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。
1,112件の資料
このノートブックでは、9つの資産クラスにわたるケーススタディを横断し、加工した金融特徴量を一覧にします。利用可能な各特徴量パネルから特徴量数と名称に基づく分類群を数え、特徴量空間の規模を比較するとともに、各ケーススタディのモデルレジストリに記録された最も高い情報係数をまとめます。モメンタム、ボラティリティ、リターンなど、繰り返し現れる接頭辞は市場間で比較できます。一方、個別の指標や一貫しない命名があるため、分類群の数は大まかな目安にすぎません。…
この章では、辞書や単語数から、TF-IDF、静的埋め込み、再帰型ネットワーク、Transformerに至るまで、金融テキストの表現方法を概観します。各手法のトレードオフも説明します。単純な手法は高速で解釈しやすく、金融分野に適応させやすい一方、文脈を扱うモデルは文章内の曖昧さや関係をより適切に捉えられます。実務的なワークフローでは、事前学習済みモデル、必要に応じたドメイン適応、タスク別のファインチューニングを用い、センチメント、ナラティブ・サプライズ、トピックへのエクスポージャー、構造化イベントなどのシグナルを作…
このノートブックでは、検索網羅性、回答の忠実性、適切な回答保留、安全性を個別に測る、金融分野の検索拡張生成（RAG）評価用ハーネスを構築します。実在企業の提出書類から一部のコンテキストを取り入れた6つの手作りのテストケースを使い、回答可能な質問、根拠の欠落、プロンプトインジェクション、裏付けのない引用を検証します。異なる問題を1つの正解率にまとめず、どの構成要素に問題があったか診断することを目指します。…
このノートブックでは、クロスセクション情報係数（IC）と予測の売買回転の両方を考慮しながら、OptunaでLightGBMリターンモデルを調整します。比較用の単一目的探索ではICを最大化し、多目的のNSGA-II探索ではパレート最適な設定を特定します。これにより、シグナルの順位品質と取引コストの代理指標である売買回転とのトレードオフを可視化できます。このフロンティアを使えば、検証スコア1つだけを目的とせず、コスト許容度に応じてモデルを選べます。…
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。…
このノートブックでは、21日先のETFリターンを上昇・下落の目的変数に変換し、時系列順のウォークフォワード分割でL1正則化およびL2正則化ロジスティック回帰を評価します。各分割の訓練データを使って特徴量をスケーリングし、正解率、適合率、再現率、F1、ROC AUC、対数損失で予測を評価します。また、係数に基づく特徴量重要度、確率の較正、リターン群を下位・中位・上位に分ける3クラス拡張も検討します。…
このノートブックでは、Feastを金融データとモデル由来データの特徴量ストアとして設定し、過去時点および指定時点での取得結果を、透明性のある手作業の結合方法と比較します。エンティティ、タイムスタンプ付きデータソース、特徴量ビュー、有効期間を宣言し、日付範囲に余裕を持たせた一時的なParquetコピーを準備します。この比較検証は、誤ったタイムスタンプやエンティティキー、学習済みフォールドのビンテージを選ぶといった設定ミスの検出を目的とします。…
このノートブックでは、特徴量、目的変数、ウォークフォワードのフォールドを固定し、月次のUS株式リターンを対象に勾配ブースティングの目的関数を比較します。二乗誤差を絶対誤差および、大きな残差の影響を抑えるHuber損失と比較します。情報係数がクロスセクションの順位を評価する一方で、個別の極端なリターンが二乗誤差の学習を支配しうることが、比較の動機です。グリッドでは木の複雑さも変え、複数のブースティング・チェックポイントで予測を記録します。これにより学習曲線から、成績が改善中か頭打ちかを確認できます。…
この分析では、CME先物モデルのクロスセクション情報係数（IC）の読み方と、その後のポートフォリオ検証との関係を説明します。各日の予測リターンと実現リターンの順位相関を計算し、日ごとの相関を平均します。これは、商品を順位で選び、予測リターンの大きさを考慮しない等ウェイト戦略に対応します。また、フォールド間の平均とt統計量を日次系列に基づく推論と区別し、報告されたt統計量がフォールド間の標準誤差を用いていること、予測値がほぼ一定になる場合にはICが定義される日数も重要であることを指摘します。…
このノートブックでは、モデルや予測を構築する前に、過去のETFデータが月次ランキング戦略を支えられるかを評価します。前年の流動性情報を用いて時点ごとの適格性を確認し、リバランス日に利用可能なファンド数を数え、1株当たり手数料と推定したハーフスプレッドを価格に対するコストに換算します。さらに、リターンの値動きでコストを賄えるかを調べ、各ファンド内のリターン自己相関を測定します。また、ホールドアウトを参照せずに、ウォークフォワード分割が開発サンプルに収まるかも確認します。…
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、企業の10-K提出書類から抽出した文章を使い、BM25キーワード検索、密な埋め込み表現、相互ランク融合（RRF）、クロスエンコーダーによる再順位付けを比較します。各検索手法を構築し、完全一致、概念検索、複合的な検索クエリで順位付け結果を評価します。RRFは生の関連度スコアではなく順位を組み合わせるため、スコアの尺度を調整せずに、異なる尺度を使うシステムを統合できます。次に再順位付けモデルが検索候補を並べ替え、最終結果を絞り込みます。…
このノートブックでは、US株式のパネルデータを使い、3つのリターン期間にわたってLightGBMモデルを比較します。グリッドでは木の葉の数と損失関数を変え、木の数が異なる複数のチェックポイントで各設定を評価します。浅い木で特徴量間の相互作用を学習できる仕組み、二乗損失・絶対損失・Huber損失が裾の重いリターンにそれぞれ異なる反応を示すこと、選択を評価する際に各チェックポイントを別々の候補として数える必要性を解説します。…
このノートブックでは、株式とオプションの研究から得た検証用予測をロングオンリーの株式ポートフォリオに変換して評価します。等ウェイトの上位K銘柄をベースラインとし、複数のポートフォリオ集中度を比較し、ラベルごとの意思決定頻度に従います。引け時点で作成したシグナルは次に利用可能な寄り付きで執行し、乱数シードを固定したランダムシグナルの実行を処理系の確認に使います。検証日付のカバー範囲が同等な候補だけを順位付けし、不確実性分析にはブロックブートストラップ区間と、関連する複数の派生形から選択することへの補正を含めます。…
このノートブックでは、S&P…
このノートブックでは、NASDAQ ITCH由来の取引と注文メッセージを使い、市場マイクロストラクチャーのパターンを示します。ティック単位の取引価格リターンに見られる負の1次自己相関を調べ、買い気配と売り気配で交互に取引が成立すると、基礎価値が変わっていなくても価格が反転したように見える場合があることを説明します。リターン分析でビッド・アスク・バウンスを減らしたい場合に、仲値リターンを使う理由を示しています。…
このユーティリティモジュールは、トレードデータのパネルを診断する統計関数を提供します。自己相関の計算では、エンティティごとに曲線を求めてから結果を集約し、ある系列の末尾と別の系列の先頭が見せかけの依存関係を生むのを避けます。期間インデックスを渡すと、欠損期間を保持し、意図したラグで観測値を対応付けます。集約推定値、エンティティ間のパーセンタイル、不確実性の参照値、ラグによって変わりうる件数を報告します。…
このUS株式事例では、将来リターンの予測と、モメンタムがリターンを引き起こすという主張を区別します。直近月を除く過去1年間の株式リターンを処置、将来リターンを結果とし、直近のボラティリティ、流動性の低さの順位、出来高比率を交絡因子として扱います。二重機械学習では、まず交絡因子から処置と結果をそれぞれモデル化し、次に両モデルの残差を関連付けて効果を推定します。将来データから交絡要因の関係を学習しないよう、エンバーゴを設けたウォークフォワード適合を使います。…
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、四半期ごとのSEC 10-Q経営者による討議と分析の文章から、2つの株式シグナル候補を作る方法を示します。FinBERTで文章の一部を肯定・中立・否定のトーンに分類し、そのスコアを集約して、平均センチメントと提出書類内のばらつきを算出します。Sentence-transformerの埋め込みは、連続する四半期の記述間の意味的距離という別の指標を提供します。提出書類の受理日を各シグナルの利用可能時点として、市場データと結合し、将来リターンを評価します。…
このノートブックでは、市場レジームを予測に使う3つの方法を比較します。レジーム入力なしのベースラインモデル、ボラティリティ状態のフィルター確率を入力する単一モデル、明確なレジーム割り当てごとに学習する個別モデルです。先読みを避けるため、ウォークフォワードの各学習ブロックで隠れマルコフモデルを再推定し、推定分散で状態を並べ替え、テストブロック内で前向き再帰により確率を計算します。フォールドごとのスケーリングと学習データ・テストデータ間のギャップは、将来の観測値や重複する予測対象からの情報漏洩を防ぐのに役立ちます。フ…