ナレッジライブラリ

この研究は、価格が上がるか下がるかを予測せずにストラドルオプションを取引する、自動化されたロングボラティリティ手法を説明しています。Transformerベースのダブル深層Qネットワークを適用し、時系列入力へのアテンションと複数サイクルの情報を利用します。報酬設計では、より長い期間の超過利益を重視しながら、ストップの閾値を超える損失を考慮します。不確実な市場環境では、レジスタンス水準も追加情報として用います。…

この文書は、入力とリターンの関係が時間とともに変化する場合のニューラルネットワーク予測を研究しています。関係の変化を事前に知らなくても、モデルが変化する関数を追跡できるようにする学習手法として、オンライン早期終了を提案します。米国株の月次リターン予測で既存手法と比較し、予測性能が向上したと報告しています。…

この研究は非負値テンソル分解（NTF）を用いて、オンライン金融市場における複数の時間スケールの取引活動パターンを特定します。まず合成データで手法を示し、次にイタリアのe-MIDオンライン市場における銀行間取引に適用します。取引活動に潜むパターンを明らかにし、通常取引、早期取引、フラッシュ取引を行う銀行群を区別することを目指します。…

この文書では、価格やリターンを直接予測する代わりに、市場状態を分類して戦略を構築する方法を説明しています。ラベルが状態を定義し、移動平均などの市場特徴量は、そのラベルを識別する能力に基づいて選ばれます。別個のニューラルネットワークが特徴量から各ラベルを予測し、買いまたは売りの確率を出力します。推奨内容を線形に組み合わせて、候補となる戦略を作ります。…

この文書は、金市場の動向を市場間フィルターとして使う、提案段階のUSDCHFトレード戦略を説明しています。通貨ペア単独ではなく両市場の状態を関連付けるため、結合隠れマルコフモデルで双方をモデル化します。取引シグナルのトリガーとして記載されている観測値はRSIとCCIです。…

この論文は、ソーシャルメディアのセンチメントや注目度の指標が、10種類の暗号資産の日次対数リターンの予測に役立つかを評価しています。予測変数には、TwitterとRedditのセンチメント、Google Trendsの指数、取引高が含まれます。予測手法はLASSO正則化ベクトル自己回帰で、30日先までの予測を再帰的に行い、2018年1月から2022年1月までの日次観測データで評価しています。また、予測をベンチマークと比較し、高次元VARのグレンジャー因果性分析には事後ダブルLASSO手順を適用しています。…

この文書は、複数の時間軸にわたるトレンド情報と、短期的な価格方向を予測するニューラルネットワークを組み合わせた暗号資産取引システムについて説明しています。市場価格、オンチェーン指標、注文板の動きを共通の買い圧力・売り圧力シグナルにまとめ、迅速な取引判断を支援することを目指しています。提案手法では統計モデルを使って時間軸をまたぐシグナルを結び付け、高頻度執行を導きます。…

この論文は、定常時系列の周辺分布の分位点と、予測可能なボラティリティ代理指標の分位点を結び付けるV変換を用いて、変動の大きい時系列をモデル化する方法を提示しています。変換をコピュラで表すことで、柔軟な周辺分布と、ボラティリティの動態を支配する別個のコピュラ過程を組み合わせられます。著者らはガウスARMAコピュラ過程で枠組みを例示し、ARMAモデル向けの厳密な最尤法を応用して推定しています。…

この研究では、先物の連続取引に深層強化学習を適用し、離散および連続の行動空間を検討しています。ポジションサイズが市場のボラティリティに応じて変化するよう、報酬関数にボラティリティ調整を組み込んでいます。対象は50件の流動性が最も高い先物契約で、2011年から2019年まで評価しています。コモディティ、株価指数、債券、外国為替を含みます。…

この論文は、ビットコインの市場価格とブロックチェーンに基づく基礎的効用の指標を比較するため、価格対効用比率を導入しています。著者らは貨幣理論とビットコインのUTXO会計構造を使って指標を導出し、既存の市場価格対ファンダメンタルズ指標と比較しています。過去のビットコイン分析では、既存指標の短期予測力は弱い一方、提案比率は長期リターンをより効果的に予測すると報告されています。…

この論文は、過去データを再生するバックテストの限界を扱っています。こうしたバックテストでは、戦略の行動に市場がどう反応するかをモデル化できません。異なる戦略を持つトレーダー間の相互作用を表現する方法としてマルチエージェントシミュレーションを説明し、実験用のトレードエージェントをシミュレーション市場で検証できるようにします。実務上の課題は、個々のエージェントに関する詳細な過去データが一般に非公開または入手不能であり、現実的な較正が難しいことです。…

この論文は、取引における2つの深層強化学習手法、Double Deep Q-NetworkとProximal Policy Optimizationを評価しています。2019から2023までの日次データを使い、パフォーマンスをバイ・アンド・ホールドのベンチマークと比較しています。対象資産には3つの通貨ペア、S&P 500指数、ビットコインが含まれます。…

ClusterLOBは、マーケット・バイ・オーダーのデータから、時間依存の6つの特徴量とK-means++クラスタリングを用いて個々の市場イベントをグループ化します。得られたグループは、方向性を重視する参加者、機会主義的な参加者、マーケットメイキングを行う参加者として解釈され、指値注文板内の異なる行動を調べる方法となります。…

この研究では、過去のデータに基づくシステマティックなオプショントレード向け深層学習の枠組みを提示し、学習にポートフォリオのリスク感応度を直接組み込んでいます。目的関数は、パフォーマンスを重視する損失関数と、選択したリスク要因へのエクスポージャーに対する微分可能なペナルティを組み合わせています。市場動態のシミュレーションに頼ってヘッジ方針を学習することなく、学習したポートフォリオが所定のヘッジ制約を満たし、リスク調整後リターンを最適化するよう促します。 この枠組みはNasdaq…

この研究では、Uniswap V2の取引データを用いて売買活動を特徴付け、詐欺の疑いがある対象を特定します。検出方法では、連座のヒューリスティックと機械学習手法を組み合わせ、ラグプルに関与している可能性のあるトークン、プール、関連アドレスを検出します。また、一部の詐欺コントラクトには、利用者を欺いたり利用を制限したりする仕組みが含まれると報告しています。…

この文書では、時系列データを用いた取引のための、アテンション機構とLSTMを組み合わせたMomentum Transformerを紹介しています。アテンション機構はモデルを過去の時点と結び付け、複数のアテンションヘッドは異なる時間軸で動く市場の動態を表現できます。著者らはモメンタム戦略や平均回帰戦略のベンチマークと比較し、取引コスト控除後も含めて、より高いパフォーマンスを報告しています。…

あらかじめ選定したUS株式モデルの設定を使って、保留期間の予測を作る方法を説明しています。モデルと戦略の設定は検証結果に基づいて選んでいるため、同じ検証結果を選択の妥当性を独立に確かめる根拠にはできません。ノートブックはケーススタディの設定から保留期間の日付を読み込み、選定済みモデルを特定して、保留期間の開始前に利用できる履歴だけで再学習します。…

このノートブックでは、実運用データの代替としてホールドアウト予測をオフラインで用い、運用中のトレードモデルを監視するワークフローを紹介しています。ドリフトを計算する前に入力特徴量パネルを検証し、参照期間と現在の期間を母集団安定性指数（PSI）および2標本コルモゴロフ・スミルノフ検定で比較します。さらに、予測分布の変化と、ローンチ時のベースラインを基準としたローリング順位相関、的中率、平均二乗誤差を追跡します。…

言語モデルで合成金融テーブルを生成する手法GReaTを紹介しています。各行をテキストに変換し、ETF特徴量を使ってGPTベースのモデルをファインチューニングしてから、生成テキストを数値列とカテゴリ列が混在する表に戻します。例の特徴量には、過去リターン、ボラティリティ、出来高比率、方向やレジームのラベル、将来リターンの目的変数が含まれます。時系列に沿って学習データとテストデータを分け、特徴量分布の再現性と、合成データで学習して実データでテストする分類による下流タスクでの有用性を評価します。…

将来の観測値が過去の値に影響しないように、US株式パネルのモデルベース特徴量を構築する方法を説明しています。中心となるのは推定スケジュールです。モデルに初期学習期間を設け、特徴量を生成するブロックより前のデータだけで学習し、そのブロック全体で特徴量を出力してから、次のブロックに進む前に再学習します。この手順を市場レジームとの距離、分数階差分を適用した価格、条件付きボラティリティに用います。個別銘柄のボラティリティモデルに加え、履歴が短い場合には市場全体の推定値で補います。…

このイベント告知では、先物と現物・先物スプレッド取引、およびCTAシグナル開発のための機械学習手法という2つの学習テーマを紹介しています。スプレッドのテーマでは、関連する契約間の価格差を分析し、適切な組み合わせを探し、スプレッドの時系列をモデル化して、スプレッド・グリッド戦略を構築する方法を説明しています。また、VeighNaのスプレッド取引モジュールにある執行方法と設定機能も取り上げています。…

この記事では、環境との継続的な相互作用を通じてDecision Transformerを微調整する手法、Online Decision Transformer（ODT）を説明しています。基本モデルが直近の状態、行動、将来リターンの目標値を条件として行動を決める仕組みを確認し、続いてODTの確率的方策、探索のためのエントロピー制約、軌跡ベースのリプレイバッファについて述べています。学習では保存された軌跡から固定長の部分列を抽出し、初期の将来リターンの目標値は専門家の結果に基づくスケールを使って設定します。…

このリリース告知では、機械学習ベースのトレードシステム開発用ツールキットMLFinLabの変更点を説明しています。バー生成機能はタイムスタンプをDataFrameのインデックスとして返すようになり、後続関数との整合性が高まり、手動でのインデックス変換が不要になります。ボラティリティ推定器は列の順序に依存せず、小文字の列名でOHLCの入力を選択するようになりました。リリースによれば、以前は警告なしに誤った結果が生じる可能性がありました。ユーザーは列名を調整し、タイムスタンプのインデックスをリセットするコードを削除す…

この記事では、過学習を、モデルが汎化するパターンではなく学習データ固有の癖を覚えてしまうことと説明します。履歴書の選別を例に、学習時の高い成績と未見データでの低い成績を対比し、シグナルではなくノイズに当てはめる問題として捉えています。また、過学習をアンダーフィッティングやバイアス・バリアンスのトレードオフと関連付けています。単純すぎるモデルは構造を捉え損ねる一方、柔軟性が高すぎるモデルはノイズに敏感になることがあります。…