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、リターンラベルごとに、検証データで選択したFX戦略1つを対象として、比例取引コストの変化が与える影響を測定します。まずシグナル、配分、リスクオーバーレイの候補から親戦略を選び、戦略の他の特性は維持したまま、取引する片道ごとの総コストだけを変化させます。この検証は後続のモデル・戦略選択から除外されるため、特に有利なコスト前提で評価された候補が優位になることを防ぎます。得られる曲線は、成績が売買回転にどれほど敏感か、またどこでリターンが損益分岐点に達するかを示すものです。…
この資料では、自然言語処理モデルの学習や評価に使われる、金融ニュース文にラベルを付けたコレクションであるFinancial…
この分析では、CME先物モデルのクロスセクション情報係数（IC）の読み方と、その後のポートフォリオ検証との関係を説明します。各日の予測リターンと実現リターンの順位相関を計算し、日ごとの相関を平均します。これは、商品を順位で選び、予測リターンの大きさを考慮しない等ウェイト戦略に対応します。また、フォールド間の平均とt統計量を日次系列に基づく推論と区別し、報告されたt統計量がフォールド間の標準誤差を用いていること、予測値がほぼ一定になる場合にはICが定義される日数も重要であることを指摘します。…
このノートブックでは、モデルや予測を構築する前に、過去のETFデータが月次ランキング戦略を支えられるかを評価します。前年の流動性情報を用いて時点ごとの適格性を確認し、リバランス日に利用可能なファンド数を数え、1株当たり手数料と推定したハーフスプレッドを価格に対するコストに換算します。さらに、リターンの値動きでコストを賄えるかを調べ、各ファンド内のリターン自己相関を測定します。また、ホールドアウトを参照せずに、ウォークフォワード分割が開発サンプルに収まるかも確認します。…
この文書では、ディフレーテッド・シャープレシオ（DSR）が、検証した戦略数、シャープレシオ推定値のばらつき、正規分布に従わないリターンを考慮し、選択した戦略のシャープレシオをどう補正するかを説明します。未補正の確率的シャープレシオ計算と比較し、相補的な組合せ対称交差検証の分割を使う、関連指標のバックテスト過剰適合確率分析も概説します。帰無戦略と同等の優位性を持つ派生形のシミュレーションで、最良の結果を選ぶと、見かけの成績が実態より良く見える場合があることを示します。…
このノートブックでは、同じ銘柄の同じ満期のアット・ザ・マネーのコールとプットを売り、ストラドルを満期まで保有する戦略の候補特徴量をスクリーニングします。各特徴量について、利用可能な銘柄を、後のストラドル損益と同じ順序で順位付けできるかを測ります。日次の横断面順位の一致度を計算して時間方向に平均し、ポジションの重複を考慮して不確実性の推定幅を広げます。また、多数の候補を検定することへの有意性スクリーニングの補正を行い、関連性が複数の検証期間で持続するかを確認します。…
このノートブックでは、企業の10-K提出書類から抽出した文章を使い、BM25キーワード検索、密な埋め込み表現、相互ランク融合（RRF）、クロスエンコーダーによる再順位付けを比較します。各検索手法を構築し、完全一致、概念検索、複合的な検索クエリで順位付け結果を評価します。RRFは生の関連度スコアではなく順位を組み合わせるため、スコアの尺度を調整せずに、異なる尺度を使うシステムを統合できます。次に再順位付けモデルが検索候補を並べ替え、最終結果を絞り込みます。…
このノートブックでは、US株式のパネルデータを使い、3つのリターン期間にわたってLightGBMモデルを比較します。グリッドでは木の葉の数と損失関数を変え、木の数が異なる複数のチェックポイントで各設定を評価します。浅い木で特徴量間の相互作用を学習できる仕組み、二乗損失・絶対損失・Huber損失が裾の重いリターンにそれぞれ異なる反応を示すこと、選択を評価する際に各チェックポイントを別々の候補として数える必要性を解説します。…
このノートブックでは、株式とオプションの研究から得た検証用予測をロングオンリーの株式ポートフォリオに変換して評価します。等ウェイトの上位K銘柄をベースラインとし、複数のポートフォリオ集中度を比較し、ラベルごとの意思決定頻度に従います。引け時点で作成したシグナルは次に利用可能な寄り付きで執行し、乱数シードを固定したランダムシグナルの実行を処理系の確認に使います。検証日付のカバー範囲が同等な候補だけを順位付けし、不確実性分析にはブロックブートストラップ区間と、関連する複数の派生形から選択することへの補正を含めます。…
このノートブックでは、S&P…
このノートブックでは、同じETFユニバース、予測、リバランス日程、バックテスト手順を用い、均等配分、逆ボラティリティ、最小分散、階層的リスクパリティを比較します。ローリングRidgeモデルがモメンタム、移動平均からの乖離、ボラティリティの特徴量からETFを順位付けし、各配分手法が共通の銘柄選択に独自の重み付けルールを適用します。結果はホールドアウト前の選択期間と、その後のホールドアウト期間に分け、リスク調整後リターン、ドローダウン、売買回転率、安定性を診断します。…
このノートブックでは、NASDAQ ITCH由来の取引と注文メッセージを使い、市場マイクロストラクチャーのパターンを示します。ティック単位の取引価格リターンに見られる負の1次自己相関を調べ、買い気配と売り気配で交互に取引が成立すると、基礎価値が変わっていなくても価格が反転したように見える場合があることを説明します。リターン分析でビッド・アスク・バウンスを減らしたい場合に、仲値リターンを使う理由を示しています。…
このユーティリティモジュールは、トレードデータのパネルを診断する統計関数を提供します。自己相関の計算では、エンティティごとに曲線を求めてから結果を集約し、ある系列の末尾と別の系列の先頭が見せかけの依存関係を生むのを避けます。期間インデックスを渡すと、欠損期間を保持し、意図したラグで観測値を対応付けます。集約推定値、エンティティ間のパーセンタイル、不確実性の参照値、ラグによって変わりうる件数を報告します。…
このUS株式事例では、将来リターンの予測と、モメンタムがリターンを引き起こすという主張を区別します。直近月を除く過去1年間の株式リターンを処置、将来リターンを結果とし、直近のボラティリティ、流動性の低さの順位、出来高比率を交絡因子として扱います。二重機械学習では、まず交絡因子から処置と結果をそれぞれモデル化し、次に両モデルの残差を関連付けて効果を推定します。将来データから交絡要因の関係を学習しないよう、エンバーゴを設けたウォークフォワード適合を使います。…
このノートブックでは、損失の分位点を示すバリュー・アット・リスク（VaR）と、その閾値を超える損失の平均を示す条件付きバリュー・アット・リスク（CVaR）を解説します。日次ETFリターンを使い、ヒストリカル法、ガウス法、Cornish–Fisher補正、スチューデントt分布によるモンテカルロ推定を比較します。次に例外の件数を数え、その頻度が指定された信頼水準に合うか検定してVaRのカバレッジを評価します。ただし、頻度検定では例外の時間的な集中を検出できないと強調しています。…
このノートブックでは、PPOエージェントが気配値の傾きとスプレッド幅を選ぶ、シミュレーション上のマーケットメイク課題を作成します。気配値が仲値から離れるほど約定確率は低下し、注文不均衡は約定とその後の価格変動の両方に影響します。在庫に対して気配値を調整する予約価格を設け、評価報酬には時価評価した資産と在庫ペナルティを組み合わせます。エピソード終了時に残るポジションには清算コストがかかります。エージェントは、すでに予約価格調整を適用する固定ルールと比較されます。…
この解説用ノートブックでは、ETFデータを使い、教師ありトレードモデルの目的ラベル手法を比較します。固定期間リターンと方向ラベル、時系列のローリング・パーセンタイル、横断面パーセンタイル、固定またはボラティリティ連動の閾値を使うトリプルバリアラベル、トレンドスキャンを扱います。また、重複する観測値に対する一意性の重み付けと逐次ブートストラップについても解説します。…
この共有モデリングモジュールは、特徴量、ラベル、時系列データ、設定を読み込み、ウォークフォワード交差検証のフォールドを準備して、クオンツリサーチのワークフローを支援します。再現性とデータの来歴を重視し、ソースファイル、配列、モデル設定、ノートブックのコードのハッシュを記録します。入力が変わればキャッシュ済みの結果を無効化できます。また、乱数シードを設定し、データセットのスキーマ、特徴量選択、フォールド準備のユーティリティも備えています。…
このノートブックでは、四半期ごとのSEC 10-Q経営者による討議と分析の文章から、2つの株式シグナル候補を作る方法を示します。FinBERTで文章の一部を肯定・中立・否定のトーンに分類し、そのスコアを集約して、平均センチメントと提出書類内のばらつきを算出します。Sentence-transformerの埋め込みは、連続する四半期の記述間の意味的距離という別の指標を提供します。提出書類の受理日を各シグナルの利用可能時点として、市場データと結合し、将来リターンを評価します。…
このノートブックでは、市場レジームを予測に使う3つの方法を比較します。レジーム入力なしのベースラインモデル、ボラティリティ状態のフィルター確率を入力する単一モデル、明確なレジーム割り当てごとに学習する個別モデルです。先読みを避けるため、ウォークフォワードの各学習ブロックで隠れマルコフモデルを再推定し、推定分散で状態を並べ替え、テストブロック内で前向き再帰により確率を計算します。フォールドごとのスケーリングと学習データ・テストデータ間のギャップは、将来の観測値や重複する予測対象からの情報漏洩を防ぐのに役立ちます。フ…
このノートブックでは、モデル学習の前に、データが週次のクロスセクション先物戦略に利用できるか確認します。CME商品を順位付けし、順位の高い契約を買い、低い契約を売る設計を説明します。また、リバランス日に両側のポジションを構成できるだけの銘柄が気配値を付けているか調べます。コストの実行可能性を評価するため、取引所の契約仕様と最小価格変動幅を使って想定売買スプレッドのコストを表し、価格変動とコストを共通の尺度で比較します。シグナルの持続性と、ホールドアウトを参照せずに開発期間で繰り返しウォークフォワード分割を行えるか…
このノートブックでは、ETF特徴量の評価を単一のリターン期間から、10個の特徴量と3つの期間にわたるスキャンへ拡張し、多重検定を補正します。次に、長いルックバック期間の12-1モメンタムと短期リバーサルについて、時間をずらした検定、ICの持続性、米国債リターンによる共通要因の統制、VIXレジーム間の比較を用いて、メカニズムに基づく診断を行います。報告されたスキャンでは、5日間の期間で長期ルックバックのモメンタムが多重検定補正後の発見に含まれます。一方、より長い期間で最大となったインフォメーション係数は、補正後のし…
このノートブックでは、買い手主導の符号付き出来高比率が、その後の15分リターンと関連するかを推定します。相対スプレッド、直近の実現ボラティリティ、過去1か月のリターンを調整します。クロスフィッティングを用いた二重機械学習で、これらの交絡要因から結果変数と処置変数を予測し、その残差を回帰して統制変数では説明されない処置の変動を分離します。分析対象は1分足のNASDAQ-100観測です。適格な母集団、フォールド境界、エンバーゴ、プラセボ設計を決めてから学習します。ブロック置換による反証では、処置のタイミングを崩した後…
このノートブックでは、ノイズを含む共分散推定値への感度を抑えることを目的としたポートフォリオ構築手法、階層的リスクパリティ（HRP）を説明します。3段階の手順を紹介します。相関距離で資産をクラスタリングし、得られた階層に従って並べ替え、クラスタを再帰的に分割して分散の小さい側により大きな比率を割り当てます。また、共分散行列の逆行列計算が推定誤差を増幅し得る平均・分散最適化や、逆行列計算の前に共分散推定を安定化させる縮小法と、HRPを比較します。…