ナレッジライブラリ

この文書は、各資産自身のモメンタム履歴と他資産に対するモメンタムを組み合わせた時空間モメンタム戦略を提示しています。ニューラルネットワークでポートフォリオ全体のトレードシグナルを学習し、時系列モメンタムと横断面モメンタムを別々の戦略ではなく、関連する入力として扱います。…

この研究では、投資家の行動がシミュレーション上の株式市場リターンや資産にどう影響するかを、エージェントベースモデルで調べています。投資家はスモールワールド・ネットワーク上に配置され、模倣、反模倣、ランダムのいずれかの特性を持ちます。また、信頼する近隣投資家からの情報か、市場指数に基づくモメンタムシグナルを使って行動を選びます。…

AdaptiveTrendは、6時間間隔のトレンドシグナルと月次のポートフォリオ更新を組み合わせた体系的な暗号資産戦略です。ボラティリティに応じたトレーリングストップを使い、ローリング・シャープレシオと時価総額フィルターで資産を選び、ロングとショートに非対称に資本を配分します。著者らは市場に過去のプラスのドリフトがあることをロング寄りの配分の根拠とし、ボラティリティと資産成績の変化に合わせてエクスポージャーを調整する仕組みとして提示しています。…

中国株を対象に、株価リターン、固有リターン、複数の固有リスク指標を用いた週次モメンタム戦略を比較します。サンプルは1997年1月から2017年12月までの個別A株です。まずモメンタムと逆張りのパターンを評価し、次に単変量ポートフォリオ分析を使って、リスク指標がリターンを予測するか、それらの指標で構成したモメンタム・ポートフォリオを比較します。…

本資料は、内生的なバブルと周期的な暴落を表す、簡潔な離散時間シミュレーションを提案します。市場モメンタムを使って売買のバランスを形作り、群集行動とパニック売りがどう相互作用するかを表現することを目指します。…

DeepUnifiedMomは、複数の時間軸にわたる時系列モメンタムシグナルを組み合わせるポートフォリオ構築の枠組みです。マルチタスク学習とマルチゲート混合専門家アーキテクチャを使って統合ポートフォリオを形成し、狭い時間軸に絞る戦略では捉えにくいモメンタムの動きを取り込むことを目指します。…

この文書は、取引シグナルと実用的な絞り込みを中心に構成された、株式スクリーニング用の可視化ツールを説明しています。バックエンドでは各銘柄が同業銘柄からどれだけ乖離して取引されているかを計算し、その相対的な乖離を平均回帰シグナルとして使い、シグナルの大きな変化をモメンタムとして示します。フロントエンドではシグナルを色分けして表示し、セクター、取引所、シグナル、流動性、時価総額で銘柄を並べ替えたり絞り込んだりできます。…

この文書では、線形および非線形のモメンタム取引戦略について、3次モーメントである歪度の性質を分析しています。非線形戦略を、正規化した移動平均フィルター、具体的には指数移動平均（EMA）の変換として扱います。主な焦点は、これらの戦略が一般に正の歪度を持つ理由と、歪度が期間構造に応じて変化する理由の説明です。…

この文書では、調整済み株価収益率、すなわちCAPEを軸とする離散時間の株価指数リターンモデルを提示しています。リターンの成長は、モメンタム、初期CAPEの対数に結び付いたファンダメンタル要素、拡散的な価格動向を生み出すランダムな駆動要素を組み合わせています。モデルでは、初期のバリュエーションが成長の基準水準を定め、ショックによって価格がそこから乖離する可能性があります。…

この研究では、暗号資産リターンの主要なモメンタムファクターに関連する平均回帰に基づき、暗号資産の統計的裁定シグナルを提示しています。アルゴリズムの概要とソースコードを示していますが、利用可能な説明ではシグナルの構築方法、ポートフォリオのルール、取引頻度は明らかにされていません。…

本論文は、ボラティリティ・ドラッグだけではレバレッジ型上場投資信託の長期的な動きを説明できないと論じています。複利効果がリターンの自己相関などの動態にどう左右されるかを検討します。リターンが独立なら目標倍率に対して期待複利効果がプラスになる場合があり、トレンドは結果を改善し、平均回帰は結果を悪化させる可能性があります。枠組みにはAR(1)モデル、AR-GARCHモデル、連続時間のレジーム転換、異なるリバランス頻度が含まれ、ボラティリティ・クラスタリングとレジームの持続性も考慮されています。…

本研究は、物理学の速度や質量になぞらえて価格モメンタムを定義し、この指標を週次逆張り戦略の資産選択に用いています。韓国のKOSPI 200と米国のUS S&P 500の銘柄群に適用し、得られた戦略を従来の逆張り戦略と比較しています。…

本研究は、リターンの相互予測可能性と技術的類似性という2種類のつながりを用いて、変化する暗号資産ネットワークを構築しています。両方の情報を考慮しながらコミュニティを推定するため、動的共変量支援スペクトラル・クラスタリングを適用しています。このネットワークは、リスクがどのように伝播し得るか、市場がどこで分断されているかを明らかにすることを目的としています。…

本資料は、従来の単一市場のトレンド指標と市場横断シグナルを組み合わせた、商品先物のシステマティックなトレンドフォロー戦略を説明します。横断的シグナルは、ある市場のトレンドが別の市場に先行する場合に生じるモメンタムの波及を捉えることを目指します。この手法では、2つのアプローチで先行・遅行関係を特定し、ネットワーク・モメンタム指標に統合して、拡張されたトレンド指標を作ります。その指標でポートフォリオを構築し、単変量指標だけに依存するベースラインと比較します。…

本資料は、リスク資産と無リスク資産があり、合理的投資家とノイズトレーダーが参加する均衡モデルを提示します。合理的投資家は、一定相対的リスク回避度の効用のもとで、期待リターンとリスクに応じて配分を選びます。ノイズトレーダーは互いを模倣してモメンタム取引を行い、群集化する傾向は時間とともにランダムに変化します。このモデルは、両者の相互作用が価格とリターンに及ぼす影響を説明することを目的としています。…

この論文は、中国本土株式の時系列モメンタムと逆張り効果を検証しています。主要株価指数に時系列モメンタム戦略を適用し、そのパフォーマンスが企業固有の特性と関連するかを調べています。主な報告結果は、短期ではリターンにモメンタムが見られ、長期では逆張りの動きが見られるというものです。…

この文書は、上場企業間のモメンタム波及を捉えることを目的とした株価変動予測手法を説明しています。企業とその経営幹部という2種類のエンティティで市場知識グラフを構築し、明示的な関係とエンティティ間の暗黙的なつながりを組み合わせます。…

この文書は、同じ銘柄を同じ方向に同時に取引することが、戦略の成績、取引コスト、システミックリスクにどう影響するかを研究しています。売買不均衡の変動に基づく直接的なクラウディング指標を提案し、投資家の成行注文が連動して動く状況を捉えます。分析には、匿名の市場データと米国株の機関投資家による大規模なメタ注文データベースの両方を使用しています。…

この文書はエージェントベースモデルを用いて、市場インパクトとモメンタムトレーダーが価格変動や取引戦略をどう形作るかを研究しています。中心的な知見は、モメンタムの影響が市場インパクトの水準に左右されることです。インパクトが小さい場合、モメンタムトレーダーは価格変動にほとんど影響しませんが、トレンドフォロー戦略とトレンドに逆らう戦略の均衡を崩し、群集行動や自己強化型のフィードバックループを生じさせる可能性があります。…

この文書は、企業間の関係性を示す代理指標としてCharacteristic Vector Linkagesを提案しています。特性を用いてつながりを推定し、まずユークリッド距離で類似性を測り、次にQuantum Cognition Machine Learningを適用して類似性を学習します。企業間のつながりを表現し、モメンタム波及型トレード戦略に役立てることが目的です。…

この論文は、ある先物市場のモメンタム情報が、他市場のモメンタム予測に役立つかを調べています。商品、株式、債券、通貨の連続取引される契約64本について、価格から得たモメンタム特徴量を用いてネットワークを構築します。事前に企業間のつながりやその他の経済関係を指定する必要はありません。…

この文書では、標本外で実現リスクが期待値を統計的に上回るポートフォリオを検出するランダム行列理論の検定を説明しています。これらのポートフォリオを「一時的モード」と呼び、その超過リスクを、構成資産間の関係が変化した証拠と解釈しています。提案された検定は幅広く適用でき、真の相関構造を事前に知る必要はないとされています。…

本資料は、最大ドローダウンとその後の回復に基づく銘柄選択ルールを検証します。さまざまな株式市場で、これらの指標から構築したポートフォリオは、価格の方向を予測し、銘柄間のリターンの違いを捉えると報告されています。月次では、最大ドローダウンで順位付けした戦略が、累積リターンに基づく従来型を含む他の代替モメンタム・ポートフォリオを上回ります。週次では、回復に基づくルールが平均回帰の検出に最も有効な銘柄順位を付けており、異なる時間軸でモメンタムと逆張りの両方に応用できます。…

本資料は、ネットワーク・モメンタムの機械学習フレームワークであるL2GMOMを紹介します。ネットワーク・モメンタムは、資産間の関係を使って将来リターンの予測を支援します。提案するフレームワークは、まずネットワークを構築し、その後別工程でポートフォリオを最適化するのではなく、金融ネットワークと売買シグナルを同時に学習します。ニューラルネットワークの構造はアルゴリズム・アンローリングに基づき、解釈可能とされています。負のシャープレシオを含む、さまざまなポートフォリオ成績の目的関数を利用できます。…