ナレッジライブラリ

この実験では、勾配ブースティング木、表形式ニューラルネットワーク、潜在因子モデルによる月次ETF順位予測の検証データ予測を組み合わせます。まず予測をクロスセクションでzスコア標準化し、その後に平均します。異分散・自己相関を考慮した不確実性推定付きの情報係数（IC）と、少数のETFを選んで加重するコスト考慮型のロングオンリー・バックテストでアンサンブルを評価します。…

このノートブックでは、因果グラフを事前に指定せず、多変量金融時系列の遅行関係を発見する方法としてPCMCIを紹介します。この手法をETFとボラティリティ指数のリターンに適用し、条件付き分析をペアごとのグレンジャー検定と比較して、遅行リンクの解釈方法を説明します。分析の探索期間を事前に定め、最終検定にBenjamini-Hochberg補正を用い、発見されたエッジが再現するかをブロックブートストラップで評価します。…

このノートブックは、保持された実際のストラテジーの実行結果と、それに対応するML4Tバックテストのプロファイルを比較する監査から、LEANエンジンの結果を切り分けています。対応する4つのワークロードとして、ETF配分、暗号資産無期限先物の資金調達、USD建てのFX配分、US株式パネルを特定しています。凍結されたCME先物バンドルは、対応するネイティブLEANサブスクリプションの作成に必要な日付付き契約チェーンとロールマップがないため、対象外です。比較では、約定、評価額、タイムスタンプの一致、株式価値と最終価値の差…

このノートブックでは、4つの基準ETF配分を、過去の危機期間、手作業で設定した複数資産への同時ショック、Student-tモンテカルロシミュレーション、市場レジーム統計を使って比較します。最大ドローダウンの指標を説明し、日次の固定ウェイト・ポートフォリオで複利リターン、ドローダウン、その他のストレス時の結果を調べます。過去の再現には世界金融危機、COVID、2022の2022年の金融引き締め期など主要な下落局面を含みます。仮想シナリオでは、複数の保有資産が同時にショックを受けた場合のポートフォリオの反応を検証しま…

この監査では、同一の固定済みモデル目標値とコンテンツ識別可能な過去データを使い、ETF配分、先物、暗号資産無期限先物の資金調達、外国為替、US株式を対象に、複数の取引エンジンでリプレイを比較します。約定記録、評価時刻、口座価値、最終価値の一致と、意図的に変更した約定の検出によって執行の一致性を評価します。モデル化と目標値の作成はどちらのエンジンを実行する前にも行うため、この比較で切り分けられるのはリプレイの挙動であり、シグナル生成の一致ではありません。…

このノートブックでは、さまざまな市場環境で成績の改善を目指す、エンドツーエンドのETFポートフォリオ方針であるDeePMを説明します。構成要素には、ボラティリティで基準化したリターンとトレンドの特徴量、LSTMベースのモデル、変数選択、条件付け層、資産クラスのグラフで制約されたクロスアセット・アテンションが含まれます。このグラフはグループ内のつながりと、グループ間の選択された関係を表します。SoftMin目的関数はローリング学習期間の中で最も弱い区間を重視し、コストを考慮した学習では売買回転率にペナルティを課しま…

このノートブックでは、Yahoo Finance、WikiPrices、FREDに共通するOHLCVインターフェースを示し、これらを現在のETFデータ、長期の株式データ、マクロ経済系列に利用します。優先順位を付けた取得時のフォールバック手順を示し、統合パネルを監査できるよう各観測値のデータ元を記録する重要性を説明します。ETFのユニバースは株式、債券、コモディティのエクスポージャーを含み、後続のローテーション戦略を想定しています。…

このノートブックでは、同一のETFリターンパネルを用いて、PyPortfolioOpt、Riskfolio-Lib、skfolioによるポートフォリオ配分を比較します。訓練期間で配分手法を当てはめ、同等の目的関数と対応付けたウェイトがソルバーの許容誤差内で一致するか確認し、固定した配分を後続の観測値で評価します。平均・リスク手法、階層的リスクパリティ、テールリスク目的、売買回転や集中したウェイトへのペナルティを比較します。また、ハーフィンダール集中度を使い、訓練期間に限定したウォークフォワード評価を示します。…

このノートブックでは、ロングオンリーで資金を全額投資するマルコウィッツの枠組みを構築し、実現可能なポートフォリオ、効率的フロンティア、最大シャープレシオ解、最小分散解を扱います。ポートフォリオ分散が共分散行列にどう依存するか、資産が常に同じように動くわけではない場合に分散投資がリスクを抑えられる仕組みを説明します。資産リターンの重複性と、それに伴う数値感度を診断する指標として条件数を使います。…

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。…

このノートブックでは、9つの資産クラスにわたるケーススタディを横断し、加工した金融特徴量を一覧にします。利用可能な各特徴量パネルから特徴量数と名称に基づく分類群を数え、特徴量空間の規模を比較するとともに、各ケーススタディのモデルレジストリに記録された最も高い情報係数をまとめます。モメンタム、ボラティリティ、リターンなど、繰り返し現れる接頭辞は市場間で比較できます。一方、個別の指標や一貫しない命名があるため、分類群の数は大まかな目安にすぎません。…

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、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、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、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。…

このノートブックでは、シグナルと配分からコスト、リスク調整までの戦略パイプラインを通じて、登録済みのETFバックテストを評価します。モデルの学習や新たなバックテストの追加は行わず、既存の予測とバックテストを読み込み、登録結果からコホート指標と対応比較指標を算出します。報告する分析には、戦略指標のブートストラップ信頼区間、選択バイアス指標、段階間の比較、検証期間およびホールドアウト期間での均等配分ETFユニバースとの比較が含まれます。…

このノートブックでは、Diffusion-TSを応用して、合成の日次ETFリターン系列を生成します。デノイザーが元の系列を予測し、その予測を多項式トレンド、選択したフーリエ成分、残差に分解します。時間領域と周波数領域を組み合わせた目的関数は、リターン値とスペクトル構造の両方を保つことを意図しています。重複する系列と時間軸上のホールドアウトを使い、ガウス隠れマルコフモデルが識別した低・高ボラティリティのレジームへサンプリングを誘導するため、ノイズ系列で学習した分類器を加えます。…

この特徴量エンジニアリング用モジュールは、システマティックなマクロ・ポートフォリオモデル向けに日次価格データを準備します。推定ボラティリティで調整した期間別リターン、複数スケールのMACDシグナル、対数価格のローリングZスコアを作成します。リターン期間には設定済みの組み合わせを使うことも、未加工のモメンタム特徴量向けに密な範囲を使うこともできます。事前ボラティリティは日次リターンの指数加重標準偏差で推定します。また、学習ターゲット用に1期先の未加工リターンとボラティリティ調整済みリターンも導出します。…

この章では、統計手法を当てはめてトレードモデルの特徴量に変換する方法を概説します。診断と定常性、構造変化、分数差分、カルマンフィルター、スペクトル法とパスシグネチャ法、ARIMAとGARCHによるボラティリティ分析、HARとラフボラティリティの指標、不確実性推定、レジームモデル、横断面またはパネル変換を扱います。出力には、フィルター処理した水準やトレンド、イノベーション、予測値、条件付きボラティリティ、レジーム確率、事後または予測の不確実性が含まれます。…

この設定では、レジームフィルタリングとクロスアセット分析に使う、FREDの過去のマクロ経済データを指定します。系列を日次、週次、月次、四半期ごとに整理しており、国債利回り、フェデラルファンド金利、VIX、労働関連指標、物価指数、鉱工業生産、マネーサプライ、名目および実質GDPを含みます。また、説明用の名称を列挙し、国債の満期から導出するイールドカーブ・スプレッドを定義します。…

この横断的な分析では、情報係数（IC）で測定した予測情報が、9つのトレード事例でポートフォリオのシャープレシオにどう結び付くかを調べます。中心となる点は、実装がこの関係を左右するということです。エントリー規則、ポジションサイズ、リバランス頻度、取引コストによって、シグナルの順位付け能力が戦略のパフォーマンスにつながるかが決まります。同じ選択済み設定について、ホールドアウトのICとホールドアウトのシャープレシオを比較し、検証期間とホールドアウト期間のシャープレシオも比較します。また、ICで首位のモデル群がシャープレ…

この文書では、FREDの米国債利回りと経済指標を収集し、報告頻度の異なる系列を日次カレンダーに揃え、データセットを読み込みまたは絞り込む手順を説明します。指標には、米国債金利とスプレッド、VIX、労働関連指標、インフレ、鉱工業生産、GDPが含まれます。主な内容はデータ準備の手引きですが、取引への応用として、10年債と2年債の利回り差で市場レジームを分類します。…

この設定では、ロングのみのETFランキングとリバランスの実験を定義します。株式、債券、コモディティ、地域別エクスポージャーにまたがる幅広い100～ETFの対象を定め、月次で判断し、翌営業日の寄り付きで執行します。主要ラベルは21日リターンを予測します。5日ラベルには週次スケジュールを用い、バックテストの頻度を予測期間により合わせます。ポジションはランキングで選び、均等加重します。複数のポートフォリオ集中度で上位k銘柄の選択を検証します。…

このノートブックでは、FREDの経済系列パネルを調べ、カレンダー日グリッド、メタデータ、派生列を解釈する方法を説明します。パネルが日次カレンダーに平坦化されているため、行数から元データの公表スケジュールは分かりません。各系列の値の変化を数えると、公表頻度の下限を推定できますが、連続する公表値が変わらない場合は実際の公表回数を取りこぼすことがあります。例として米国債利回り、VIX、10年債と2年債の利回り差を取り上げ、最近の政策イベントをグラフに注記しています。…