ナレッジライブラリ

このノートブックでは、10個の主成分が捉える広範な変動を調整した後、4つの運用ポートフォリオ戦略がSPYリターンの説明力を高めるか検証します。候補ポートフォリオは、遅行リターンを使ってETFを直近のモメンタム、低ボラティリティ、短期リバーサルで順位付けし、ロングとショートのバスケットを作ります。各ファクターの未調整のSPY負荷量と、2つのLASSO回帰で対照変数を選んだ後の条件付き負荷量を比較します。拡張時系列交差検証と分割内でのスケーリングおよびPCAにより、後の観測が前の検証分割に漏れないようにします。選ばれ…

この資料では、四半期ごとのSEC 13F一括提出データを機関投資家の保有銘柄パネルに変換する手順を説明します。提出日を基準に運用者ごとの最新提出書類を選び、提出者が入力した企業名ではなくCUSIPを使って証券を識別し、推定株価の中央値が不自然な提出書類を除外します。価格チェックでは、報告された保有価値を株数で割ります。これにより単位や株数の不整合を検出できますが、どの項目が誤っているかまでは特定できません。続いて運用者ランキング、集中度の代理指標としての保有の広がり、共同保有ネットワークのエッジを調べます。…

この資料では、ETFリターンのモデル化に計量主成分分析を用いる方法を説明します。各ファンドに固定のファクター・エクスポージャーを割り当てる通常のPCAとは異なり、IPCAでは各ファンドのエクスポージャーを、観測可能な特徴量の共通の線形関数として表します。交互最小二乗法により、特徴量からエクスポージャーへの写像とファクターリターンを同時に推定します。この制約によりファンド間および日付間の情報を統合できますが、特徴量との関係が線形であるという仮定は残ります。…

このノートブックでは、NASDAQ ITCHの約定記録を使い、通常取引時間中の出来高と取引活動の変化を調べます。約定を時間足に再集計し、取引活動が多い・中程度・少ない銘柄の価格と出来高を比較した後、取引が活発な各銘柄の日次出来高で正規化してからプロファイルを平均します。その結果、寄り付きと引けに取引が増え、昼ごろに減速するパターンが見られます。また、寄り付きと引けの時間足の出来高を昼ごろと比較し、時刻を後続の取引モデルの特徴量設計に結び付けます。…

このノートブックでは、スプレッド、板の不均衡、売買方向付き出来高、価格インパクトなどの日中ミクロ構造情報を使い、NASDAQ-100銘柄の次の15分リターンを順位付けする予測モデルを比較します。網羅性が完全な場合に限り、各モデルファミリーから代表となる予測セットを1つ選び、モデルのチェックポイントは区別して扱います。分析では、順位相関と不確実性区間を比較し、ウォークフォワード分割ごとの性能を確認します。予測バケットの単調性と市場局面への依存性を検証し、コンフォーマル予測区間が所定の網羅率を満たすかも調べます。因果…

このノートブックでは、期待対数資産を最大化して二者択一の賭けに対するケリー基準のサイズを導き、賭け金の大きさがシミュレーションによる資産推移の分布をどう変えるかを示します。枠組みを連続リターンと複数資産のポートフォリオに拡張します。そこでよく知られた平均分散比の式は、対数関数を有限項で展開した近似に依存します。ポートフォリオの解について、そこから導かれるレバレッジと、資本を使い果たす可能性のある逆方向の値動きを調べます。市場データから期待リターンと共分散を推定する場合、ローリング推定でポジションサイズがどれほど不…

この評価では、オプションサーフェス、価格由来、条件付きボラティリティの特徴量を、株式の将来リターンに照らしてスクリーニングします。各セッションで特徴量の値とその後のリターンの横断面順位相関を計算し、情報係数（IC）の時系列を調べます。平均的な関連性、重複する将来リターンを考慮した不確実性、ウォークフォワードの検証期間ごとの挙動、多数の候補をテストする影響を評価します。予測との関連性を検討する前に、網羅性と古い値の確認で特徴量の定義を選別します。また、重複性の高い特徴量は、実質的に同じ順位付けを示すものとして扱いま…

このユーティリティでは、基礎計算を再実行せずにバックテスト識別子を変更する移行の検証方法を説明します。データベーススキーマを調べ、登録先を含む列を見つけます。テキスト文書内に埋め込まれた参照も対象です。そのうえで、移行前後の参照切れ件数を比較します。過去の参照には設計上すでに解決されていないものがあるため、重要なのは移行によってどこかの参照切れ件数が増えたかどうかです。また、データベースの行と成果物ディレクトリが双方向に対応するかを確認し、識別子の衝突や統合も考慮します。…

この分析では、複数の売買ケーススタディで選ばれたシグナルが、その後も使えるほど信頼できそうかを評価します。検証用情報係数（IC）とホールドアウトの根拠を比較し、安定性と再現性を調べ、予測の品質とモデル予測から構成したポートフォリオのシャープレシオを対比します。ヒートマップとファミリー別の要約で、資産クラスやモデルファミリーによる結果の違いを示します。また、平均ICとシグナルのシャープレシオ中央値は異なる性質を捉えるため、モデルの順位が異なる場合があることを明らかにします。…

このノートブックでは、オプションサーフェス特徴量を含む株式パネルに対する操作変数付き主成分分析（IPCA）を説明します。各銘柄のリターン履歴からエクスポージャーを推定する通常の主成分分析（PCA）とは異なり、IPCAでは、インプライドボラティリティ、スキュー、タームストラクチャー、インプライド分散と実現分散の比較など、各銘柄の日付ごとの特徴量の共通線形関数としてエクスポージャーをモデル化します。交互最小二乗法によって、共通ファクターリターンとともにこの対応関係を推定します。エクスポージャーは特徴量から計算されるた…

このノートブックでは、検証データで選んだ構成を使って、これまで未使用のETFホールドアウト期間を予測します。学習仕様を組み直し、期間開始の1予測ラベル期間前で学習を終え、モデルを再フィットして選定済みチェックポイントを維持し、学習識別子が検証時のものと異なることを確認します。登録情報を確認して、過去の予測セットがアウトオブサンプルだと確認できない場合を特定し、同じ期間を別の構成で評価することを防ぎます。…

このノートブックでは、企業の10-K提出書類からサプライヤー、顧客、競合他社の関係を抽出し、Neo4jの知識グラフに保存するパイプラインを概説します。ローカルの言語モデルが主語・述語・目的語の構造化された三つ組を提案し、その後、文字列ベースのエンティティ解決で名称を正規化し、提出企業への言及を正式な企業名に対応づけます。解決済みの関係を一括してグラフに書き込み、グラフクエリで複数社に共通するサプライヤーを集計し、サプライチェーンの集中度を示します。 このノートブックはS&P…

この文書では、モデル学習やバックテストを再利用するか再実行するかを判断するための、登録情報の確認方法を説明します。実行は仕様から導いたハッシュで識別され、期待される成果物がそろっている場合にのみ再利用できます。不足があれば実行は部分完了として扱われ、再学習または再実行が行われます。デバッグには明示的な強制フラグを使えます。また、予測キーの正規化とダイジェスト化も説明します。時間値にはバージョン管理された表現規則を適用するため、異なる型で読み込んだ同等の日付を一貫して比較できます。…

このノートブックでは、金融分野の固有表現認識向けにトランスフォーマーをファインチューニングし、テキスト範囲を組織、人名、金額、日付、割合の構造化フィールドに変換します。BIO境界ラベルを導入し、単語単位の注釈をサブワードトークンに対応づける方法を説明します。最初のサブワードには単語のラベルを付け、後続の部分は損失計算から除外します。また、固有表現範囲の完全一致による評価とトークン単位の評価を区別し、抽出した固有表現の数を文書特徴量にできることを示します。…

このノートブックでは、CME先物リターンの横断面予測に勾配ブースティングを適用します。葉数の構成を変えて木の容量を調整し、極端な残差が学習に与える影響の強さが異なる二乗誤差、絶対誤差、Huber目的関数を比較します。各モデルを複数のブースティングチェックポイントで評価するため、宣言されたモデル構成に加え、木の本数も選定要素になります。固定したモデル群の中で予測期間の影響を比較できるよう、同じグリッドを2つのリターン期間で学習します。…

このノートブックでは、分足のNASDAQ-100データからモデルベースの特徴量を作る3つの方法を説明します。分散予測と予測誤差のためのローリングHAR回帰、直近の出来高パターンを捉えるフーリエ変換、価格と注文フローが変化する順序を捉える深さ2のパスシグネチャです。推定済みパラメーターには推定期間の情報が含まれるため、再フィットと特徴量のタイミングで将来情報を使わないようにする必要がある点を強調します。特徴量はタイムスタンプと銘柄ごとに保存され、設定された予測期間に必要な異なるウォークフォワード分割を通じて、網羅性…

このノートブックでは、企業提出書類のテキスト集合から文章を検索する4つの方法、BM25、密な埋め込み、相互ランク融合（RRF）、クロスエンコーダによる再順位付けを比較します。RRFは生のスコアではなく順位リストを組み合わせるため、異なるスコア尺度を較正せずに語彙検索と意味検索を統合できます。その後、再順位付けモデルが候補群の順位を変えます。また、検索段階の実装方法と、共通の検索深度で評価する方法も説明します。…

この文書では、リサーチパネル、集約予測、対立的な議論、監督役を組み合わせた予測アーキテクチャ全体を示します。監督役は意見の不一致を特定し、明確化に役立つ証拠を探し、確信度ラベル付きの確率を提案します。確信度に基づくルールによって、その確率でアンサンブルを上書きするか、混合するか、変更しないかを決めます。ノートブックでは出力に影響する設定を一元化し、後から確認できるよう段階ごとの確率と実行情報を記録します。…

このノートブックでは、複数のトレード事例にわたるLightGBMモデルを整理して比較し、利用可能な場合は線形モデルとTabMを参照モデルとして用います。木の規模、回帰損失、チェックポイント、分類目的関数ごとに構成を評価します。主なシグナル指標は、日次横断面スピアマン情報係数の平均であり、HAC信頼区間とともに報告します。モデル間で評価フォールドと日数が一致しているかを考慮する比較設計です。…

このノートブックでは、表形式の特徴量からETFの将来リターンを予測し、LightGBMをMLP、TabM、および利用可能な場合はTabPFNと比較します。各モデルを共通の時系列ウォークフォワードフォールドで評価し、順位情報係数と学習時間を主要な比較指標とします。ニューラル手法には単純な多層パーセプトロンと、共通のバックボーンを持つ複数のアダプターヘッドの予測を平均するTabMが含まれます。学習にはL1損失を使い、各学習期間内の未使用データで停止時点を選びます。…

このノートブックでは、ETFの21日先リターンを予測するため、通常の最小二乗法をリッジ、LASSO、エラスティックネットと比較します。各モデルには同じウォークフォワードフォールドを適用し、ラベル期間に合わせたパージ間隔を設けます。各フォールドでは学習セットのパーセンタイルを使って特徴量の極端値をクリップし、学習前に特徴量を標準化します。評価には横断面順位情報係数を用い、資産数が少なすぎる日や予測に変動がない日は未定義として除外します。…

このノートブックでは、価格水準から金融特徴量を抽出する局所線形トレンドの状態空間モデルを説明します。隠れ状態には価格水準と傾きが含まれ、観測値はノイズを含む終値です。各ステップでフィルターは状態を予測し、観測値のイノベーションを測定して、カルマンゲインに従って推定値を更新します。得られる水準、傾き、イノベーション、不確実性は、トレンド、予想外の変化、確信度を示すために使えます。ノイズ設定は推定値の反応速度を左右し、最尤法による当てはめは手動設定に代わるデータに基づいた方法です。…

このノートブックでは、流動性の高いUS株の一部に主成分分析を適用し、潜在因子を抽出してロング・ショートの固有ポートフォリオを構築します。標準化されたPCAベクトルを生リターンのウェイトに変換し、グロスエクスポージャーで正規化する方法を説明します。さらに、説明分散、セクターとの関連、階層的PCA、残差の挙動、ポートフォリオのリスク分解を検討します。セクターETFとの相関を使い、名前の付いていない成分に説明的なラベルを付けます。…

このノートブックでは、プレーンなPythonによるオーケストレーション、CrewAI、LangGraphを使って、4段階の予測ワークフローを表現します。状態の保持場所、失敗の調査や復旧方法、各方式が追加する依存関係、トレースの仕組みを比較します。ネイティブ版とLangGraph版は同じ専門家クラスを組み合わせますが、CrewAI版は役割を与えたタスクを使い、モデル呼び出しの経路も異なります。そのため、予測確率はフレームワークの性能を統制条件下で比較したものではありません。…