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。
71件の資料
この運用デモでは、主要なFX通貨ペアの過去の日次データでリッジモデルを再学習し、Interactive Brokersのペーパーセッションで現在の足データを取得して、通貨ペアを順位付けし、ロングバスケットを構築します。ブローカーへの接続、簡潔な特徴量セットの準備、FX契約の適格性確認、注文計画、監視と監査用の各実行記録までを順に説明します。データ取得と執行の両方に同じ取引場所を使うことで運用手順が簡素化され、ノートブックでは口座確認と契約の特定方法を明示します。…
OHLCVの外国為替データセットについて説明します。G10の主要通貨ペアとクロス通貨ペアを対象に、OANDAの日次および4時間足データを収録しています。データのダウンロード、読み込み、通貨ペアや期間による絞り込みに加え、対象範囲の要約や年率換算ボラティリティの推定方法を紹介します。ボラティリティの例では、通貨ペアごとにリターンを計算し、取引年あたりの4時間足の想定本数を使って標準偏差をスケーリングします。…
このノートブックでは、通貨ペアのリターン予測に線形モデルの正則化を適用します。入力特徴量間の多重共線性と、資産間の依存性を区別します。通貨ペアは共通の通貨を含むため、そのリターンや順位は独立ではありません。Ridgeは特徴量を残したまま係数を縮小し、Lassoは係数をゼロにできます。ElasticNetはその両方を組み合わせます。LassoとElasticNetのペナルティはフォールドごとのしきい値に対してスケーリングし、フォールド間で設定の意味がそろうようにします。…
このノートブックでは、固定された検証候補群から選ばれたFX通貨ペアの設定を再構成し、検証とホールドアウトの証拠を評価します。選択には適格な候補のうち最も高い検証シャープレシオを用い、同値の場合はバックテスト識別情報で決定的に順位付けします。コスト違いの設定は候補群に含めません。モデル系列、設定、ラベル、チェックポイントによってホールドアウトの系譜を照合します。実際に再学習すれば学習識別情報が異なるためです。分析では、登録済みのホールドアウト予測とバックテストを読み込み、出所を確認し、検証、ホールドアウト、および両…
この文書では、金融データセット向けの再利用可能な診断項目を紹介します。インデックスの整合性、重複、欠損、外れ値、カレンダー上の欠落、分野固有の異常を確認します。パネルデータの銘柄ごとの並び順も含め、時刻の型、順序、一意性を検査し、完全一致する重複と、値が異なるキーの重複を区別します。網羅性レポートでは、フィールド、資産、時点ごとの欠損値を要約し、無効な価格や出来高、異常なリターン変動なども追加で確認します。…
この文書では、FX戦略の検証段階で固定ストップとトレーリングストップを比較します。各リターンラベルについて、シグナルと資産配分の結果からなる確定済みコホートから親戦略を選び、親の識別情報を一定に保ちながら、宣言されたポジション単位のリスク管理を変更します。ストップは保有期間中の価格経路に反応するため、ポジションの開始時点と終了時点のリターンが同じでも、途中のドローダウンが異なるポジションを区別できます。このケーススタディではルールを各ポジションに個別適用し、ポートフォリオ全体のドローダウンや日次損失の管理は含みま…
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。…
このノートブックでは、FX通貨ペアの事例研究でLSTM予測モデルを実行する設定を行います。モデルはルックバック系列に沿って隠れ状態を保持し、共通の設定・研究計画ツールからアーキテクチャと学習設定を取得します。研究で定義されたラベルと設定済みのLSTMアーキテクチャを用い、対象とするモデル母集団がリクエストに含まれているかを確認します。学習を実行するか保存済みの重みを読み込む前に、予測の識別情報とチェックポイントの想定値を記録します。…
このノートブックでは、複数の通貨を共有する通貨ペア間でリターンが連動する市場を対象に、線形モデルの正則化を検討します。リッジ、ラッソ、エラスティックネットで対処できる特徴量の共線性と、順位付け対象の資産間にある依存関係を区別します。係数へのペナルティでは、後者は解消されません。リッジは特徴量を残しながら係数を縮小し、ラッソは係数をゼロにでき、エラスティックネットは両方の性質を組み合わせます。ペナルティ設定は各学習フォールド内で決め、共通のウォークフォワードサンプルでモデルを学習・評価します。…
このノートブックでは、20通貨ペアで候補シグナルを1特徴量ずつ評価します。ウォークフォワード検証期間のみを使い、各特徴量の日次横断順位と翌営業日のリターンとの一致度を計算します。ラベルの結果がホールドアウト期間内で確定しないよう、評価パネルの終了を十分前に設定します。カバレッジと陳腐化のフィルターで、評価に不十分なほど疎な列や変化のない列を除外します。また、ニューイー・ウェスト方式の不確実性推定で、隣接セッション間の依存を考慮します。フォールドごとの方向性確認、冗長性分析、偽発見率の調整により、不安定さと多数の検…
この文書では、シグナル選択とポジションサイズを切り分けるためのFXポートフォリオ配分探索について説明します。検証バックテストの成績で順位付けした、凍結済みの等ウェイト基準候補から始め、各モデルのチェックポイントとシグナルの対応関係を保ちながら設定を進めます。予測、選択済みペア、取引コスト、執行前提は固定したまま、配分ルールを変えます。結果の各戦略仕様を基準と照合し、配分以外の項目への変更は拒否します。…
このノートブックは、検証で既に選ばれたFXの設定を再学習し、後続のホールドアウトバックテストに向けて予測を登録します。凍結された候補セットに限定して、破綻していない検証バックテストから選択を解決し、選ばれたモデルの変更不可な検証仕様から学習仕様を再構築します。ホールドアウト期間は選択されたラベルの観測タイムラインに従い、ラベルの結果が評価期間に入り込まないよう、十分な幅の学習バッファを設けます。…
この探索的分析では、20通貨ペアを対象とする4時間足のOANDAデータセットを調べます。出来高フィールドが集計された取引量ではなく、単一取引所での気配値更新回数を数えているため、市場全体の流動性順位付けには使えないことを説明します。また、USドルが基軸通貨、決済通貨、または含まれない通貨ペアに分類し、ドルの強さを解釈するために価格を反転すべき場合を明らかにします。…
このノートブックでは、通貨ペアの予測ランキングを取引するベースラインに変換します。各判断時点で、順位が最も高いペアをロング、最も低いペアをショートとして同数ずつ組み入れ、FXバックテストエンジンで評価します。ポジションサイズや配分に関する後続の判断からランキングの寄与を切り分けるため、均等加重を用います。ポートフォリオサイズのグリッドで各側の集中度を変え、対象となる通貨ペア数によって各側で保有可能な異なるペアの数を制限します。…
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、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。…
この分析では、9件のトレード事例で登録された二重機械学習の処置効果を比較します。各事例のレジストリから最新の結果を読み込み、レジストリの整合性とラベルの重複を確認し、対象範囲を明示します。効果と信頼区間は元の単位を保ち、HAC統計量でパネル間比較を補います。また、単純なOLS推定値と直交化推定値を比較し、ブロック置換による反証チェックを適用して、複数のラベルと実際に異なる予測期間を区別します。…
このノートブックでは、過去価格から直接計算する指標を補うため、外国為替価格履歴からモデル推定特徴量を作成します。三つの手法を説明します。緩やかに変化する価格水準などを推定する状態空間フィルター、ドルの荒れた相場局面に属する確率を推定する2状態の隠れマルコフモデル、1ステップ先の予測誤差でサプライズを測る固定次数のARIMAリターンモデルです。4時間足のデータは、共通カレンダーを用いて取引セッションに集約します。…
このケーススタディでは、LSTMモデルを設定し、FXペアのラベルを予測します。再帰モデルが引き継ぐ隠れ状態、固定ルックバック変換が扱う過去の情報、畳み込みの受容野を対比し、他モデルとの比較は別の分析に委ねます。共通ランナーは学習前に系列長、アーキテクチャ設定、デバイス、ラベル、フォールド、チェックポイントのスケジュールを確定します。欠損した日次観測をまたぐルックバック期間は除外するため、検証カバレッジは元のパネルより狭くなる場合があります。…
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、選定した実例のトレード戦略について、Backtrader、Zipline…
このノートブックでは、前処理や特徴量エンジニアリングの前に金融データセットを診断する、再利用可能な調査手順を構築します。時系列インデックスの型、タイムスタンプの欠損、順序、一意性を確認し、完全一致およびキーに基づく重複を検出します。フィールド、資産、日付ごとの欠損値を測定し、ギャップ、外れ値、ドメイン違反、データセット固有のカレンダー上の問題も調べます。診断では問題を報告しますが、元データの変更やクリーニングは行いません。対象はETF、US株式、暗号資産、先物、FX、企業特性です。調査結果では、列単位の完全性と欠…
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。…
このノートブックでは、20通貨ペアの候補特徴量を一つずつ先行リターンと照合して評価します。分析対象をウォークフォワード検証期間に限定し、各セッションにフォールドを記録します。また、ホールドアウト前にバッファ期間を設け、ラベルがその期間内に確定しないようにします。ホールドアウト自体は測定しません。まず十分なカバレッジと変動がある特徴量を選別し、次に特徴量の値と次セッションのリターンの間で、日次の横断面スピアマン順位相関を測定します。隣接セッション間の関連を許容して不確実性を推定し、効果の方向がフォールド間で維持され…