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。
619件の資料
この解説では、合成金融パスを生成するためのパラメトリック確率モデルとブートストラップ手法を比較します。幾何ブラウン運動、ジャンプ拡散、平均回帰、ヘストン確率的ボラティリティ、およびGARCHを、独立再標本化やブロック単位の再標本化とともに扱います。リターン分布、裾の挙動、自己相関、ボラティリティ・クラスタリングを用いてモデルを実装・比較し、ETFデータを実証的な参照として用います。また、ジャンプドリフトの補正や、シミュレーション値の妥当性を保つための分散の切り詰めといった実装上の選択についても説明します。…
このノートブックでは、合成ブローカーを使って、実運用における運用上の安全策を実演します。市場スナップショットが設定した経過時間を超えると注文が拒否される例と、口座価値の低下が日次損失のキルスイッチを作動させる例を示します。損失状態は保存されるため、ブローカーラッパーを再構築してもラッチが暗黙に解除されることはありません。起動時の照合では保存済み状態をブローカーのポジションや未約定注文と比較し、エンジンはデータ待ち、フィード停止、停止済みなどの稼働状態を示します。…
このノートブックでは、リターンラベルごとに、検証データで選択したFX戦略1つを対象として、比例取引コストの変化が与える影響を測定します。まずシグナル、配分、リスクオーバーレイの候補から親戦略を選び、戦略の他の特性は維持したまま、取引する片道ごとの総コストだけを変化させます。この検証は後続のモデル・戦略選択から除外されるため、特に有利なコスト前提で評価された候補が優位になることを防ぎます。得られる曲線は、成績が売買回転にどれほど敏感か、またどこでリターンが損益分岐点に達するかを示すものです。…
この文書では、ディフレーテッド・シャープレシオ（DSR）が、検証した戦略数、シャープレシオ推定値のばらつき、正規分布に従わないリターンを考慮し、選択した戦略のシャープレシオをどう補正するかを説明します。未補正の確率的シャープレシオ計算と比較し、相補的な組合せ対称交差検証の分割を使う、関連指標のバックテスト過剰適合確率分析も概説します。帰無戦略と同等の優位性を持つ派生形のシミュレーションで、最良の結果を選ぶと、見かけの成績が実態より良く見える場合があることを示します。…
このノートブックでは、同じ銘柄の同じ満期のアット・ザ・マネーのコールとプットを売り、ストラドルを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。各特徴量について、利用可能な銘柄を、後のストラドル損益と同じ順序で順位付けできるかを測ります。日次の横断面順位の一致度を計算して時間方向に平均し、ポジションの重複を考慮して不確実性の推定幅を広げます。また、多数の候補を検定することへの有意性スクリーニングの補正を行い、関連性が複数の検証期間で持続するかを確認します。…
このノートブックでは、S&P…
このノートブックでは、同じETFユニバース、予測、リバランス日程、バックテスト手順を用い、均等配分、逆ボラティリティ、最小分散、階層的リスクパリティを比較します。ローリングRidgeモデルがモメンタム、移動平均からの乖離、ボラティリティの特徴量からETFを順位付けし、各配分手法が共通の銘柄選択に独自の重み付けルールを適用します。結果はホールドアウト前の選択期間と、その後のホールドアウト期間に分け、リスク調整後リターン、ドローダウン、売買回転率、安定性を診断します。…
このノートブックでは、損失の分位点を示すバリュー・アット・リスク（VaR）と、その閾値を超える損失の平均を示す条件付きバリュー・アット・リスク（CVaR）を解説します。日次ETFリターンを使い、ヒストリカル法、ガウス法、Cornish–Fisher補正、スチューデントt分布によるモンテカルロ推定を比較します。次に例外の件数を数え、その頻度が指定された信頼水準に合うか検定してVaRのカバレッジを評価します。ただし、頻度検定では例外の時間的な集中を検出できないと強調しています。…
この解説用ノートブックでは、ETFデータを使い、教師ありトレードモデルの目的ラベル手法を比較します。固定期間リターンと方向ラベル、時系列のローリング・パーセンタイル、横断面パーセンタイル、固定またはボラティリティ連動の閾値を使うトリプルバリアラベル、トレンドスキャンを扱います。また、重複する観測値に対する一意性の重み付けと逐次ブートストラップについても解説します。…
この共有モデリングモジュールは、特徴量、ラベル、時系列データ、設定を読み込み、ウォークフォワード交差検証のフォールドを準備して、クオンツリサーチのワークフローを支援します。再現性とデータの来歴を重視し、ソースファイル、配列、モデル設定、ノートブックのコードのハッシュを記録します。入力が変わればキャッシュ済みの結果を無効化できます。また、乱数シードを設定し、データセットのスキーマ、特徴量選択、フォールド準備のユーティリティも備えています。…
このノートブックでは、ETF特徴量の評価を単一のリターン期間から、10個の特徴量と3つの期間にわたるスキャンへ拡張し、多重検定を補正します。次に、長いルックバック期間の12-1モメンタムと短期リバーサルについて、時間をずらした検定、ICの持続性、米国債リターンによる共通要因の統制、VIXレジーム間の比較を用いて、メカニズムに基づく診断を行います。報告されたスキャンでは、5日間の期間で長期ルックバックのモメンタムが多重検定補正後の発見に含まれます。一方、より長い期間で最大となったインフォメーション係数は、補正後のし…
このノートブックでは、買い手主導の符号付き出来高比率が、その後の15分リターンと関連するかを推定します。相対スプレッド、直近の実現ボラティリティ、過去1か月のリターンを調整します。クロスフィッティングを用いた二重機械学習で、これらの交絡要因から結果変数と処置変数を予測し、その残差を回帰して統制変数では説明されない処置の変動を分離します。分析対象は1分足のNASDAQ-100観測です。適格な母集団、フォールド境界、エンバーゴ、プラセボ設計を決めてから学習します。ブロック置換による反証では、処置のタイミングを崩した後…
このノートブックでは、ノイズを含む共分散推定値への感度を抑えることを目的としたポートフォリオ構築手法、階層的リスクパリティ（HRP）を説明します。3段階の手順を紹介します。相関距離で資産をクラスタリングし、得られた階層に従って並べ替え、クラスタを再帰的に分割して分散の小さい側により大きな比率を割り当てます。また、共分散行列の逆行列計算が推定誤差を増幅し得る平均・分散最適化や、逆行列計算の前に共分散推定を安定化させる縮小法と、HRPを比較します。…
このノートブックでは、注文サイズに応じた市場インパクトの増加を説明し、平方根参加率モデルを用いて戦略の運用可能規模を検討します。ボラティリティや平均日次出来高などの市場データから得られる入力と、戦略自身の約定記録を使った較正が必要なインパクト係数を区別します。市場パネルは株式、先物、暗号資産、FXを対象とし、一部の出来高指標では米ドル建て想定元本による比較ができない理由も説明します。…
このノートブックでは、ETFのリターン予測で不確実性をどう表すかを調べ、モンテカルロ・ドロップアウトとディープアンサンブルを比較します。ドロップアウトは推論を繰り返す間も有効にし、アンサンブルでは別々に学習したネットワーク間の不一致を測ります。これらのばらつきは不確実性を推定するものですが、それだけで所定のカバレッジ特性を持つ区間が得られるわけではありません。分割コンフォーマル較正では予測誤差を区間に変換し、標準的な方法と不確実性で正規化する方法の両方を検討します。…
このノートブックでは、同じ予測順位で選んだETFポートフォリオについて、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の6つの加重方法を比較します。選定するファンド数も配分方法と併せて変えます。集中したバスケットでは加重方法の差が出にくく、リスク特性の異なるファンドが含まれると差が広がる可能性があるためです。…
このノートブックでは、複数のトレード事例研究で登録された二重機械学習の推定値を集め、不確実性と診断結果を比較します。各研究の登録情報から最新の行を読み込み、登録情報の整合性とラベルの一意性を確認し、カバレッジを明示してHAC統計量と信頼区間を算出します。推定効果の単位はそれぞれ異なるため、フォレストプロットでは生の効果量を順位付けせず、無次元のHAC統計量を比較します。また、単純なOLS係数と直交化推定値を対比し、交絡バイアス指標とブロック置換による反証結果をまとめ、複数のラベルと実際に異なる予測期間を区別します…
このノートブックでは、ETFの配分バックテストを診断する枠組みを示します。シャープレシオ、ソルティノレシオ、カルマーレシオ、ボラティリティ、バリュー・アット・リスク、最大ドローダウンなどのリスク・リターン指標を算出し、ローリング成績とドローダウンからの回復を追跡します。また、アルファ、ベータ、トラッキングエラー、インフォメーションレシオ、キャプチャー指標を用いて、ポートフォリオをSPYと比較します。選定した市場ストレス期間中のリターンも調べます。分析対象のポートフォリオは、登録情報から検証用シャープレシオが最も高…
このノートブックでは、実際のホールドアウト成果物を使って、導入済み金融モデルの監視手順を構築します。ドリフトを測る前に、入力特徴量データが埋まっていて構造的に妥当か確認し、その後、基準期間と現行期間を比較します。特徴量分布の変化は、母集団安定性指数と2標本コルモゴロフ–スミルノフ検定で評価します。安定性しきい値は慣例に基づく一方、大標本では統計的有意性が実質的に小さな変化まで検出し得るため、2つの指標を組み合わせます。…
このノートブックでは、過去データに日次の始値、高値、安値、終値、出来高はあるものの気配値がない場合に、ビッド・アスク・スプレッドを推定する2つの方法を比較します。Corwin-Schultz法は日次および2日間の高値・安値レンジを比較し、価格の極値は売り気配または買い気配での取引を反映することが多いという仮定に基づき、スプレッドとボラティリティを分離します。Roll法は、売り気配と買い気配の間で取引が交互に起きることで生じるリターンの負の系列共分散から、相対スプレッドを推定します。両手法とも、仮定が成り立たない場…
この資料では、ブラック–ショールズのもとでヨーロピアン・コールとプットの価格を導出し、プット・コール・パリティで両者の関係を確認した上で、観測されたオプション価格に一致するボラティリティを数値的に解いてインプライド・ボラティリティを計算します。また、デルタ、ガンマ、ベガ、セータ、ローを定義し、マネーネスや満期までの時間に応じた感応度の変化を図示します。一定ボラティリティ、連続取引、ヨーロピアン行使というモデルの仮定を市場の実態と照らし、出力がどこで乖離し得るかを説明します。 計算結果をS&P…
このノートブックでは、ショートのヨーロピアン・コールを対象にディープヘッジを実演します。幾何ブラウン運動で原資産価格の経路をシミュレーションし、ベンチマークとしてブラック–ショールズのデルタを計算し、半再帰型ニューラルネットワークでヘッジポジションを決めます。学習目的は、満期時損失の条件付きバリュー・アット・リスクを最小化することです。損益計算では、ヘッジ開始、各リバランス、満期時の決済に比例コストを課し、同じ仮定のもとで離散的なデルタヘッジと比較できるようにします。また、学習された取引がデルタ・ベンチマークに近…
このモジュールは、検証段階と戦略ラベルをまたいだホールドアウト選択フィールドの構築方法を定めます。固定済み候補集合とライブ再構築で異なる構成が選ばれたり、後続分析で勝者と異なるラベルが使われたりする不整合に対処します。共通の構築には、宣言されたラベル全体のシグナル、配分、リスクオーバーレイの各段階が含まれ、後続処理では選択された結果のラベルを読み取ります。…
このノートブックでは、10個の主成分が捉える広範な変動を調整した後、4つの運用ポートフォリオ戦略がSPYリターンの説明力を高めるか検証します。候補ポートフォリオは、遅行リターンを使ってETFを直近のモメンタム、低ボラティリティ、短期リバーサルで順位付けし、ロングとショートのバスケットを作ります。各ファクターの未調整のSPY負荷量と、2つのLASSO回帰で対照変数を選んだ後の条件付き負荷量を比較します。拡張時系列交差検証と分割内でのスケーリングおよびPCAにより、後の観測が前の検証分割に漏れないようにします。選ばれ…