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。
297件の資料
このノートブックでは、オフラインの機械学習パイプラインとQuantConnectのLEANエンジンの間にあるデプロイ境界を示します。ETFの事例レジストリから予測セットを選び、学習と予測の来歴を検証して、プラットフォームで利用できるJSON形式でアウト・オブ・サンプルのホールドアウト予測を出力します。プラットフォーム側のアルゴリズムは、モデルの推論パイプラインを再現せずに、そのスコアへポートフォリオルールを適用します。予測を固定しておけば、再学習せずに閾値、ポジション上限、リバランスルールも検証できます。…
この文書では、取引ケーススタディにおけるモデル学習、予測、因果効果の推定、バックテストを記録するランログシステムを説明します。ケーススタディの設定から学習メニューやモデルのプリセットに進み、データファイル、特徴量列、分割日、予測行、前処理、推定器のパラメータ、ソフトウェアのバージョンを含む解決済み仕様が作られるまでの設定の流れを示します。その仕様を標準化した表現が、実行を識別する情報になります。…
このノートブックでは、機関投資家の13F保有情報を、運用機関と株式をつなぐグラフにします。セクター間の関係に加え、保有株数、評価額、報告期間、公開された提出日を持つ保有エッジを含みます。共有保有や複数段階の関係をグラフ検索で調べ、Jaccard類似度を使って運用機関間の保有銘柄を比較します。証券識別子にはCUSIPを使い、発行体名の表記揺れを別銘柄として扱わないようにします。初期報告期間を基準に銘柄群を選び、後の保有情報によって過去のコホート構成が変わらないようにします。…
このデモでは、単一注文の手順を大型US株の固定銘柄群に対する日次リバランスへと拡張します。現在のブローカー口座のポジションとモデルの目標を比較し、差分の注文を作成して、ペーパートレード用ブローカーラッパーを通じてバスケットを任意で発注する方法を説明します。接続口座がペーパー口座であることを確認し、保存済み状態とブローカーのポジションおよび未約定注文を照合して、ポジション、注文、日次損失の上限を適用します。ウォームアップ用バーと気配値は、執行に使うブローカーセッションから取得します。…
この章では、持続的なトレード研究には、市場の変化、ノイズを含む証拠、実装コストに適応できる規律あるプロセスが必要だと論じています。構造変化、レジーム、データドリフト、概念ドリフトを区別したうえで、時点整合データ、明確な範囲設定、反復的な開発、現実的な戦略設計、実運用への移行、モニタリングを軸とする研究から本番環境への移行ワークフローを示します。また、探索と確認の違いを説明し、試行記録、封印したホールドアウト、選択を考慮した評価を重視します。…
このノートブックでは、事前に選択したETFの設定を、確保しておいたホールドアウト期間に適用します。選択した学習時の識別情報とチェックポイントから対応するホールドアウト予測を導き、その期間では調整せず、戦略既存の集中度、配分、リスクオーバーレイ、リバランス頻度、コスト前提を使用します。実行結果はホールドアウトのバックテストとして登録されます。同じ予測セットに対して別の設定を追加評価すると、ホールドアウト結果から選ぶことになり検証が損なわれるため、ガード機能で防止します。…
このベンチマーク生成手法では、ケーススタディで指定された資産から、日次の均等加重リターン系列を作成します。まず、各取引日における銘柄ごとの最後の終値を取り、終値間リターンを算出して、利用可能な銘柄のリターンを平均します。観測対象のパネルに資産が加わったり外れたりする際に人為的なリターンが発生しないよう、連続する取引日の価格がそろう銘柄だけを含めます。ベンチマークは日次グリッド上に作成するため、同じ頻度で評価する戦略とリターンや年率換算指標を比較できます。…
このノートブックでは、分散されたETF銘柄群を対象に、ロングオンリーで資金を全額投資する平均分散の枠組みを構築します。実現可能なポートフォリオと効率的フロンティアを作り、推定リターンと共分散を使って、シャープレシオ最大化および分散最小化のウェイトを求めます。また、推定量が少なくて済む等ウェイト、逆ボラティリティ、等リスク寄与など、より単純な代替手法とも比較します。中心的な教訓は、期待リターンの推定が難しく、共分散をはるかに多くの観測値で推定していても、期待リターンが最適化結果を大きく左右し得ることです。共分散行列…
このノートブックでは、流動性の高いUS株の一部に主成分分析を適用して、グロスエクスポージャーで正規化した固有ポートフォリオを構築し、潜在リスクファクターとしての役割を調べます。説明分散を確認し、セクターETFとの相関から成分を解釈します。標準PCAと階層PCAを比較し、残差、ポートフォリオのリスク寄与、ローリング期間ごとのファクター安定性を分析します。PCAファクターが示すのは共分散構造であり、価格に織り込まれたリターン機会ではないことを強調します。恣意的な符号反転と実際の部分空間ドリフトを区別し、速い残差ボラテ…
この設定では、企業特性で順位付けする月次ロング・ショートUS株式ポートフォリオを記述します。46特性を持つ完全データ銘柄群、月末の判断、翌日始値での執行、ロングとショート各側の等ウェイト、借株を含む大きな取引コストを指定します。特徴量一覧では、バリュー、クオリティ、投資、モメンタムなどのシグナルを分類し、想定する更新遅延と失敗要因を記録します。さらに、月次リターンラベルとウォークフォワード評価を定義し、2016をホールドアウト期間として確保します。…
このノートブックでは、モデルの順位付けをシンプルな暗号資産無期限先物ポートフォリオに反映します。各ファンディング時点で、エントリー規則が順位の上位または下位から契約を選び、均等に加重します。均等加重を基準にすると、ポジションサイズを固定したまま、比較結果の差を順位付けの違いに帰属できます。指定された予測構成にエントリー規則を適用して実行し、結果を後の分析用に登録します。…
この資料では、検証データで選んだ戦略を、別個の2021ホールドアウトの予測値を使って評価する方法を説明します。選択した配分、集中度、リスク管理、取引スケジュール、コストは固定し、戦略に入力する予測値だけを変更します。ホールドアウトの予測セットは、学習仕様を通じて選択したモデル構成に結び付けられており、意図した手順に沿った評価に役立ちます。…
この研究は、投資機会が確率的ファクターに依存する不完備市場において、べき効用を持つ投資家の無限期間の投資と消費を扱います。有限状態ファクターと伊藤拡散過程でモデル化したファクターの両方を対象とし、動的ポートフォリオ選択をハミルトン・ヤコビ・ベルマン方程式の解と結び付けています。…
この文書は、複数資産を対象に2種類の投資家を扱うモデルを提示しています。ファンダメンタリストは株価とファンダメンタルズの認識上の差に反応し、チャーティストは価格トレンドを利用します。両者は一定相対的リスク回避度効用を最大化して投資判断を行います。著者らは、較正したモデルがファットテール・リターンや持続的なボラティリティなどの市場特性を再現すると報告し、戦略パラメータと各グループの資産シェアとの関係を調べています。…
このノートブックでは、取引、資金調達、ファンド経費を明示的に仮定し、グロスリターンをネット成績に換算します。コストにはスプレッドと市場インパクト、手数料と取引所費用、証拠金金利、株式借入料、運用報酬、管理費が含まれます。パラメーター化した計算では、実際の日次ETFリターン系列に、回転率の高いロングのみ、レバレッジをかけたロング・ショートのスプレッド、回転率の低いロングのみの各設定を適用します。そのうえで、グロスとネットのリターン、シャープレシオ、ドローダウンを比較します。…
このノートブックでは、複数資産のETFユニバースについて、ロングのみの6種類のポートフォリオ配分を比較します。最適化を不安定にするサンプリング変動を抑えるため、Ledoit–Wolf共分散縮小を用い、最大シャープレシオ、最小分散、リスクパリティ、階層的リスクパリティ、最小条件付きドローダウンリスク、均等配分を比較します。各手法で必要な推定値は異なります。期待リターンと共分散を使う手法がある一方、リスクのみを目的とする手法では期待リターン予測を使いません。リスクパリティはポートフォリオ分散へのリスク寄与を均等にし、…
このノートブックでは、特性に依存するファクター負荷量と潜在ファクターの積として株式リターンをモデル化する条件付きオートエンコーダーを解説します。まず、横断面の同時最小二乗フィットで特性に基づくポートフォリオリターンを推定し、次にニューラルネットワークを学習させて同時点のリターンを再構成します。別のウォークフォワードアダプターが次のファクター実現値を予測し、現在の特性を通じて変換することで翌日の株式リターンを予測します。…
このノートブックでは、モデルが資産を順位付けした後、配分ルールがETF戦略にどう影響するかを調べます。予測セットとリバランスカレンダーを固定し、比較ごとに同じ上位k銘柄のバスケットを選び、その中の配分比率を変えます。手法には均等配分、スコア加重、逆ボラティリティ、リスクパリティ、平均分散最適化、階層的リスクパリティがあります。保有ファンド数によって配分比率の違いが生じる余地が変わるため、バスケットの集中度も変えて検証します。…
このノートブックでは、取引コストによって成績が損なわれたNASDAQ-100の全バー取引戦略を、ポートフォリオ構築で改善できるかを検証します。宣言された選択銘柄群を使ってベースライン予測の上位を選び、その後は全銘柄群で配分を比較します。保有銘柄数を変え、均等配分、スコア加重、逆ボラティリティによるポジションサイズを比較しながら、15分の取引間隔は固定します。報告された結論では、検証したすべての配分手法の組み合わせが大幅なマイナスにとどまり、配分手法や集中度よりも売買回転コストの負担が重要でした。…
このノートブックでは、均等配分のシグナル段階ベースラインで検証成績上位の予測設定を選び、同じ予測に対して別の配分手法を試します。保有銘柄数を変えながら、スコアベース配分やコンフォーマル配分を、逆ボラティリティ、リスクパリティ、平均分散最適化、階層的リスクパリティと比較します。検証シャープレシオに基づいて設定を進め、各設定で全データをカバーする最良のチェックポイントを使うことで、チェックポイントが細かく多い設定が候補を過度に占めないようにします。…
このノートブックでは、登録済みのETF予測セットをポートフォリオに変換した場合の成績を評価します。各検証予測セットを、異なる上位k銘柄の保有など宣言済みのエントリー方式と組み合わせ、取引カレンダー、リバランス頻度、設定した手数料とスリッページの仮定は固定します。一括比較の前に、ランダムな順位付けをエンジンで実行します。シャープレシオがゼロから大きく離れている場合、タイミング、データ結合、コストモデルに欠陥がある可能性を示すものとして扱います。…
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、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。…