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。
654件の資料
このノートでは、S&P 500オプションを対象とする、宣言済みの3モデル系列学習集団の一員であるNLinearを実行します。このモデルを学習する前に、集団全体のリクエストとチェックポイントを確定します。これにより、後続のノートで同じスナップショットを使ってLSTMモデルとPatchTSTモデルを実行できます。CPUとGPUでは学習済みの重みが異なる場合があるため、デバイスも学習の識別情報の一部として扱います。そのため、標準外のデバイスには独自の集団名が必要です。…
このノートブックでは、インプライド・ボラティリティ、スキュー、期間構造、分散リスクプレミアムなどの予測指標を表すオプション市場の特徴量に、勾配ブースティング木モデルを適合します。ウォークフォワード検証を用い、予測木の規模や回帰損失の選択を、将来リターンと方向のラベルに対して比較します。ブースティングモデルは木を追加するごとに予測値を出すため、各チェックポイントを評価と後の選択における別々の候補として数えます。ノートブックでは、ペナルティ付き線形モデルとも比較し、相互作用項を手作業で加えなくても木が特徴量間の条件付…
この事例研究では、分散されたCME先物群を対象に、週次でロング・ショートを行うキャリー順位付け戦略を検証します。日次データ、ウォークフォワードによるモデル評価、手数料、スプレッド、ロール時のスリッページを含むコストを使います。モデル群ごとにシグナルの質を比較した後、ポートフォリオ配分、リスク管理のオーバーレイ、未使用のホールドアウト期間を評価します。報告された横断面情報係数が最も高いのは潜在因子確率的割引ファクターモデルですが、事例研究に選ばれた戦略では、勾配ブースティングモデル、階層的リスクパリティ、トレーリン…
このノートブックでは、金融系列を生み出す過程の変化を見つける方法を概観し、例として日次のSPYデータを用います。単位根の検定と同時に1つの構造変化を推定するZivot–Andrews検定と、複数変化点の分割手法を対比します。PELTはペナルティを通じて変化点の数を選び、二分割法では指定した数が必要です。どちらも区間内の水準安定性に基づくコストを用います。仮定が異なるため検出日も異なる場合があり、どちらの方法も真の変化点数を一意に特定するものではありません。…
このユーティリティでは、列名や日付形式の違いを共通のタイムスタンプ、資産、予測の構造に揃え、ライブデモ用ノートブックの予測成果物を準備します。タイムスタンプと資産が重複する観測をまとめ、スコアを平均します。ローダーはまず保存済みのモデル出力を探し、ファイルがない場合に登録簿を参照します。…
このノートブックでは、過去のモメンタム特徴量から21日後のETFリターンを予測する2種類のTransformer設計を比較します。PatchTSTは連続する日をパッチにまとめ、短い局所形状の系列を各トークンに配置します。一方、iTransformerは各特徴量の履歴をトークンとして扱い、時間順序を各トークン内に保ちながら、注意機構によって変数間の関係を捉えます。同じETFパネルを用い、両モデルをRidge回帰およびリターンゼロの予測と比較します。評価にはクロスセクションの順位情報係数と二乗誤差を用います。…
このノートブックでは、センチメントラベル付きの小規模な金融ニュースコーパスでSkip-gram Word2Vecモデルを学習させ、近傍語から何が分かるかを調べます。この手法では、単語が使われる文脈に基づいて単語を表現します。例では、意味の極性が逆であるにもかかわらず、金融報告書で似た文の型に現れるため、利益と損失が近い単語になります。また、単純なトークン化で数値トークンを残すと、数字や通貨の断片がある単語の近傍に入る場合があることも示しています。…
このモジュールでは、リサーチエージェント向けの検索インターフェースを説明します。ライブ検索プロバイダーと決定的なモックプロバイダーを利用できます。検索結果数を制限し、公開日のカットオフを適用できます。指定日以降の結果を除外することで、ある時点で利用可能だった情報に基づく調査を支援します。ドメインの許可リストとブロックリストで情報源を絞り込み、ツール実行器がポリシー適用と監査用の実行ログ記録を伴って検索を呼び出します。…
このモジュールでは、エンドツーエンドのポートフォリオ学習に使う微分可能な目的関数を定義します。ボラティリティ調整により、資産ごとの上限付きリスクウェイトをポートフォリオのエクスポージャーに変換し、利用可能な資産のグロスリターンを平均します。また、前期のウェイトからの変化に基づく取引コストを任意で差し引きます。リターン系列の評価から初期学習期間を除外できます。…
このノートブックでは、条件付きオートエンコーダーが計器変数付きPCAをETFリターンのモデリングへ拡張する方法を説明しています。どちらの手法もファンドの特徴量をファクター・エクスポージャーに写像し、そのエクスポージャーとファクターリターンを組み合わせます。オートエンコーダーは、IPCAの線形な特徴量からエクスポージャーへの写像をニューラルネットワークに置き換えます。学習にはウォークフォワード分割を用い、定められたエポックのスケジュールに従って、ラベルごとに複数のチェックポイントを生成します。このノートブックではす…
このノートブックでは、分単位のマイクロストラクチャー特徴量からNASDAQ-100のリターンを予測するベースラインとして線形回帰を用います。スプレッドと注文不均衡の指標が異なる参照期間で重なるため、特徴量行列は強い共線性を持ちます。その結果、通常の最小二乗法は非常によく似た入力に対して、不安定で互いに逆向きの重みを割り当てることがあります。Ridge、Lasso、Elastic…
このノートブックでは、勾配ブースティング予測の予測区間を構築し、分割コンフォーマル予測を分位点回帰、コンフォーマル化分位点回帰、適応的コンフォーマル推論と比較します。分割コンフォーマル法では、時系列順に学習用と較正用に分割し、ラベル期間を考慮して境界付近の観測値を除外し、有限標本の残差順序統計量から区間幅を設定します。この枠組みを、パージ済みウォークフォワード分割を用いてETF、暗号資産、先物データで評価します。…
このETF特徴量の分析では、モデルから導出した3つの入力を作成します。市場レジームを推定する隠れマルコフモデル（HMM）、参照ファンドの分数次差分価格、そしてETFごとのGARCH(1,1)条件付きボラティリティです。先読みを避けるには、パラメーターの推定と推論の両方で、各取引セッションまでに利用可能な情報だけを使う必要があると強調しています。再推定スケジュールでは各予測区間の前に推定したパラメーターを適用し、フィルター処理したHMM確率を使うことで、平滑化確率に含まれる将来情報を避けます。…
この研究では、将来リターンによる通貨ペアの順位付けについて、勾配ブースティング木とペナルティ付き線形モデルを比較します。木モデルは、ある市場レジームではモメンタム、別のレジームではキャリーを使うといった条件付き関係を表現できる一方、通貨ペアは通貨を共有し、統計的に依存するため、この比較を行います。事前に定めたグリッドでは葉の数によって木の容量を変え、二乗誤差、絶対誤差、Huberの各損失関数を比較します。各設定を複数のブースティング時点で評価するため、停止時点も単なる学習上の詳細ではなく、別の候補選択になります。…
このノートブックでは、言語モデルのクライアント、検索ツール、上限付きのターンループを組み合わせて予測エージェントを構築します。エージェントは根拠を検索し、理由を添えて二値確率を返します。応答パーサーはよくある形式上の失敗に対処し、検索と予測のアクションを検証します。無効な応答は修正のため再送されます。保存された実行記録にはプロンプト、ツールの結果、モデル呼び出し、トークン使用量が保持されるため、新たなAPI呼び出しなしで予測を再現し監査できます。…
このノートブックでは、ベイズ構造時系列のイベントスタディ手法を適用し、連邦準備制度理事会の発表が債券ETFに与える影響を推定します。イベント前の対象資産の日次対数リターンと、海外およびコモディティETF統制変数のリターンとの関係から反実仮想を構築します。イベント後の累積ギャップを事後信用区間とともに示し、プラセボ日や統制変数を対象にする検査を使って、効果が想定されない場合にもモデルが効果を検出するか調べます。…
このノートブックでは、時間足のビットコイン無期限先物リターンに合わせた共通の取引シミュレーション環境で、DQN、PPO、A2Cを比較します。GARCH(1,1)モデルがボラティリティの集積を生み、環境はポジション変更にコストを課します。また、行動時点で既に分かっているリターンをエージェントが得ないよう、行動の適用を1ステップ遅らせます。各アルゴリズムに同じ学習相互作用予算を与え、一致する未使用のエピソードシードで評価します。…
このノートブックでは、広範なETFの連動を調整した後、4つの運用ポートフォリオ戦略がSPYリターンを説明するかを検証します。戦略では、遅行モメンタム、ボラティリティ、または直近リターンでETFを順位付けします。長い履歴を持つETFから構成したバランスの取れた集合の主成分10個を統制変数とし、SPYは因子構築対象から除外します。各戦略の単変量のSPY負荷量と、統制変数を選択した後の条件付き負荷量を比較します。…
機関投資家の株式保有データにWord2Vecのskip-gramを応用します。各機関のポートフォリオを文、銘柄IDをトークン、報告された保有額順のポジションを単語順として扱います。類似したポートフォリオの文脈に繰り返し現れる銘柄は近い埋め込み表現を持つようになり、機関投資家のポートフォリオ行動を表現し、経済的に類似した資産を見つける方法となります。…
このノートブックでは、モデルに基づくポジションサイジングがUS企業特性戦略の均等加重を上回るかを検証します。予測スコアが高い銘柄への配分を増やすスコア加重と、予測区間が信頼性の低さを示す場合に配分を減らすコンフォーマル加重を比較します。各比較では選択済み予測と集中度を固定し、両方式を複数のポートフォリオ集中度と組み合わせて評価します。…
このノートブックでは、連続する観測値に依存関係がある場合、シグナルの情報係数（IC）がノイズと区別できるかを評価します。モメンタムシグナルとETFデータを例に、先渡しリターンの重複、持続性のあるシグナル順位、市場レジームによって日次のIC値に自己相関が生じ得ることを説明します。その場合、単純なt統計量は不確実性を過小評価し、有意性を過大評価する可能性があります。…
このノートブックでは、ARIMA予測を単独の予測値ではなく、後続モデルへの入力列として扱います。ETFリターンにモデルを当てはめ、定常性検定と自己相関診断を用いて次数の候補を提案し、訓練ブロック上の情報量規準で候補次数を比較します。重要な違いは、定常モデルの多段階予測は無条件平均に収束してすぐにほぼ一定になる一方、1ステップ予測は新たな観測に応じて更新される点です。…
このノートブックでは、FXラベル向けのNLinear予測を準備し、登録する方法を説明します。NLinearは固定長の入力履歴から直近の観測水準を差し引き、ルックバック期間内の変化にモデルの焦点を当てます。共通の系列適格性判定プロセスでは、確定済みのラベル時系列からフォールド境界を導き、日次観測の欠損をまたぐウィンドウを除外するため、検証予測は有効な系列のみを対象とします。…
この共通分析ユーティリティは、レジストリ指標と予測単位の診断を通じてトレーディングモデルの予測を比較できます。事前計算済みの情報係数の結果を読み込み、ラベルやモデルファミリーで任意に絞り込めます。また、カバレッジが不完全な古い実行がランキングを歪めないよう、デフォルトでは廃止済みの予測世代を除外します。フォールド単位の指標も確認でき、カバレッジ制約下で代表モデルを選び、予測を整列させ、一致度、バケットの単調性、学習曲線、レジーム条件別のパフォーマンスを調べられます。…