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、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。…
このノートブックでは、日中の株式リターンを連続的な価格変動と離散的なジャンプに分けます。対数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用います。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観測値から推定した局所ボラティリティを基準に各リターンを標準化します。Gumbel分布に基づく臨界値は、日中に多数のバーを検定することを考慮し、局所ボラティリティの変化にも適…
このノートブックでは、ETFパネルを使ってペア分析と横断面特徴量を説明します。Engle–Granger検定とJohansen検定による共和分検定を比較し、定常なスプレッドと単なる連動を区別します。エネルギーETFと原油ETFの例では、どちらの検定にも合格しません。ファンドの保有銘柄や先物のロールコストの違いは、固定比率の組み合わせが変動する理由の説明に役立ちます。共和分検定で棄却された場合、そのヘッジ比率は取引可能な関係の証拠ではないと、このノートブックは注意を促しています。…
本論文は、2資産間の価格スプレッドを平均回帰過程に従う潜在状態としてモデル化しています。スプレッドのイノベーションは非ガウスかつ異分散であることを許容し、平均回帰は非線形としています。フィルター後のスプレッド推定値を取引シグナルに用い、モンテカルロ・シミュレーションによって売買ルールを選択する戦略を提案しています。…
この研究では、日中のビットコインリターン関数を予測するために、関数主成分分析（FPCA）を適用しています。関数観測と離散時間ダイナミクスを結び付けるものとしてKarhunen–Loève動的因子モデルを導入し、連続稼働市場向けに設計されたローリングFPCA手順を提案しています。予測には、時間単位および15分間隔でサンプリングしたリターンを使用しています。また、条件付き異分散性も検討し、分散の変化を考慮すると将来のリターン関数の区間予測が改善するとしています。…
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、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。…
この分析では、符号付きのモデルリターン予測を二値ポジションに変換する3つの方法、固定ゼロしきい値、銘柄ごとの後方パーセンタイル、銘柄間のクロスセクション・パーセンタイルを比較します。ETFと暗号資産の無期限先物について登録済みの検証予測に適用し、ルックバック期間とパーセンタイルしきい値を変化させます。リターンや取引コストを考慮する前に、各ルールが有効になる頻度と、銘柄の状態が変化する頻度を測定します。…
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。…
このモジュールは、主成分分析、操作変数を用いた主成分分析、ニューラルオートエンコーダなど複数の潜在ファクターモデルについて、ウォークフォワードの学習と評価を調整します。パネルデータとフォールドを準備し、モデル別の実行処理を呼び出して、予測、フォールド単位のメタデータ、登録済み学習実行を管理します。明示的な優先順位に従ってモデルのプリセットと呼び出し側の設定を統合するため、選択される実行時の設定は呼び出し側が制御できます。…
この実装では、資産価格評価のための条件付きオートエンコーダを説明します。ベータネットワークは各株式の特性を潜在ファクターの負荷量に変換し、線形ファクターネットワークは運用ポートフォリオのリターンをファクターリターンに変換します。モデルは対応する負荷量とファクター値を合計して株式リターンを予測するため、企業特性に応じてエクスポージャーが変化し、ファクターはポートフォリオの運用商品から導出されます。…
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。…