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。…

このチュートリアルでは、ETFのクロスセクションシグナルをロングのみ・均等加重の上位10銘柄ポートフォリオに変換し、リッジ回帰とロジスティック分類をモメンタムおよび均等加重のベースラインと比較します。モデルは、将来リターンのラベル期間にバッファを設けたウォークフォワード学習期間で適合させ、その後、ポートフォリオを毎月リバランスします。分析では、ポートフォリオリターン、売買回転率、コスト控除前後の成績指標、情報係数を計算し、シグナルの順位付け精度が取引コスト控除後の結果にどう関係するかを示します。…

この資料では、株式ポジションとインサイダー取引の分析に使う、公開SEC届出データの2つの情報源を紹介します。四半期ごとの13F報告書には、厳選した運用会社の保有状況、または届出期間全体を対象とする一括データが含まれます。Form 4届出には、選択した銘柄のインサイダー取引が記録されています。ガイドでは、データのダウンロード、読み込み、後続分析用の整理方法を説明し、銘柄単位の特徴量や機関投資家と銘柄の保有関係も扱います。…

このノートブックでは、実際のサプライチェーン知識グラフと機関投資家の13F保有情報を機械学習の特徴量に変換します。中心性や依存度の指標などのネットワーク指標を導出し、サプライヤー集中度と競争上のエクスポージャーを推定するとともに、保有者の広がり、集中度、共同保有を表す保有シグナルを作成します。また、事業運営情報と保有情報を組み合わせたグラフ横断特徴量を作り、企業別の特徴量を横持ちと縦持ちの形式で出力して、モデリングや情報係数の分析に使えるようにします。…

このチュートリアルでは、過去のリスク調整済みモメンタム順位と米国債のイールドカーブに基づくレジームフィルターを使い、月次のETFローテーション・シミュレーターを構築します。各月末に、直近の価格履歴を使って10本のファンドを順位付けします。リスクオンの月は上位3本を均等保有し、リスクオフの月は固定の債券配分に切り替えます。シグナルには終値時点で利用可能な情報を使い、取引は次の取引日の寄り付きで約定させます。比例手数料と現金制約も明示しています。比較用に、固定の60/40株式・債券ポートフォリオも同じシミュレーターで…

このノートブックでは、バリュー・アット・リスクを損失の分位点として、条件付きバリュー・アット・リスク、すなわち期待ショートフォールを、その閾値を超える損失の平均として説明します。幅広い株式ETFを対象に、経験的な過去分位点、ガウスモデル、歪度と尖度を調整するCornish-Fisher法、適合したStudent-t分布からのシミュレーションという4つの手法で、1日分のテールリスクを推定します。次に予測値と実現損失を比較し、例外の件数を調べ、5つのETFを均等加重したバスケットで分散効果を検討します。…

このノートブックでは、共分散推定にノイズがある場合の平均・分散配分の代替手法として、階層的リスクパリティを説明します。HRPは相関距離を使って資産をクラスタリングし、階層に沿って並べ替えた後、並べた集合を再帰的に二分し、推定分散を使ってグループ間に配分します。行列の反転は避けられますが、推定相関と推定分散には依然として依存します。この3段階の手順で分散されたウェイトが保証されるわけではなく、逆分散による分割は低ボラティリティ資産に大きく集中することがあります。…

このノートブックは、企業間で特性値を順位付け済みの提供済みパネルを使い、US企業特性調査向けの月次モデル行列を作成します。変換を適合したりローリング期間を計算したりせず、同じ企業・月の行にある値から合成特徴量と交互作用を追加します。特徴量ファミリーの台帳には、各グループの入力、タイミング規則、根拠、想定される失敗要因を記録します。実現リターンを特徴量行列から除外し、企業識別子が別のラベルパネルと一致することを確認します。…

このノートブックでは、同じ月次ETFモメンタム戦略を2種類の方法でシミュレーションして比較します。目標ウェイト、ユニバース、日付、総取引コストは同一です。一方は遅行ウェイトと資産リターンからリターンを計算し、もう一方は約定、株数、現金を追跡しながら注文を逐次処理します。そのため、結果の差から、目標が反映されるタイミング、約定価格、整数株の制約、利用可能な現金などの執行上の前提を把握できます。…

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…

このノートブックでは、1年から30年までの8つの米国債固定満期利回りの変化に主成分分析を適用します。利回りに変化がない前方補完済みのカレンダー行を除き、残った観測値をPCAの前に標準化して、すべての満期が等しく影響するようにします。第1から第3主成分を「水準」「傾き」「曲率」と解釈します。これは平行移動、スティープ化またはフラット化、中央部と両端のねじれを表します。解釈を一貫させるために主成分の符号を固定し、ブートストラップ再標本化で負荷量の安定性を調べます。…

このスクリプトは、SEC 13F提出書類から機関投資家の保有銘柄を2つの方法で収集します。選定した運用会社の提出書類を取得する方法と、SECの四半期一括ファイルをダウンロードする方法です。どちらも保有情報を共通スキーマに統一し、一括取得ではより広範な対象を想定しています。得られたデータは、機関投資家と銘柄の関係、銘柄レベルの特徴量、銘柄間の共同保有比較に利用できます。…

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…

この総合ノートブックでは、多様なETFユニバースに共通シグナルを適用し、均等加重、逆ボラティリティ、平均分散最適化、階層的リスクパリティを比較します。ローリングRidgeモデルは、モメンタム、移動平均からの距離、ボラティリティの特徴量を使って将来リターンを推定し、ロングとショートのETFを選びます。同じシグナルを各手法に適用することで銘柄選択と配分を切り分け、ポートフォリオのパフォーマンス、安定性、ドローダウン、回転率、レジームごとの挙動を評価します。ホールドアウト前の選択期間で後のホールドアウト評価に使う配分手…

このノートブックでは、各ケーススタディの選択済みシグナルを固定し、配分段階のバックテストを比較することでポートフォリオ配分を切り分けて分析します。均等加重、逆ボラティリティ、スコア加重、平均分散最適化、リスクパリティ、階層的リスクパリティなどを検討します。各手法について、リバランスと上位銘柄数の複数パターンからSharpeが最も高い構成を選び、ケーススタディごとの最良の配分手法と、最も強い手法と弱い手法の差を比較します。…

このノートブックでは、各ケーススタディで選ばれたシグナル予測を固定し、ポートフォリオ配分手法を比較します。同じ基幹予測に紐づく配分段階のバックテストを読み込み、均等加重、逆ボラティリティ、平均分散最適化、リスクパリティ、階層的リスクパリティ、スコア加重などの手法を調べます。ケーススタディごとに最良と最悪の配分手法のSharpe差を使って配分手法への感応度を示し、シグナル段階の均等加重をベースラインにします。配分はリスクを再分配できますが、有益なシグナルを作り出すことはできないと強調しています。差が小さければ、回転…

このノートブックでは、13F提出書類の機関投資家保有データを使い、構造化されたグラフ型検索と埋め込みベースのベクトル検索を比較します。固定した基準日時点の保有状況スナップショットを作成し、対象株式を絞り、株式の保有者、機関投資家の保有銘柄、共通のポジションを持つ機関投資家について質問を作成します。各質問について期待される根拠レコードを定義し、根拠再現率を測定して検索トークンの予算を見積もります。…

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。…

このノートブックでは、モデルの順位付けを単純な暗号資産無期限先物ポートフォリオに変換し、後続の実験でサイズ設定、コスト、リスク管理の変更による影響を測れるようにします。ロングではスコア上位、ショートでは下位の契約を選ぶなどのエントリールールを適用し、サイズ設定が別の変動要因にならないよう均等加重にします。判断には予測のタイムスタンプを使い、ポジションはラベルの期間にわたって保有します。…

この文書では、均等加重の検証シャープレシオで順位付けしたベースラインから選んだCME先物戦略について、複数のポジションサイズ手法を比較します。均等加重では選択した商品をすべて同じように扱いますが、先物契約によってボラティリティや連動性は大きく異なる場合があります。代替手法では、商品のボラティリティ、共分散関係、その他明示したサイズ設定の入力値を使ってエクスポージャーを調整します。逆ボラティリティによるサイズ設定は推定項目が少なく、履歴が限られる場合に頑健性が高い可能性があります。一方、共分散に基づく手法は分散効果…

このノートブックでは、モデルの予測セットを比較可能なS&P…

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、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。…