ナレッジライブラリ

モデルの学習を下流の意思決定目的に結び付ける意思決定指向学習が、予測器の幾何構造によってどう制約されるかを分析しています。疎なインデックス追跡を用いて、最適化器が使う共分散情報と、予測器が利用できるパラメーター更新方向を区別します。予測器のヤコビアンが階数1なら、非ゼロのサンプル単位勾配は同一直線上に並び、スペクトル境界はほぼ同一直線上にある状態を表します。論文はバッチ更新部分空間も特徴付け、局所的な階数特性だけでは共通の最小解や同一直線上のバッチ更新が決まらない反例を示しています。…

市場の確率分布が不確実な場合にも、古典的な裁定条件が成り立つかを研究しています。ワッサースタイン距離でその不確実性を測り、標準的な裁定条件の弱い形と強い形の両方を検討します。また、通常の要件が厳密には当てはまらない場合の機会を特徴づけるため、緩和条件である統計的裁定を導入しています。…

各取引に比例手数料と固定最低手数料のいずれか大きい方がかかる場合の、ゲームオプションの部分ヘッジを研究しています。連続時間のBlack–Scholesモデルにおいて、オプション債務を全額履行できないリスクであるショートフォールリスクを最小化するトレード戦略が存在することを証明しています。…

本論文では、過去データが限られた資産で学習する横断戦略における過学習を扱います。ソースデータセットで学習したエンコーダー・アテンションモジュールの表現を、より小規模なターゲットデータセットに特化した別モジュールと組み合わせるFused Encoder Networksを導入します。情報の共有と融合によって汎化性能の向上を目指し、セルフアテンションにより学習時と推論時の両方で銘柄間の相互作用をモデル化します。…

本研究では、1か月間に収集した5分足データを用いて、SPYオプションの高頻度戦略を検討します。オプションのグリークスとインプライド・ボラティリティを計算し、二項木でアメリカンオプションを評価するとともに、ニュートン・ラフソン法でインプライド・ボラティリティを推定します。次に、ボラティリティとグリークスの指標に基づいて投資対象を選び、平均分散法やロバスト法を含むポートフォリオ最適化手法を比較します。…

EverMineは、長期にわたるアルファ発見の過程で、研究エージェントが再利用可能なスキル、ツール、ルールを蓄積するにつれて改善するかを検証する枠組みです。研究状態を研究履歴、現在のファクターポートフォリオ、蓄積した能力で表します。同一リソース条件の実験では固定能力と進化する能力を比較し、追加の分岐実験では履歴とポートフォリオ状態を一定に保ちながら能力を入れ替えます。過去の状態を再現し、経験に基づく候補選択がポートフォリオの結果にどう影響するかを調べます。…

本論文は、統計的に構成した因子モデルと確率制御を組み合わせ、高次元の統計的裁定を研究します。モデルでは残差が平均回帰すると仮定し、理論的に市場中立なポートフォリオを構築する方法を示します。さらに、指数型効用と平均分散効用の基準のもと、有限期間における連続時間投資の最適戦略を閉形式で導きます。…

本研究は、高リスク環境向けの強化学習ポートフォリオ管理手法を提案します。ロングとショートの取引に貸付と借入を組み合わせ、損益報酬を用いて下方リスク管理と資本利用の改善を目指します。実装ではSoft Actor-Criticエージェントを畳み込みネットワークとマルチヘッド注意機構に組み合わせています。ポートフォリオには無期限先物で取引される暗号資産が含まれ、USDTを貸付と借入に用い、直近の市場データに基づいて定期的にリバランスします。…

本資料は、一般の半マルチンゲール市場における平均分散ヘッジの手法を展開します。ヘッジを確率制御問題として定式化し、その価値過程が二次形式を持つことを示します。その形式を表す3つの係数過程は、後退確率微分方程式（BSDE）によって特徴づけられます。…

本研究は、US銘柄の株式で取引された時刻の近さをもとに協調取引の関係を定義し、動的ネットワークを構築します。スペクトラル・クラスタリングを適用して、依存関係が時間とともに変化する銘柄群を特定し、業種に基づく分類を補完します。…

本論文は、価格リターンや頻繁に更新されるシグナルを用いて複数の暗号資産を取引する枠組み、マルチファクターInception Networks（MFIN）を提示します。暗号資産の履歴が短いという課題に対応するため、ネットワークのハッシュレートや検索関心度などのファクターを加えることを提案します。MFINはDeep Inception Networksを拡張し、複数のファクターと資産をまとめて処理します。…

本論文は、決算発表後もリターンが動き続ける株式市場の異常、決算発表後ドリフト（PEAD）に教師あり機械学習を適用します。モデルにはXGBoostと、Russell 1000構成企業1,106社の1997～2018年の四半期決算発表データから作成したファンダメンタルおよびテクニカル特徴量を使用します。モデルの最適化には遺伝的アルゴリズムを用います。ドリフトの方向と、その要因が業種や暦四半期によってどう異なるかを分析します。…

この論文は、短期のETF購入判断を積み重ね、より長い期間で資産形成を目指すシステム投資手法を提案しています。進化的アルゴリズムと深層学習モデルを組み合わせ、従来の日次積立と比べて購入タイミングを改善します。決められた日に毎回同じように投資するのではなく、購入判断を時間とともに調整することを目指しています。…

StockGPTは日次株式リターンを数値トークンの系列として扱い、自己回帰モデルを学習させて将来のリターンを予測します。そのアテンション機構は、従来の価格ベースのシグナルを手作業で指定せず、リターン履歴から時間的なパターンを直接学ぶことを意図しています。この論文では、日次または月次でリバランスするロング・ショート・ポートフォリオを使って予測を評価します。…

この研究は、簡潔に説明できる一方で数学的には難しい環境において、深層強化学習が最適なトレード戦略を再現できるかを検証します。環境との相互作用を通じて行動選択の方策を学習する手法、深層決定論的方策勾配に焦点を当てています。最適戦略またはその近似がすでに分かっている設定を選び、学習された行動や報酬を参照解と比較できるようにしています。…

このノートは、ユニバーサル・ポートフォリオ理論を一定比率でリバランスする戦略の枠を超えて拡張します。最終的な成長が連続する2つの市場リターンベクトルのそれぞれに線形に依存する双線形戦略を扱い、事後的に選んだ最良の同種戦略と比較します。Coverのユニバーサル・ポートフォリオ手法を応用した、成績に応じた加重平均法により、どの双線形戦略が最良かを事前に知らなくてもポートフォリオを構築します。…

この論文は、将来の時点における資産の期待効用を最大化する問題として、投資家の課題を設定しています。開始時に一度選び、その後固定するデリバティブのポジションと、時間とともに調整する株式保有を組み合わせます。市場の推移に応じて株式戦略を変えつつ、デリバティブのポジションは固定しておける設定です。…

この論文は、市場モデルが不確実な状況で長期的な資産成長を最大化する方法を研究しています。既知の資産領域と瞬時共分散によって制約され、さらに長期の占有測度が密度に収束するという安定条件を満たすモデルを対象とします。この条件の動機は、株式市場で時価総額の相対順位が安定して観測されることです。…

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。…

従来型の投資資産と共通点を持ちながら、独自の市場挙動も示す暗号資産の取引研究をレビューします。取引システムとプラットフォーム、取引シグナルと戦略、ボラティリティとリターンの予測、バブルや極端な市場環境、ポートフォリオ構築、テクニカル取引、リスク管理を扱います。…

順位依存型ポートフォリオ関数から生成されるトレード戦略のリーケージを研究しています。リーケージとは、ポートフォリオに含まれる銘柄を更新または入れ替える際に失われる資産を指します。著者らはこの影響を有限変動項として理論的に導出し、従来研究で提案された手法とは計算が異なると述べています。続いて離散時間の推定方法を導入し、実際に適用する際の考慮事項を論じています。…

平均回帰を利用するオンライン・ポートフォリオ戦略が、ベンチマーク用データセット以外でも良好に機能するかを実証的に評価します。パッシブ・アグレッシブ平均回帰、オンライン移動平均回帰、取引コスト最適化の三つの手法を検討します。研究者らは、2000年から2017年までのS&P 500構成銘柄の過去価格と、既存のベンチマーク用データセットを用いて、一般的な検証でこれらの戦略が特に優れて見える理由と、より新しい市場データでも機能するかを調べています。…

本資料は、金利リスクと比例取引コストを考慮しながら複数期間にわたって債券ポートフォリオを管理する、シミュレーションベースの手法を提示しています。動的Nelson-Siegelファクターのベクトル自己回帰によってイールドカーブの動きをモデル化し、満期ごとの利回りの同時分布を時変の離散状態マルコフ連鎖で近似します。この連鎖から有限期間のマルコフ決定過程の状態を定めます。投資家の目的は期待終端資産を最大化することであり、後ろ向き帰納法により最適なリバランス方針を導きます。…

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。…