで両方のスケジュールを検証します。各時間間隔の出来高加重価格で約定をシミュレーションし、利用可能な出来高に占めるスライスの割合に基づいて平方根型マーケットインパクトを課します。…

このノートブックでは、ETFの将来リターンを予測する教師ありオートエンコーダーを紹介します。ネットワークはファンドの特徴量行を低次元の表現に圧縮し、その表現から直接リターンを予測します。同じモデル群の条件付きオートエンコーダーと異なり、リターンが少数の共通ファクターから生成されるとは仮定しません。再構成損失とリターン予測損失を同時に学習するため、目的ラベルを変えると別個のモデルが適合されます。…

この文書では、既存のウォークフォワード検証仕様から単一のホールドアウト用学習期間を導出する方法を説明します。研究設定で宣言されたホールドアウト日を使い、検証フォールド全体で最も早い学習開始日を採用し、最も広いラベルバッファを確保できるよう学習期間を早めに終えます。このバッファにより、学習対象の結果がホールドアウト評価用に確保された期間に及ぶのを防ぎます。特徴量がフォールド単位のより狭い履歴期間にしか存在しない場合は、学習開始日の下限を設け、特徴量が実際にカバーする日付にホールドアウト用の適合期間を制限できます。…

このノートブックでは、売買シグナルや発表などのイベントが市場ベンチマークを上回るリターンを予測するか検証する方法を説明します。流動性の高いETFのモメンタム・ブレイクアウトを例に、イベント前のリターンから市場モデルを推定し、イベント期間の異常リターンを計算してから、日次平均を集計し、信頼区間と有意性統計量を伴う累積平均異常リターン（CAAR）を算出する手順を示します。…

この分析では、9つの取引ケーススタディにまたがる特徴量トリアージ台帳を比較します。Benjamini–Hochberg法による偽発見率の有意性と、ケース固有の効果量下限および分割間の符号安定性を組み合わせた、PROCEED判断への別経路とを区別します。どちらかの経路を満たせばよいため、PROCEED特徴量の数はFDR閾値を通過する数を超える場合があります。続いて各ケースのPROCEED割合を検証およびホールドアウトのシャープレシオと対応させ、特徴量が選別後に残ることが戦略の存続を予測するかを調べます。…

このノートブックでは、株式研究向けに未加工のSECフォーム4のXMLからインサイダー取引を抽出する方法を説明します。各取引ブロックを解析単位とし、取引コード、日付、株数、価格、売買方向の対応関係を維持します。XMLツリーをたどることで、取引間や普通株・デリバティブの各セクション間で項目が混ざるのを防ぎます。共同提出では、最初に見つかった名前に取引を割り当てず、報告者全員を保持する必要があります。…

このノートブックでは、キャリー、モメンタム、ボラティリティなどの加工済み特性ではなく、CME先物リターンのパネルから主成分ファクターを構築します。PCAは商品間の変動を説明する方向を見つけます。第1成分は市場共通の動きに似ることがあり、後続の成分はセクター間の共動を反映する可能性があります。これらのパターンはセクターラベルを前提としておらず、成分は予測価値ではなく説明分散の順に並びます。…

この文書では、先物リターンに対する2つの潜在ファクター手法を紹介します。主成分分析はリターン変動の大部分を説明する無相関な方向を見つけます。一方、ニューラル確率的割引ファクターは期待リターンのクロスセクションに関連する組み合わせを探し、キャリーやボラティリティなどの商品特性を利用できます。したがって、手法の問いは異なります。一方は広範な共変動、もう一方は価格付けされている可能性のあるリターン構造を扱います。推定されたファクターの経済的意味は、さらに解釈する必要があります。…

このノートブックでは、日々の取引判断に使う変化の遅い状況特徴量として、会計比率、マクロ経済環境、カレンダー符号化を説明します。利益利回り、収益性、発生高、レバレッジ、キャッシュフロー利回りなどのバリュー・クオリティ指標を示し、発表日とas-of結合を使って四半期ファンダメンタルズを日次観測に整列します。マクロ系列には公表ラグとフォワードフィルが必要です。カレンダーのパターンには周期的な符号化やイベントまでの時間を使えます。…

このノートブックでは、ATMストラドルを売り、満期まで保有する戦略の候補特徴量をスクリーニングします。各取引日について、利用可能な銘柄を特徴量で横断順位付けした結果と、最終的なストラドル損益の順位を比較し、その順位の一致度を検証期間にわたって平均します。ポジションの重複を考慮して不確実性を調整し、多数の候補を同時に検定するため偽発見も制御します。…

この文書では、観測日の調整後終値と後続の取引日の価格を用いて、ETFの日次将来リターンラベルを作成する方法を説明します。月次期間を主ラベルとし、より短い週次バリエーションも作成します。適格性フィルターを適用する前に、各銘柄の完全かつ整列済みの価格履歴からラベルを計算します。アサーションで、不完全な末尾、異常に長い暦日間隔、銘柄の境界、ラベル型を検査します。…

このノートブックでは、ETFの将来リターン予測について、分割コンフォーマル予測、コンフォーマル化分位点回帰、適応型コンフォーマル推論を比較します。ウォークフォワード分割では、あるサブセットで学習し、別のサブセットで区間誤差を較正してから、後の観測値で評価します。分割コンフォーマル法は較正残差の順位を使って区間幅を定めます。CQRは較正前に下側と上側の分位点モデルを当てはめるため、状況に応じて区間幅を変えられます。ACIは、遅れて結果が得られるたびに誤被覆率を更新します。…

このノートブックでは、検証用予測をロングオンリーの株式ポートフォリオとして評価します。各ラベルの頻度で決まる判断スケジュールに従い、上位K銘柄を等ウェイトで選びます。乱数シードを固定したランダムシグナル実行で、終値から翌営業日の始値までのイベント順序を確認し、同じバックテスト手順でポートフォリオの集中度を変えて比較します。オプション由来の変数は予測入力として使い、取引対象は株式です。…

この文書では、日付付きの銘柄レコードを潜在ファクターのケーススタディ向け配列に変換する方法を説明します。一つ目の方法では、適格性データセットから学習したカバレッジ閾値を満たす銘柄だけを残し、欠損値をNaNとして保持した、一貫性のある銘柄軸を作ります。二つ目の方法では、不均一なクロスセクションを構築し、各日付の観測最大数に合わせてパディングします。スロット位置は日付ごとのもので、恒久的な銘柄識別子として扱いません。…

この共有ユーティリティモジュールは、クオンツ研究向けに共通の勾配ブースティングパイプラインを提供します。処理能力のプリセットを定義し、標準パラメーター名をLightGBM、XGBoost、CatBoost、scikit-learnのヒストグラムブースティングに対応する設定へ変換します。また、CPUまたはCUDAによる実行、スレッド数、ライブラリ固有の互換性などの実行時設定を扱い、再現性のために設定と実行の来歴を記録します。…

このノートブックでは、NVDAの注文板の動きが短期リターンを予測するかを調べます。市場別注文データの追加、取消、約定から、距離加重した板の圧力指標を作り、符号付きの活動を平滑化してミッド付近の流動性変化を表します。複数の将来期間にわたる注文フロー不均衡を評価し、ミッド価格、遅延調整後価格、執行可能価格など、複数のマークアウト定義についてリターン相関と十分位パターンを比較します。この比較は、遅延とビッド・アスク・スプレッドを考慮すると、統計的な関連性が実際に取引可能な成績と異なり得る理由を示します。…

このノートブックでは、キーワードを使ったESG見出しの処理を調べ、構造化された分類器出力と、検索拡張生成アシスタントに必要な要件を比較します。最初のキーワードリストで見出しを選び、次のリストで環境・社会・ガバナンスのラベルを割り当てます。選ばれた全見出しに分類器を適用すると、環境への大きな偏りが見られます。ノートブックは、選別リストに見つけやすい環境用語が多いことと、重複時に環境の一致を優先する分類順序に、その偏りの原因をたどります。…

このノートブックでは、SHAPを用いてFinBERTの3クラス金融センチメント確率をトークン単位で説明します。モデルのチェックポイントを固定し、出力ラベルを明示的に対応付けたうえで、作成した複数の見出しについて、どのトークンが予測クラスの確率を上げるか、または下げるかを調べます。「narrowed」だけを「widened」に置き換える統制比較により、トークンの寄与は固定的な単独のセンチメントを表すのではなく、文全体の文脈に依存することを示します。…

このノートブックでは、全データを読み込む代わりにParquetスキーマを参照し、9つの市場ケーススタディにあるモデルベースの特徴量列を一覧化します。識別子列を除外して市場ごとの列数を数え、列名のトークンに基づいて、ボラティリティモデル、レジーム指標、自己回帰予測、分数差分などの特徴量群を割り当てます。列挙したトークンのどれにも一致しない列を調べるため、名前のサンプルも示します。…

このノートブックでは、多数のファクターや戦略を探索すると、個々の推定値が正しく計算されていても、選ばれた最良候補の見かけ上の成績が膨らむ仕組みを説明します。ノイズだけのファクターをシミュレーションし、最大の情報係数が偶然に見栄えのよい値になり得ることを示します。続いて、不均一分散・自己相関頑健な推論の後に偽発見率を制御する補正手順を構築し、より保守的なスクリーニングのためにファミリーワイズ誤差制御も論じます。…