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。
1,853件の資料
このノートブックでは、NASDAQ ITCHの取引データから市場マイクロ構造の指標を作成し、取引を日中バーに集計します。また、流動性の代理指標、注文フローのシグナル、注文板の状態を区別します。集計前にティックルールで個々の取引を分類し、買い出来高と売り出来高から意味のある注文フロー不均衡指標を作成します。次に、Kyleのラムダの比率近似、Amihudの非流動性指標、Rollスプレッド、取引強度を示し、それぞれの入力と解釈を説明します。…
このデモでは、AlpacaのUSD現物市場につないだ、常時稼働型の暗号資産取引ループを説明します。無期限先物のケーススタディで使う投資対象を、取引所が扱う現物ペアに対応付け、取引できるのはその一部に限られることを示します。例示するシグナルは、無期限先物と現物のプレミアムシグナルの代理として使う、終値から終値までのモメンタムのローリングZスコアです。本番版では無期限先物価格と現物価格からプレミアムを計算する方法や、運用記録用に資金調達時間帯のタイムスタンプをUTCに統一する方法も説明します。…
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、異なる市場期間におけるETFのモメンタム特徴量と暗号資産無期限先物の特徴量を対象に、共変量ドリフトを監視する方法を示します。個々の特徴量分布の変化を測る母集団安定性指数（PSI）と、参照標本と現在の標本を組み合わせて区別できるかを検証するワッサースタイン距離およびドメイン分類器を比較します。本番監視の例では、スコアをアラート水準に対応させ、アラートをまとめて再学習の推奨につなげます。…
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。…
この文書では、金融データセット向けの再利用可能な診断項目を紹介します。インデックスの整合性、重複、欠損、外れ値、カレンダー上の欠落、分野固有の異常を確認します。パネルデータの銘柄ごとの並び順も含め、時刻の型、順序、一意性を検査し、完全一致する重複と、値が異なるキーの重複を区別します。網羅性レポートでは、フィールド、資産、時点ごとの欠損値を要約し、無効な価格や出来高、異常なリターン変動なども追加で確認します。…
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、少数の観測されない共通因子が横断面の変動の大部分を説明すると仮定する、企業リターンモデルの一群を紹介します。企業特性からリターンを直接予測するのではなく、企業特性から各社の因子エクスポージャーを推定し、そのエクスポージャーと推定した因子リターンを組み合わせます。この制約により統計的に扱いやすくなる一方、横断面を少数の因子で十分に説明できない場合は残差リターンが支配的になり、直接予測するモデルの方が優れる可能性があります。…
この文書では、ウェーブレット分解とローリング・スペクトル推定が、金融リターンを異なる時間スケールでどう表現するかを説明します。ウェーブレットはリターンを徐々に長い期間にわたる成分へ分け、どの時間スケールが変動の大部分を占めるかを把握できるようにします。例では日次のSPYリターンを用いて複数のウェーブレット族を比較します。最も短期の成分が分散の大半を占める一方、長期成分は各族でおおむね似ていることが分かります。…
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…
このノートブックでは、ボラティリティ、モメンタム、横断面でのキャリー順位を調整したうえで、先物のキャリーがその後のリターンに影響するかを二重機械学習で推定します。因果関係の説明と予測性能を区別します。バックテストで利益が出ればキャリーがリターンを予測することは示せますが、キャリー自体がリターンを生む原因だとは立証できません。柔軟な補助モデルで交絡因子から処置と結果を予測し、クロスフィッティングで標本内バイアスを抑えます。ボラティリティのクラスター化と重複するリターンラベルによって残差が依存するため、不均一分散・自…
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。…
この探索的ノートブックでは、AlgoSeek NASDAQ-100分足データの構造と解釈方法を説明します。データセットに事前計算されたフィールドを、気配値の価格と数量、取引価格、スプレッド、出来高、取引場所別の分類、ティック方向、圧力、VWAP、気配値の件数に整理します。分足はプレマーケット、通常、ポストマーケットの各セッションにわたり、セッションごとに活動や流動性の状況が異なるため、セッションを考慮した分析が重要です。…
このノートブックでは、日中の株式リターンにおける連続的な価格変動とジャンプを分離する方法を説明します。リターンの二乗から日次実現分散を推定し、ジャンプに頑健な連続成分の推定値としてバイパワー変動を使います。両者の差をゼロ未満にならないよう切り詰め、その値からジャンプ分散を推定します。続いてLee–Mykland検定を適用し、同じ取引セッション内の過去のリターンから得た局所ボラティリティ推定値で各リターンを標準化します。…
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。…