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
このノートブックでは、同一のETFリターンパネルを用いて、PyPortfolioOpt、Riskfolio-Lib、skfolioによるポートフォリオ配分を比較します。訓練期間で配分手法を当てはめ、同等の目的関数と対応付けたウェイトがソルバーの許容誤差内で一致するか確認し、固定した配分を後続の観測値で評価します。平均・リスク手法、階層的リスクパリティ、テールリスク目的、売買回転や集中したウェイトへのペナルティを比較します。また、ハーフィンダール集中度を使い、訓練期間に限定したウォークフォワード評価を示します。…
このノートブックでは、上場オプションのシグナルを読み取り、原株を取引する戦略向けに先行リターンのラベルを作成します。日次の株価を株式分割と配当で調整し、継続的な証券識別子を使用します。想定するエントリーと決済で執行可能な価格の間のリターンを定義します。各先行期間が完全で、単一証券内に収まり、単に利用可能な行をずらすのではなく市場の取引セッション数を数えているか確認します。ラベルには、異なる保有期間に対するリターン、リスク調整済み、方向性の各バリエーションが含まれます。…
このノートブックでは、データセットに残っているUS株式の均等加重ポートフォリオが、データセットから退出した企業を含むポートフォリオに比べて、リターンをどの程度過大評価しうるかを推定します。まずパネルデータに退出がいつ記録されているかを調べ、利用できる退出履歴は期間の後半から始まることを確認します。データセットには上場廃止の理由や最終リターンがないため、公表されたCRSPの発生率に合わせたシナリオを使い、最終気配値以降の結果をモデル化します。ポートフォリオのバイアスを計算する前に、未調整の企業行動が原因と考えられる…
このノートブックでは、計量主成分分析を使い、各銘柄に固定の負荷量を割り当てるのではなく、観測可能な株式特性に応じて潜在因子の負荷量を変える方法を説明します。特性から因子エクスポージャーへの共通の写像により、訓練パネルに含まれない銘柄の負荷量を算出でき、銘柄の特性が変われば負荷量も調整できます。通常のPCAと並べて手法を示し、因子数、パネル、ウォークフォワードの分割を一定にして比較する想定です。…
このノートブックでは、ロングオンリーで資金を全額投資するマルコウィッツの枠組みを構築し、実現可能なポートフォリオ、効率的フロンティア、最大シャープレシオ解、最小分散解を扱います。ポートフォリオ分散が共分散行列にどう依存するか、資産が常に同じように動くわけではない場合に分散投資がリスクを抑えられる仕組みを説明します。資産リターンの重複性と、それに伴う数値感度を診断する指標として条件数を使います。…
このノートブックでは、モデルの順位付けを単純な暗号資産無期限先物ポートフォリオに変換し、後続の実験でサイズ設定、コスト、リスク管理の変更による影響を測れるようにします。ロングではスコア上位、ショートでは下位の契約を選ぶなどのエントリールールを適用し、サイズ設定が別の変動要因にならないよう均等加重にします。判断には予測のタイムスタンプを使い、ポジションはラベルの期間にわたって保有します。…
このノートブックでは、調整期間と評価期間を時系列で分離しながら、モメンタムポートフォリオのStopLoss、TakeProfit、TrailingStopルールを調整する方法を示します。調整データで個々のルール幅と組み合わせを検証し、後の評価期間を開く前に選んだ設定を固定します。決済済み取引の最大不利変動と最大有利変動も、ストップ水準や目標水準の候補を設定する方法として使います。…
共通の戦略インターフェースを通じて、5日間のETFモメンタム戦略をAlpacaに接続する方法を示します。この戦略はSPY、QQQ、IWMのモメンタムを追跡し、しきい値を超えるとシグナルを生成します。ブローカー固有のアダプターがデータと注文を扱い、戦略とリスク管理ラッパーは再利用できます。ノートブックでは、SDKの利用可否、認証情報、口座状態、執行モードの確認を分けます。注文を送信せずに記録するシャドーモードにも対応しています。…
この文書では、均等加重の検証シャープレシオで順位付けしたベースラインから選んだCME先物戦略について、複数のポジションサイズ手法を比較します。均等加重では選択した商品をすべて同じように扱いますが、先物契約によってボラティリティや連動性は大きく異なる場合があります。代替手法では、商品のボラティリティ、共分散関係、その他明示したサイズ設定の入力値を使ってエクスポージャーを調整します。逆ボラティリティによるサイズ設定は推定項目が少なく、履歴が限られる場合に頑健性が高い可能性があります。一方、共分散に基づく手法は分散効果…
このノートブックでは、モデルの予測セットを比較可能なS&P…
この文書では、資金を配分する前に、現行モデルと候補モデルをシャドー評価で比較する方法を説明します。両者の役割と昇格基準を事前に定めたうえで、年率換算シャープレシオの改善幅、最低観測期間、シグナル相関、ポジションの重複度、最大ドローダウンの相対値という5つの観点から候補を評価します。両モデルは、順位付けしたロング・ショートポートフォリオでスコアを算出し、それぞれの売買回転率に応じて取引コストを課します。最低改善幅を求めることで短期間のノイズの多いシャープレシオ推定に対処し、類似性の確認によって、異なる戦略やエクスポ…
このノートブックでは、Parquetソース、エンティティ、特徴量ビュー、タイムスタンプ、有効期間ポリシーを使ってFeastを設定し、学習用の例と実運用に近い時点指定クエリの特徴量を取得する方法を示します。Feastの出力と手書きのポイントインタイム結合を特徴量ごとに比較します。許容誤差を小さく設定することで、通常の丸め誤差ではなく、誤った行の選択が不一致の原因となる場合を検出できます。…
このノートブックでは、株式ファクターモデリングに使う教師ありオートエンコーダを紹介します。横断面を再構成してボトルネック表現を学ぶ教師なしオートエンコーダとは異なり、このモデルは学習目的関数に将来リターンも含めます。そのため、目的変数は予測だけでなく学習された表現も形作ります。それぞれのラベルが損失に直接含まれるため、将来リターンのラベルが異なれば、学習済みモデルも異なります。…
このノートブックでは、CME先物にニューラル確率的割引ファクターモデルを適用します。資産価格理論における確率的割引ファクターとは、各資産のリターンとの積が無裁定のもとで同じ期待値を持つ確率変数です。このモデルでは、キャリー、モメンタム、ボラティリティなどの商品リターンと観測可能な特性の両方を使って、この潜在変数を推定します。リターンのみを使うと説明されているPCAとの比較とは異なり、SDFでは特性を横断面の操作変数のウェイトに反映できます。…
この設定メモでは、バックテストの識別情報に含まれる設定と、シミュレーション上の取引コストに実際に影響する設定を区別します。説明されているケーススタディでは、登録済みの実行はすべてベクトル化された満期決済経路を使います。設定された執行価格、手数料率、スリッページ率の各フィールドはその経路に渡されません。また、気配値側での約定はイベント駆動型ブローカーの機能ですが、ベクトル化された実行ではそのブローカーを構築しません。既存の実行のハッシュ化された識別情報が変わるため、これらの設定は構成に残されています。…
このノートブックでは、同一のシグナルから2つのバックテストエンジンが異なる結果を出す理由を調べます。事前計算済みのETF戦略を固定し、その予測から決定論的なポートフォリオを構築して、執行設定を一つずつ変更します。設定には株数の丸め、手数料用に確保する現金、約定順序、リバランスの挙動、コストが含まれます。期末価値と約定した取引を比較し、各設定の個別効果が単純に加算されるとは仮定せず、設定間の相互作用も測定します。…
このノートブックでは、ETF価格とマクロ経済系列を使い、先読みバイアスを検出する方法を示します。中央移動平均には将来の観測値が含まれるため、価格の転換点を過度に追う場合があり、将来の入力が未到着の直近部分は値がありません。水準と次期リターンの相関検定では、将来価格を明示的に含む特徴量でさえ検出できません。このノートブックは、特徴量自身のリターンと次の価格リターンを比較する、スケールをそろえた検査を提案します。ただし、このヒューリスティックは適切な特徴量構築の代替ではありません。…
この文書では、FX戦略の検証段階で固定ストップとトレーリングストップを比較します。各リターンラベルについて、シグナルと資産配分の結果からなる確定済みコホートから親戦略を選び、親の識別情報を一定に保ちながら、宣言されたポジション単位のリスク管理を変更します。ストップは保有期間中の価格経路に反応するため、ポジションの開始時点と終了時点のリターンが同じでも、途中のドローダウンが異なるポジションを区別できます。このケーススタディではルールを各ポジションに個別適用し、ポートフォリオ全体のドローダウンや日次損失の管理は含みま…
この文書では、既知の合成データ生成ファミリー内での教師あり推論として、ADIA Labの因果発見チャレンジを検討します。この課題では、多数のラベル付きデータセットとグラフのペアを使い、処置と結果を中心とする8つの役割に変数を割り当てます。教師ありモデルがそこで古典的な発見手法を上回る場合がある理由として、シミュレーターが生成した例から安定した統計パターンを学習できることを説明します。また、一部の手法ではPCやNOTEARSなどの手法の出力をモデル特徴量として使います。…
この資料では、取引を転送する前に注文とポートフォリオの状態を確認するブローカーラッパーを実演します。制御には、注文ごとの株数上限と金額上限、ポジションのエクスポージャー制限、注文頻度の上限、資産の許可リストとブロックリスト、緊急停止が含まれます。合成ブローカーを使ってリクエストの承認・拒否を確認し、各シナリオが想定どおりの結果になることをアサーションで検証します。…
この分析では、モデルを学習する前に、決済データが週次のクロスセクションCME先物戦略を支えられるかを確認します。リバランス日に、意図したロングとショートのポートフォリオを組めるだけの銘柄が提示されているかを検証し、取引所の最小価格変動幅を使ってスプレッドコストを推定し、調整後価格の変動をそのコストと比較します。また、シグナルの持続性と、後続のホールドアウトを参照せずにウォークフォワード検証を行えるだけの開発期間があるかも調べます。…
このケーススタディでは、US企業の特性から構築した月次ロング・ショートのデシル戦略を評価し、時点情報に基づく会計データのラグ、ウォークフォワード検証、時期に応じた取引コストを考慮して、線形モデル、勾配ブースティング、潜在ファクターの手法を比較します。報告された検証系列のうち最も強いものは、ウィンザー化した将来リターンに勾配ブースティングモデルを適用したものです。教師ありオートエンコーダも、単独で有力なシグナルになりうると説明されています。検証では複数のフォールドでプラスの成績が報告されましたが、レジストリの結果で…
このノートブックでは、金融時系列の一括書き込み、全件スキャン、時間範囲クエリ、OHLCV集計、取引と気配値の照合を通じて、組み込み型、サーバー型、汎用、取引特化型のデータベースを比較します。主なポイントは、ストレージ配置とクエリの種類によって性能への影響が異なることです。列指向エンジンはパネルデータのスキャンを効率的に処理できる一方、対象を絞ったバックテスト期間のクエリでは、時系列順のインデックスやパーティションが重要です。…
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。…