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。
619件の資料
このノートブックでは、ケーススタディのバックテストを対象に、損切り、トレーリングストップ、損失上限、ドローダウン遮断、ボラティリティ目標などのリスクオーバーレイを比較します。各研究のオーバーレイ結果を読み込み、可能な場合は配分段階のバックテストからベースラインを選び、そのパフォーマンスとオーバーレイ適用後を比較します。また、ルールの種類ごとに設定をまとめ、シャープレシオの平均・中央値の変化、改善した割合、ドローダウンの結果を調べます。…
このノートブックでは、4段階の予測システムを構築します。調査エージェントの集合、確率の集約、敵対的な議論、そして見解の相違を特定して補足証拠を検索し、最終確率を出す監督役です。監督役の影響は、表明した確信度によって制御されます。無視する、前の結果と混合する、または置き換える、のいずれかが可能です。相関の仮定、各段階の重み、検索上限、確信度の扱いに関する設定値は、中央で一元管理します。…
このノートブックでは、ETFの順位付けシグナルをポートフォリオの形成から簡略化したバックテストまで追います。リッジ回帰とロジスティック分類をウォークフォワード分割で学習し、モメンタムおよび均等ウェイトのポートフォリオと比較します。月次リバランスでは、稼働中のシグナルがロングオンリーの上位10銘柄を選び、均等配分します。グロスとネットの成績指標、売買回転率、横断面情報係数を報告し、シグナルの順位付け能力と、そのポートフォリオを取引した結果が異なり得ることを示します。…
このノートブックでは、時系列順のホールドアウトを保ちながら、モメンタムポートフォリオの損切り、利益確定、トレーリングストップのルールを調整します。1次元のパラメーター探索、ルールの組み合わせグリッド、決済済み取引の最大逆行幅と最大順行幅から導くストップまたは目標値の事前情報を比較します。候補設定を較正データで選び、後続期間で一度評価します。固定した設定の順位付けには、CAGRに基づくCalmarレシオを使います。…
この概要では、資産クラス、ユニバースの規模、データ頻度、意思決定間隔、コストの前提、評価手順に基づいて、複数のトレード事例を整理します。各研究で明示された設定を読み取り、訓練・検証期間、フォールド数、ホールドアウト期間、シグナルからポジションへの変換などを比較表にまとめます。対象には株式、オプション、暗号資産、外国為替、先物、複数資産のETFが含まれ、市場や利用できるデータに応じた研究上の選択の違いを示します。…
このノートブックでは、推定期間の相関ネットワークを使って株式ユニバースの特性を把握し、ネットワークで分散したポートフォリオを構築する方法を示します。評価前に利用できるデータだけで流動性の高い銘柄を選び、リターン相関を距離に変換して最小全域木（MST）を抽出します。次数、媒介中心性、近接中心性で木構造のハブや橋渡しを要約し、逆中心性を使って構造上中心に位置する資産のウェイトを下げます。また、同期的なショック伝播の感応度分析を説明し、後続の評価期間でポートフォリオを比較します。…
このノートブックでは、ETFリターンとローリングボラティリティ特徴量の系列を、ロングオンリーのポートフォリオウェイトに直接変換するLSTM配分器を構築します。ソフトマックス出力により、ウェイトは非負で全額投資となります。リターンを予測してその予測を最適化器に入力する代わりに、学習目的関数は微分可能なシャープレシオを直接最大化します。時系列順に訓練・検証・テストに分割し、学習したウェイトを均等ウェイトおよび逆ボラティリティのポートフォリオと比較します。…
このノートブックでは、調査プロセスの別の段階で選定した固定のCME先物設定に、想定取引コストが与える影響を評価します。手数料とスリッページを各水準で均等に分けた総コストのグリッドを適用します。選定済みのリスクオーバーレイはポジションと売買回転率の両方を変えるため、バックテストにも適用します。任意に選んだ単一コストでの成績ではなく、ネットのシャープレシオがゼロになるコスト水準を読み取ります。…
このノートブックでは、シャープレシオを標本抽出の不確実性を伴う推定値として扱います。標本の長さ、歪度、尖度を考慮した信頼区間と確率的シャープレシオを導き、目標シャープレシオをベンチマークと区別するのに必要なデータ量を、最低限必要な運用実績期間と検出力の計画を使って推定します。また、一般的な平方根頻度則に頼らず、系列依存を考慮してリターンを年率換算するLoの調整方法も説明します。…
このノートブックでは、共通のETFリターンパネルにポートフォリオ配分手法を適合させ、後続の観測期間で固定ウェイトを評価することで、PyPortfolioOpt、Riskfolio-Lib、skfolioを比較します。平均リスク、テールリスク、階層型リスクパリティ、ペナルティ付き配分を扱い、返されたウェイトを資産ごとに揃えて、ロングオンリーの制約と全額投資を確認します。ウォークフォワード評価は訓練期間内に留め、配分の一つは執行エンジン用の日次目標値にも変換します。…
この共通配分モジュールは、横断面の予測値をポートフォリオのウェイトに変換します。スコアで資産を順位付けし、ロングポジション、またはロング・ショートポートフォリオの上位と下位のバスケットを選びます。ポジションウェイトには、予測区間が狭いほどウェイトを大きくするコンフォーマル予測区間幅ベースの方法や、逆ボラティリティを反映できます。各サイドは別々に正規化します。コンフォーマル区間幅が欠損している場合はエラーとなり、ボラティリティが欠損している場合は意思決定時点の横断面から補完できます。上限処理では資産ごとの絶対ウェイ…
このデータセットガイドでは、FREDの系列を取得し、観測値を日次カレンダーに揃え、選択した指標を分析用に読み込む手順を説明します。例には、米国債利回り、10年物から2年物を差し引いたスプレッド、VIX、雇用指標、インフレ、鉱工業生産、GDPが含まれます。結合後に異なる元の頻度を前方補完することで、日次の戦略データと比較できるパネルを作成します。…
この文書では、ブローカーや取引所における注文処理を有限状態機械としてモデル化します。注文の送信、受領確認、受理、一部約定、取消、拒否、期限切れ、停止の状態を明示し、各イベントを有効な状態遷移に対応付けます。状態を持つ注文では遷移履歴と約定情報を記録するため、運用上の確認や照合に経路を利用できます。…
このノートブックでは、価格変動にさらされ続けるリスクと市場インパクトの均衡を取りながらポジションを清算するAlmgren–Chriss解を導出します。到着価格に対する執行不足を使い、恒久的インパクトと一時的インパクトを分けてモデル化し、執行スケジュールのコストとリスクを導きます。リスク回避度を変えると効率的フロンティアを描けます。清算までの半減期でもスケジュールを表し、パラメーターの実務上の意味を示します。…
この文書では、NASDAQの取引データを日中足に集約して、取引ベースのマイクロストラクチャー特徴量を構築する方法を説明します。Kyleのラムダ、Amihud流動性指標、Rollのスプレッド推定量、取引強度、注文フロー不均衡（OFI）を取り上げます。集約前に、OFIを個々の取引が買い手主導か売り手主導かに分類する必要があると強調しています。バーの終値だけに符号を付けると、この指標はバー収益の方向に縮約されてしまいます。また、取引活動を表すフロー特徴量と、スプレッドや板の厚みなど板の状態を表す特徴量も区別しています。…
この文書では、スプレッド、短期ボラティリティ、過去リターンを考慮したうえで、買い手主導の出来高比率が将来リターンに影響するかを二重機械学習（DML）で推定する方法を説明します。クロスフィッティングを使い、統制変数に対して処置変数と結果変数をそれぞれ残差化し、その残差間の関係から効果を推定します。例では1分足のNASDAQ-100観測と15分先の結果期間を使い、Lee-Readyルールで注文フローを分類します。…
このノートブックでは、学習やバックテストの再実行をせずに、登録済みのNASDAQ-100マイクロストラクチャー・バックテストから戦略を評価します。登録簿から指標と系譜を読み込み、必要に応じて派生コホート表とペア比較表を作成し、共通日付を使って戦略を等ウェイト・ベンチマークと比較します。中心となる方法は、単独の要約統計量を差し引くのではなく、日々のリターン差を分析することです。これにより、対応する観測値に含まれる情報を保ちます。連続する日次リターンの依存性を考慮するため、ブロック・ブートストラップ区間を使います。…
このノートブックでは、以前に選択したCME先物の設定をホールドアウト予測に適用します。確立済みの配分器、リバランス日程、集中度ルール、取引コストの仮定を使います。中心となる方法論上の要点は、ホールドアウトを評価する前にこれらの選択を固定することです。期間を見た後でパラメーターを変更すれば、検証の信頼性が損なわれます。登録済みの学習とバックテストの識別情報から選択済み設定と対応する予測セットを特定し、実行結果をホールドアウト・バックテストとして記録します。…
このノートブックでは、フィーチャーストアで学習データとライブのモデル入力を整合させる方法を説明します。エンティティキー、イベント時刻、有効期間、特徴量列を使ったフィーチャービューを紹介し、過去の学習向けの時点整合結合と、推論時の最新既知値の検索を比較します。例では、日次のUS株式の財務特徴量とモデル由来の特徴量をParquetファイルに保存し、学習データがホールドアウト境界を越えないよう確認します。…
このノートブックでは、検証で選択したFX戦略が、比例取引コストの変化にどう反応するかを測定します。予測ラベルごとに、シグナル、配分、リスクオーバーレイの結果から親戦略を選び、他の識別情報を保ったまま、コストのグリッド全体で再実行します。このコストの走査は摂動分析です。確定した戦略の頑健性を記述するものであり、後の選択には使いません。…
このノートブックでは、登録済みの検証バックテストからCME先物のケーススタディ設定を選ぶ方法を説明します。シグナル、配分、リスク管理の各段階から候補を集め、検証シャープレシオが最も高い設定を選びます。両方の収益予測期間を合わせて検討し、コスト感度分析は選定済みの設定を記述するものであり、選定を競うものではありません。…
この文書では、シグナルの質から検証、取引コスト、ホールドアウト期間の成績、証拠の質まで、9つのトレード事例を評価する5段階のプロセスを説明します。ゲートは累積方式で、戦略が最終段階に進むには、該当する前段階のすべてを通過する必要があります。事例に当てはまらない段階は、不合格ではなく通過扱いになります。…
このユーティリティモジュールでは、検証データとホールドアウトデータを使って予測モデルを評価する表と図を作成します。情報係数の信頼区間、検証からホールドアウトへの性能低下、選択を考慮したバックテスト統計量、フォールド単位の比較、市場局面ごとの網羅性、コンフォーマル予測区間のカバレッジなどを診断します。保存済みの学習、予測、バックテスト記録を照会して比較可能な設定を選び、関連結果がまだない場合は安定した空の表スキーマを返します。…
この章では、連続時間の価格過程、GARCHボラティリティモデル、ブートストラップ再標本化、モデル比較を含む、合成金融データ生成の古典的な手法を説明します。幾何ブラウン運動、ジャンプ拡散、平均回帰、Hestonなどのモデルが、リターン、ジャンプ、変動するボラティリティについて異なる仮定をどう表現するかを解説し、ドリフト補償や分散の切り捨てといった実装上の詳細も扱います。…