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。
84件の資料
この資料では、予測残差を銘柄ごとの不確実性幅に変換し、ポジションのサイズ設定に使うウォークフォワード方式を説明します。各判断時点で、較正には結果が確定するまでの時間が経過した残差だけを使います。ラグは予測期間に基づき、最低1ステップとします。以前の分割と、現在の分割で経過した履歴の両方を使用できます。ある銘柄の観測数が不十分な場合、プールした幅を使い、未較正の銘柄が選択済みバスケットから暗黙に除外されないようにします。幅は予測セットとアルファごとに保存し、後続処理で使えるよう銘柄IDを正規化します。…
このノートブックでは、ETFとCME先物に対する登録済みウォークフォワードGBM予測を用いて、均等加重、コンフォーマル予測幅の逆数による加重、正の予測スコアに比例した加重を比較します。厳密に過去の分割における残差を使って銘柄別のMondrian分割コンフォーマル区間を較正し、評価対象の分割開始前にまだ観測できない将来リターンのラベルに対応する残差は除外します。過去の較正用残差群が有効でない場合は、最初の分割を除外します。過去の残差区間が狭いほど、区間幅を信頼度の代理指標とみなしてポートフォリオのウェイトを大きくし…
このノートブックでは、市場活動をモデル化した取引コストと戦略の運用可能規模に結び付ける枠組みを構築しています。平方根インパクトモデルを紹介し、ボラティリティと平均日次出来高を主要な入力として特定するとともに、市場データから得られる数量と、トレーダー自身の執行記録を必要とするインパクト係数を区別しています。また、注文を執行する期間に対する参加率を測るべき理由を、日中出来高の推移を使って示しています。…
このノートブックでは、分割コンフォーマル予測を使ってグラディエントブースティング予測の区間を構築します。先の学習区間でモデルを学習し、その後の較正区間で絶対残差を測定し、有限標本の順序統計量から区間幅を設定します。較正区間は時系列順に分け、ラベル期間に応じたエンバーゴを学習区間との間に設けて、将来を参照するターゲットからの情報漏洩に対処します。ETF、暗号資産、先物データを対象に、分位点回帰、コンフォーマル化分位点回帰、適応型コンフォーマル推論を含め、区間のカバレッジと幅を比較します。…
このノートブックでは、以前に選択した企業特性予測と固定されたポートフォリオ設定を1年間のホールドアウト期間に適用します。アウトオブサンプル評価を保つため、予測、配分、集中度、リバランス、取引コストについて新たな選択は行いません。ポートフォリオのコンフォーマル配分器は検証残差を使って予測の信頼性を推定します。残差が少なすぎる企業には、複数企業をまとめた代替幅を適用します。ウェイトはポートフォリオの各区分で幅の逆数を相対比較して決めるため、予測リターンの大きさだけを優先せず、信頼性を重視します。…
このモジュールは、暗号資産無期限先物で大口の売り注文を執行するための時点ベースのシミュレーション環境を定義します。観測には、残存ポジションと時間に加え、市場ボラティリティ、プレミアム指数、相対出来高、時刻、資金調達までの時間が含まれます。行動は、スケジュールと参加率の上限に従い、基準スケジュールに対する執行ペースを調整します。環境は、平方根型と線形のマーケットインパクトで執行ショートフォールを推定し、在庫リスクやスケジュール乖離へのペナルティを追加できます。…
このケーススタディでは、ETFモメンタムに因果推定を適用し、その将来リターンへの効果が市場ボラティリティによって変わるかを調べます。連続値のモメンタムを処置変数、21日先のリターンを結果変数とし、ボラティリティとイールドカーブを統制変数として、因果フォレストで平均効果とレジーム条件付き効果を推定します。推定値とレジーム閾値は学習データから導出し、その後のホールドアウト期間にポジションを拡大・縮小するために使います。取引コストを含めた上で、得られたルールを素朴なベースラインや単純な代替案と比較します。…
このノートブックでは、同じシグナルを使っても2つのバックテストエンジンで結果が異なる理由を調べます。戦略と取引可能なユニバースを固定し、予測が同値の場合のポートフォリオ比率を決定論的にして、端株と整数株、手数料用の準備金、約定順序などの執行設定を明示します。各設定を明示した基準構成に対して変更し、最終評価額と約定件数で結果を比較します。…
このノートブックでは、NASDAQ ITCHの取引データから市場マイクロ構造の指標を作成し、取引を日中バーに集計します。また、流動性の代理指標、注文フローのシグナル、注文板の状態を区別します。集計前にティックルールで個々の取引を分類し、買い出来高と売り出来高から意味のある注文フロー不均衡指標を作成します。次に、Kyleのラムダの比率近似、Amihudの非流動性指標、Rollスプレッド、取引強度を示し、それぞれの入力と解釈を説明します。…
このノートブックでは、調整期間と評価期間を時系列で分離しながら、モメンタムポートフォリオのStopLoss、TakeProfit、TrailingStopルールを調整する方法を示します。調整データで個々のルール幅と組み合わせを検証し、後の評価期間を開く前に選んだ設定を固定します。決済済み取引の最大不利変動と最大有利変動も、ストップ水準や目標水準の候補を設定する方法として使います。…
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、同一のシグナルから2つのバックテストエンジンが異なる結果を出す理由を調べます。事前計算済みのETF戦略を固定し、その予測から決定論的なポートフォリオを構築して、執行設定を一つずつ変更します。設定には株数の丸め、手数料用に確保する現金、約定順序、リバランスの挙動、コストが含まれます。期末価値と約定した取引を比較し、各設定の個別効果が単純に加算されるとは仮定せず、設定間の相互作用も測定します。…
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…
この資料では、取引を転送する前に注文とポートフォリオの状態を確認するブローカーラッパーを実演します。制御には、注文ごとの株数上限と金額上限、ポジションのエクスポージャー制限、注文頻度の上限、資産の許可リストとブロックリスト、緊急停止が含まれます。合成ブローカーを使ってリクエストの承認・拒否を確認し、各シナリオが想定どおりの結果になることをアサーションで検証します。…
このノートブックでは、21日先のETFリターンを上昇・下落の目的変数に変換し、時系列順のウォークフォワード分割でL1正則化およびL2正則化ロジスティック回帰を評価します。各分割の訓練データを使って特徴量をスケーリングし、正解率、適合率、再現率、F1、ROC AUC、対数損失で予測を評価します。また、係数に基づく特徴量重要度、確率の較正、リターン群を下位・中位・上位に分ける3クラス拡張も検討します。…
このノートブックでは、注文サイズに応じた市場インパクトの増加を説明し、平方根参加率モデルを用いて戦略の運用可能規模を検討します。ボラティリティや平均日次出来高などの市場データから得られる入力と、戦略自身の約定記録を使った較正が必要なインパクト係数を区別します。市場パネルは株式、先物、暗号資産、FXを対象とし、一部の出来高指標では米ドル建て想定元本による比較ができない理由も説明します。…
このノートブックでは、ETFのリターン予測で不確実性をどう表すかを調べ、モンテカルロ・ドロップアウトとディープアンサンブルを比較します。ドロップアウトは推論を繰り返す間も有効にし、アンサンブルでは別々に学習したネットワーク間の不一致を測ります。これらのばらつきは不確実性を推定するものですが、それだけで所定のカバレッジ特性を持つ区間が得られるわけではありません。分割コンフォーマル較正では予測誤差を区間に変換し、標準的な方法と不確実性で正規化する方法の両方を検討します。…
このノートブックでは、ベースライン選択プロセスをすでに通過した暗号資産無期限先物の戦略について、6つの配分方法を比較します。各戦略の予測とエントリールールは固定し、資本の割り当て方を変えます。ある配分方法はモデルスコアを使い、複数の方法は資産ボラティリティまたは共分散を使い、別の方法は予測の過去の不確実性を使います。共分散行列を推定する方法は、逆ボラティリティ法よりも、利用可能なリターン履歴から多くのパラメータを推定する必要があり、ウェイトが不安定になることがあります。…
このノートブックでは、期待対数資産を最大化して二者択一の賭けに対するケリー基準のサイズを導き、賭け金の大きさがシミュレーションによる資産推移の分布をどう変えるかを示します。枠組みを連続リターンと複数資産のポートフォリオに拡張します。そこでよく知られた平均分散比の式は、対数関数を有限項で展開した近似に依存します。ポートフォリオの解について、そこから導かれるレバレッジと、資本を使い果たす可能性のある逆方向の値動きを調べます。市場データから期待リターンと共分散を推定する場合、ローリング推定でポジションサイズがどれほど不…
このノートブックでは、事前に選んだETF戦略を、確保したホールドアウト期間で評価します。学習時の識別情報とチェックポイントが一致する予測を取得し、先に定めた戦略仕様と取引コストを適用して、バックテストを登録します。集中度、配分、リスクオーバーレイ、リバランス頻度を含む構成は、ホールドアウトを実行する前に固定します。配分がコンフォーマル予測の幅に依存する場合は、検証残差からその幅を求め、将来リターンのラベルがホールドアウトと重なる残差を除外します。…
この事例研究では、CME先物の複数のポジションサイズ手法を等ウェイトのベースラインと比較します。逆ボラティリティ方式では各コントラクト固有のボラティリティを使い、共分散ベースの方式では商品間の関係も考慮します。これらの方法は分散投資を改善する可能性がありますが、限られた履歴からより多くの量を推定する必要があり、ノイズが増幅されることもあります。ノートブックでは強いシグナル設定を候補リストに絞り、各判断より前に利用可能な価格履歴を使って、宣言済みの配分方法を適用します。…
このノートブックでは、ポジションサイズと最大逆行幅・最大順行幅の分析を結び付けます。固定比率方式のサイズ決定を示し、ポートフォリオのリスク予算とエントリー価格からストップ価格までの距離に基づいて株数を決め、ポジション集中度に上限を設けます。また、遅行推定値に基づく正規化した逆ボラティリティ配分を取り上げ、単体のボラティリティだけを使うこの経験則と、共分散を考慮するリスクパリティを区別します。後半では、調整用と将来のサンプルを使い、値動き、ストップと利確の閾値、全決済と一部決済の方針を検討します。…
このノートブックでは、勾配ブースティング予測の予測区間を構築し、分割コンフォーマル予測を分位点回帰、コンフォーマル化分位点回帰、適応的コンフォーマル推論と比較します。分割コンフォーマル法では、時系列順に学習用と較正用に分割し、ラベル期間を考慮して境界付近の観測値を除外し、有限標本の残差順序統計量から区間幅を設定します。この枠組みを、パージ済みウォークフォワード分割を用いてETF、暗号資産、先物データで評価します。…
このノートブックでは、モデルに基づくポジションサイジングがUS企業特性戦略の均等加重を上回るかを検証します。予測スコアが高い銘柄への配分を増やすスコア加重と、予測区間が信頼性の低さを示す場合に配分を減らすコンフォーマル加重を比較します。各比較では選択済み予測と集中度を固定し、両方式を複数のポートフォリオ集中度と組み合わせて評価します。…