ナレッジライブラリ

この文書では、資産ごとの時系列とコンテキストを、上下限のあるポートフォリオのリスクウェイトに変換するニューラル方策ネットワークの構造を説明します。資産ごとのバックボーンには、コンテキスト埋め込み、特徴量ごとの変調、変数選択、LSTM、因果的な時間方向のアテンションを組み合わせます。次に、遅延を考慮したクロスセクショナル・アテンションで資産間の関係を処理し、必要に応じてマクロ経済の隣接グラフに制約されたアテンションを適用できます。…

このノートブックでは、ベータ、固有ボラティリティ、時価総額、分散を調整した後、12か月前から-2か月前までのモメンタムが翌月のUS企業リターンを予測するかを、拡張ウィンドウ方式の二重機械学習で分析します。補助モデルはそれ以前の月のデータで学習し、学習期間とテスト期間の間にエンバーゴを設け、最後の2016ホールドアウト期間を除外します。調整後の推定値は同じアウト・オブ・フォールド観測値での単純なOLSと比較し、時間と企業間の依存関係はDriscoll-Kraay推論で考慮します。…

このノートブックでは、時間加重平均価格（TWAP）執行ルールのデモを使い、行動クローニングと逆強化学習（IRL）を比較します。行動クローニングは観測された市場状態を直接行動に対応づける一方、IRLは執行特徴量に対する線形報酬を当てはめ、そこから推定した目的に基づいて方策を導きます。TWAPは既知の参照目的を与えます。取引を均等に分散し、各ステップの市場インパクトを抑えることと、時間経過に伴う価格変動へのエクスポージャーとのバランスを取ります。…

このノートブックでは、観測された交絡因子を調整した後も、インプライド・ボラティリティと実現ボラティリティの差が、その後の株式リターンと関連するかを二重機械学習で調べます。関連する調整変数として、実現ボラティリティ、株式モメンタム、リスクリバーサルのスキューを特定し、同じクロスフィット済み観測値を使った単純な通常最小二乗法の推定値と調整後の推定値を比較します。分析では、ブロック置換による反証検定と、パネル構造を考慮した不確実性推定も用います。…

この学習用ユーティリティでは、DeePM型モデルの最適化ループを説明します。AdamWでモデルパラメータを更新する際、ロバストなシャープレシオ重視の損失関数に、先行リターン、ボラティリティ調整、マスク、取引コスト、設定可能なウォームアップ期間とソフトミン制御を渡します。有限でない損失はスキップし、各最適化ステップの前に勾配をクリップできます。…

この事例では、ETFリターンのラベルに勾配ブースティング木を当てはめ、強いリッジ正則化で良好な結果だった線形ベースラインと比較します。市場ストレス局面によってモメンタムの働き方が変わるといった相互作用を木が発見できる理由を説明します。一方、貪欲な分割では、リッジなら組み合わせられる相関の高い特徴量の中から恣意的に選ぶ場合があります。グリッドでは木の複雑さと損失関数を変え、学習中の複数チェックポイントで各設定を評価します。…

この文書では、事例のParquetデータを直接使って特徴量ストアの概念を示します。特徴量ビューでは、エンティティキー、イベント時刻、有効期間、特徴量列を指定します。モデル学習では、過去の値を、その値が判明していた時点の判断時刻に結合します。実運用での取得では、判断時点で利用可能な最新の値を選びます。これらのルールをそろえると、学習と実運用のずれを防ぎやすくなります。…

この分析ノートブックでは、新たなバックテストではなく、レジストリの結果を使って企業特性に基づくUS株式戦略を評価する方法を説明します。不確実性を考慮した運用成績統計を読み込み、共通の対象範囲で設定を順位付けし、ペア比較で選定戦略と均等加重ベンチマークを評価します。ホールドアウトの選定は、選んだ検証実行の完全な仕様に基づいて決まり、ホールドアウト結果を見た選定を避けます。…

この文書では、予定されたポートフォリオのリバランス前にポジションを決済する3つのルールを説明します。固定幅の損切り、ポジションの最高値から測るトレーリングストップ、設定した保有期間後に決済する時間決済です。こうした追加ルールはポジションを減らすだけなので、リスクを加えるのではなく、損失を抑えたり利益を制限したりしてリターン分布を変えます。時間決済は、保有期間が重要かを評価するための価格に依存しない対照手段となります。…

このノートブックでは、機関投資家の13F提出書類を、運用者と株式を結ぶ二部グラフに変換し、銘柄ごとの保有特徴量を導出します。同一運用者と銘柄の重複ポジションを集約し、発行体名を標準化して、オプションの行を除外します。未提出を売却と誤認しないよう、報告四半期が完了してから利用します。提出日から選択した運用者全体のスナップショットが利用可能になる時点を判断できるため、時点整合的な調査に役立ちます。…

このノートブックでは、Binanceの無期限先物データを使い、プレミアムで契約を順位付けして買いと売りのポジションを取る横断的戦略を実行できるか評価します。モデルの学習や予測は行いません。代わりに、資金調達料の決済時点における宣言済みの取引対象を確認し、観測された銘柄の幅を戦略が想定するポートフォリオ規模と比較します。価格変動を取引所手数料と比べ、ホールドアウト期間を確保しながらウォークフォワード検証ができるだけの開発期間があるかも評価します。…

このノートブックでは、複数の事例から得た戦略について、想定した取引コストの影響を比較します。採用された戦略設定ごとのコスト感応度バックテストを読み込み、事例で想定されたコストにおけるグロスのシャープレシオとネットのシャープレシオを比べ、シャープレシオがゼロになるコストを推定します。想定コストがテスト済みのコスト水準の間にある場合、ネットのシャープレシオは線形補間します。また、リバランス頻度ごとに結果をまとめ、売買回転頻度とコスト負担の関係を調べます。…

この設定では、暗号資産の無期限先物を対象に、ロング・ショート戦略を調査するワークフローを定めます。出来高で選んだ19銘柄の銘柄群、8時間ごとの資金決済に合わせた判断、資金決済時刻での執行を定義します。主な予測対象は8時間先リターンで、リターンと方向の各バリエーションも扱います。また、資金調達料、プレミアム、価格ボラティリティ、クロスセクション特徴量に加え、キャリー、平均回帰、モメンタム、ボラティリティの仮説も説明します。…

このノートブックでは、会計データと価格に基づく57個の特性を、翌月のUS株式リターンに対する個別の予測変数として評価します。月次クロスセクションの順位相関を計算して時間平均を求め、系列依存性と多数の候補を検定することを踏まえて不確実性を調整します。また、ウォークフォワードの学習・検証期間にわたって関連が持続するか確認し、効果量、一貫性、有意性、冗長性を基に各特性を判断します。…

この概要では、株式、暗号資産、外国為替、先物、オプション、マルチアセット・ポートフォリオにまたがる9件の取引ケーススタディから設定データを集約します。各研究の銘柄群、データ頻度、判断の頻度、コストモデル、シグナルからポジションへの対応付けを比較します。取引コストの影響が特に大きい設定も含め、こうした選択が戦略やデータセットによってどう異なるかを例示します。…

このケーススタディでは、他のモデル群と同じ時点整合済みのCME先物特徴量行とウォークフォワード分割を使って、パラメータ効率の高いニューラルアンサンブルTabMを評価します。パラメータの大部分を共有しながらモデル間の変動を平均化する方法としてTabMを取り上げ、小規模でノイズの多いパネルにおける適合と汎化のバランスを探るため、モデル容量を変えます。記載された評価では、等ウェイトの検証バックテストとシャープレシオを使い、指定済みのエポックチェックポイントから選択します。…

このデモでは、単一注文の手順を大型US株の固定銘柄群に対する日次リバランスへと拡張します。現在のブローカー口座のポジションとモデルの目標を比較し、差分の注文を作成して、ペーパートレード用ブローカーラッパーを通じてバスケットを任意で発注する方法を説明します。接続口座がペーパー口座であることを確認し、保存済み状態とブローカーのポジションおよび未約定注文を照合して、ポジション、注文、日次損失の上限を適用します。ウォームアップ用バーと気配値は、執行に使うブローカーセッションから取得します。…

この学習用ノートブックでは、クオンツ分析で使われる価格・出来高由来の特徴量を概観します。期間別の単純リターンと対数リターン、直近1期間を除くモメンタム、夜間および日中リターン、移動平均からの乖離、トレンドと反転の指標、複数のボラティリティ推定値、ボラティリティ局面の指標、出来高と流動性の指標、リスク統計、クロスセクションの順位と標準化値を扱います。例ではETFデータを使い、本番運用を想定した特徴量ライブラリと手作業の計算を併せて示します。…

このケーススタディでは、S&P…

このノートブックでは、事前に選択したFX戦略をホールドアウト予測で評価する方法を説明します。選択済み設定に登録されたバックテスト仕様を再利用し、シグナル、配分、リスク管理、リバランス規則、コスト、口座設定を固定します。導出した学習IDを使って予測セットを特定し、戦略で宣言したウォームアップ期間を含む価格データを読み込みます。これにより、仕様に沿ってホールドアウト期間を評価できます。…

この章では、持続的なトレード研究には、市場の変化、ノイズを含む証拠、実装コストに適応できる規律あるプロセスが必要だと論じています。構造変化、レジーム、データドリフト、概念ドリフトを区別したうえで、時点整合データ、明確な範囲設定、反復的な開発、現実的な戦略設計、実運用への移行、モニタリングを軸とする研究から本番環境への移行ワークフローを示します。また、探索と確認の違いを説明し、試行記録、封印したホールドアウト、選択を考慮した評価を重視します。…

このノートブックでは、先物の各リターン期間について、検証で最も高く評価されたシグナル戦略または配分戦略に、設定済みの損切り、トレーリングストップ、時間決済ルールを適用します。各ルールはそれぞれの親戦略に対して評価し、検証期間の価格推移に合わせて調整せず、パラメータを事前に固定します。後の選択で意図した候補集団を保てるよう、宣言されたルールはすべて完了する必要があります。…

このノートブックでは、事前に選択したUS株式の設定をホールドアウト予測に適用します。選択済みのモデル、予測、配分器、集中度、リスクオーバーレイ、リバランス頻度、取引コストの前提を前段階から引き継ぎます。学習時の識別情報とチェックポイントから対応するホールドアウト予測セットを導き、ホールドアウトの成績を見て追加の選択を行わずにバックテストします。…

この章は、個々の戦略よりも、再現可能な調査規律のほうが持続的なトレード上の優位性になると論じています。反証可能な仮説、アウトオブサンプル評価、多重検定の補正を軸に、バイアスを抑えるワークフローを示します。続いて、クオンツの職種や機関を概観し、主要分野の専門性とともに、トレードのライフサイクル全体にわたる幅広い連携を重視します。また、体系的な継続学習と、研究、執筆、オープンソース活動、専門家コミュニティを通じた実践も勧めています。…