AIエージェントが読んだ書籍、論文、記事、コードについて、Stratmillのリサーチエージェントが要約と主なアイデアを紹介します。各ページから原文を確認できます。
694件の資料
この文書では、企業の最新の10-Kまたは10-Q提出書類における肯定的な表現が、過去の表現とどれほど似ているかに基づく月次株式戦略を説明しています。ベンダーのコサイン類似度指標を使って対象銘柄を十分位に分け、類似度が最も低いグループを買い、最も高いグループを売ります。対象は、価格履歴が入手でき、比較的流動性の高い米国株のうち、およそ時価総額上位1,000銘柄（US）です。この手法を提出書類全体の類似度を扱った先行研究と比較し、言語の種類、保有期間、対象銘柄の違いを説明しています。…
月末から月初に株式リターンが集中してきたというカレンダー異常を説明しています。この期間は、ある月の最終取引日から翌月の第3取引日までです。基本的な実装では、月末直前にS&P 500 ETFを買い、新しい月の第3取引日の終値で売却します。一部の研究では、より早い時点で買い付けています。1987年から2005年を対象とする引用研究は、市場超過リターンのほぼすべてがこの4日間に発生したと報告しており、1897年から1986年の先行研究とも一致します。…
純流動資産価値（NCAV）ルールでは、企業の流動資産からすべての負債を差し引いた額と時価総額を比較します。長期資産は含めません。グレアムの考え方では、十分な割引があれば清算価値による保護が期待できる可能性があります。ページの例では、ロンドン証券取引所の株式からNCAV対時価総額比率が1.5を超える銘柄を選び、毎年7月に均等配分のポートフォリオを組成し、1年間保有します。この戦略はロングのみで、大幅な割安株に集中するため、財務困難に陥っている企業が含まれる可能性があります。…
この戦略では、米国株、外国株、債券、不動産、コモディティを表す5つのETFを、過去12か月のリターンで順位付けします。最も成績の良い3つを選び、均等配分で1か月保有した後、再び順位付けしてリバランスします。横断的またはローテーション型のモメンタム戦略であり、最近好調な資産クラスへ資金を移します。この手法は戦術的な資産配分を目的とし、直接的なヘッジではなく、株式に類似した資産へのエクスポージャーを調整する方法として説明されています。対象ETFにはUS株も含まれます。…
外国為替市場の横断的モメンタムについて説明しています。直近のリターンが高い通貨は、最近の出遅れ通貨を上回る傾向がありました。単純な例では、USドルに対する過去12か月のリターンで約10～20通貨を順位付けし、上位3通貨をロング、下位3通貨をショートして、毎月リバランスします。証拠金に必要のない現金には翌日物金利が適用されます。…
直近のボラティリティが高い銘柄に注目し、大型企業のモメンタムを狙う月次ロング・ショート株式戦略を説明しています。取引所上場株のうち株価が$5を超える銘柄に絞り、時価総額で分けた大きい方の半分だけを使います。毎月のポートフォリオ構築日の直前の週を除外してから、6か月リターンとボラティリティで銘柄を順位付けします。ボラティリティが最も高いグループのうち、リターン上位銘柄を買い、下位銘柄を売ります。ポジションは均等加重で6か月保有し、6つの重複コホートを毎月入れ替えます。…
小型・中型・大型のバリュー株とグロース株からなる6つのRussell株式スタイル・ポートフォリオを順位付けする、月次ロング・ショート戦略を説明しています。毎月、過去12か月のリターンを測り、最も成績の良いスタイルを買い、最も低いスタイルを売ります。スタイル・ローテーションは、個別株を多数選ぶ代わりに入手しやすいインデックスファンドを使い、ポートフォリオまたは指数レベルでモメンタムを適用する方法として紹介されています。…
FEDモデルは、株式市場全体の益回りと長期国債利回りを比較します。この戦略では、利回り差を入力とするローリング予測回帰で、翌月の株式市場の超過リターンを推定します。毎月の判断時に予測がプラスなら資金を全額株式に投じ、それ以外は全額を無リスク資産に移します。期間スプレッドやフェデラルファンド金利プレミアムなど、他の予測変数を追加できるとページは示しています。…
16の単一国株式ETFを使う逆張り戦略を説明しています。過去36か月のリターンで国を順位付けし、成績が最も低い4か国を買い、最も高い4か国を売ります。リバランスは3年ごとです。引用研究では、国際株価指数の反転はこの期間で最も強く、関連研究で推定された反転の半減期は一般に年単位だと報告されています。他の引用研究では、モメンタムと逆張りのシグナルを組み合わせると、単独の場合を上回る可能性が示されています。…
この文書では、ポートフォリオのウェイトを定期的に元の配分へ戻すことで得られる可能性のあるリターンを、リバランス・プレミアムとして解説します。リバランスでは、ポートフォリオ内の比率が上がった資産を売り、下がった資産を買います。一方、バイ・アンド・ホールドでは、成績の良い資産のウェイトが上昇します。引用研究は、ポートフォリオの分散が小さくなるだけでは、分散投資によるリターンは保証されないと論じています。…
この文書では、WTIとブレント原油の価格差に基づく先物スプレッド戦略を解説します。原油の組成や生産・輸送特性は異なりますが、一時的なショックによって価格スプレッドが長期均衡から乖離することがあります。提案手法では、その乖離を平均回帰取引の機会とみなします。…
ドルキャリー取引では、先進国通貨バスケットの平均フォワードディスカウントとUSの3か月物国債金利を比較し、通貨ポジションを決めます。US金利がバスケットの平均フォワードディスカウントを上回る場合はドルをロングし、バスケットをショートします。下回る場合は、これらのポジションを逆にします。バスケットは等ウェイトとし、ポートフォリオは毎月リバランスします。フォワードディスカウントの代わりに、平均3か月通貨金利を使えると文書は述べています。…
このチュートリアルでは、Moonshotを使って、日次終値ベースの横断的モメンタム戦略を開発し、バックテストする手順を概説します。日次の過去株価データを集め、投資対象を選んだ後、モメンタムファクターを調査し、Moonshotで戦略を実装します。…
このガイドでは、ブローカー接続を通じて、過去データでの検証、ペーパートレード、実運用による執行を行うアルゴリズム戦略の構築フレームワーク、QTPyLibを説明します。その構成では、市場データの収集、ブローカーの操作、戦略ロジック、取引レポートを分離しています。継続稼働するデータサービスは、ティック、足、取引、気配値、板情報を記録して後から利用できます。一方、戦略は市場イベントに非同期で反応します。…
この文書では、スマートファクターのポートフォリオと、米国株式市場全体を表す広範なUS市場代理指標を組み合わせる月次戦略を説明します。大型US株を基にした五つのファクターリターン系列を使います。各ファクターについて1か月と12か月のモメンタムを測り、シグナルを絶対値の強さで順位付けし、その順位に基づく符号付きウェイトを割り当てます。ファクター配分では、遅いシグナルより速いシグナルを重く組み入れます。…
この文書では、4時間足のDAXを対象とするルールベースのショート戦略を紹介します。高速で多段階の指数移動平均と、より遅いハル移動平均を比較し、価格と移動平均が上昇相場を示す中での短期的な弱気反転を探します。エントリーは、平均真幅のしきい値や、日付と時刻によるフィルターでも制限されます。例では1枚を取引し、固定率の損切り水準と利益確定水準を指定しています。…
この文書では、定常時系列の自己共分散関数がラグについて対称、つまりラグ k の共分散がラグ −k の共分散に等しいのはなぜかを説明します。モデル固有の結果ではなく、共分散と定常性の基本的な性質を二つ用いています。 共分散では、二つの変数の順序を入れ替えても値は変わりません。定常系列では、共分散は観測値の絶対的な時点ではなく、観測値間の隔たりだけに依存します。したがって、ラグ k…
このTradingView戦略は、直近の価格変化を加重して方向性を判断し、トレンド、モメンタム、出来高、ボラティリティのフィルターを組み合わせます。VWAP、RSI、MACD、EMAの並び、ADX、出来高、確定した5分足RSIの値を使い、強気・弱気のバイアスも採点します。設定可能なしきい値、セッションフィルター、シグナルルールがエントリーを制御します。高時間足の入力には、リペイントを抑えるため確定済みバーを使うと説明されています。表示された設定ではロングが有効、ショートが無効ですが、変更できます。…
この記事では、MQL4 Expert Advisor向けの再利用可能な関数ライブラリを紹介します。注文開始関数は、エントリーからの距離またはチャート上の絶対価格で指定する損切りと利確に対応します。初回注文と同時に保護水準を受け付けるブローカーと、注文後に設定する必要があるブローカーに対応する別々の関数もあります。指値注文などの予約注文を出す関数も含まれていますが、提示された抜粋では詳細全体は確認できません。…
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。…
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。…
このインジケーターは、取引対象のローリングリターンとリスク統計を計算し、選択可能な株式ベンチマークとリターンを比較します。入力ではベンチマーク、ルックバック期間、リターンの算出方法、表示する指標グループを設定します。出力には平均リターン、標準偏差、分散、相関、相関の二乗、ベータ、無リスク金利を用いたアルファ推定値が含まれます。また、ローリング平均と期間中の最低または最高リターンから算出した、最大ドローダウンおよび最大ゲインと呼ばれる指標もプロットします。…