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。
148件の資料
このノートブックでは、GARCHがボラティリティのクラスター化をセッションごとの特徴量に変換する仕組みを説明します。まずリターンの図とARCH-LM検定を使い、二乗リターンが自身のラグに依存するかを調べます。GARCH(1,1)モデルでは、新たなショックへの反応と過去の分散の持ち越しによって、ボラティリティ推定値が変化し減衰する速さが決まります。非対称な拡張モデルでは、負のリターンと正のリターンがボラティリティに異なる影響を与えることを許容します。また、条件付きボラティリティをリスク指標に使う方法や、超過回数を数…
このノートブックでは、標準化されたETFデータの読み込み、特徴量レジストリ、シグナル診断をつなぐワークフローを紹介します。指標のメタデータを確認し、デフォルト値や明示したパラメーターで特徴量を計算し、設定を保存して再現可能なパイプラインにする方法を示します。指標の複数の期間は、別々に計算して結合できます。ライブラリのRSIと手動の指数平滑化版を比べ、平滑化方法などの実装上の選択によって値が変わる例も示します。…
このノートブックでは、ボラティリティの測定方法を比較し、粗さ分析とあわせて異質自己回帰（HAR）ボラティリティモデルを構築します。日中リターンから取引時間中の実現分散を推定し、日中の値動きと夜間リターンを区別したうえで、日次レンジに基づく推定量をより高頻度の指標と照合します。企業行動を調整していない価格、不完全な取引時間、欠落した取引所取引日など、データ上の落とし穴も指摘します。HARは短期・中期・長期のボラティリティ平均を組み合わせるため、係数を異なる市場リズムの寄与として解釈できます。説明変数の重なりがあるた…
このノートブックでは、約定データからティックおよび出来高のインバランスバーを構築し、情報に基づくサンプリングを検討します。手動実装したティック・インバランスをライブラリのサンプラーと照合した後、期待バーサイズと適応設定を変えて、適応型、固定閾値型、ローリングウィンドウ型の手法を比較します。バーリターンは、バー数、平均サイズ、Jarque–Bera正規性検定、1期ラグの自己相関、分散比統計量で評価します。この枠組みでは、サンプラーの閾値構成要素を時系列で調べることを重視します。終点での期待サイズの変化だけでは、適応…
このノートブックでは、ETFの先行リターンを予測するLightGBMモデルについて、SHAPによる説明を示します。TreeSHAPは個々の予測に対する特徴量の寄与と、全体の重要度要約を提供します。ビーズスウォーム図と依存関係プロットは、特徴量の値と寄与の関係を示し、局所的な説明では、モデルの期待値を基準に一つの予測を分解します。また、SHAPによる順位を置換重要度や木の不純度に基づく重要度と比較し、相互作用を調べ、ウォークフォワード分割ごとの平均絶対SHAP値をドリフト診断として追跡します。…
このパイプラインは、OHLCV価格とイールドカーブから、ETF導入ワークフロー用の金融特徴量を構築します。複数のルックバック期間にわたるリターンとリスク調整後リターン、モメンタムの加速、ボラティリティ比率を算出し、RSI、MACD、ADX、CCI、ストキャスティクス、移動平均比率、ボリンジャー位置などの一般的なテクニカル指標を加えます。さらに、ドローダウン、過去の推移に対する出来高、オンバランスボリュームの動き、年次高値・安値からの距離、横断面順位も特徴量に含めます。…
この資料では、標準化された市場データローダー、事前構築済み特徴量のレジストリ、シグナル診断をつなぐワークフローを紹介します。特徴量の計算は、名称、パラメーター辞書、またはYAMLで指定でき、再現可能なパイプラインと複数の指標期間を支えます。指数平滑法を使う手動のRSI実装と、ワイルダー平滑法を使うライブラリ実装を比較し、ライブラリ特徴量と独自コードを使い分ける場面を概説します。Polarsの例では、グループ化したローリング計算、時点整合性のあるas-of結合、大規模データ向けの遅延処理を扱います。…
このノートブックでは、Kalshiの二値型の連邦準備制度金利契約を確率として読み取り、金利の閾値を並べた契約群からインプライド分布を作る方法を説明します。フィードに含まれるのはYESの買い気配であるため、スプレッドの影響を受ける価格は下限値だと強調します。閾値の順序違反は診断材料であり、裁定機会の証明ではありません。…
この文書では、ウェーブレット分解とローリング・スペクトル推定が、金融リターンを異なる時間スケールでどう表現するかを説明します。ウェーブレットはリターンを徐々に長い期間にわたる成分へ分け、どの時間スケールが変動の大部分を占めるかを把握できるようにします。例では日次のSPYリターンを用いて複数のウェーブレット族を比較します。最も短期の成分が分散の大半を占める一方、長期成分は各族でおおむね似ていることが分かります。…
このノートブックでは、日中の株式リターンにおける連続的な価格変動とジャンプを分離する方法を説明します。リターンの二乗から日次実現分散を推定し、ジャンプに頑健な連続成分の推定値としてバイパワー変動を使います。両者の差をゼロ未満にならないよう切り詰め、その値からジャンプ分散を推定します。続いてLee–Mykland検定を適用し、同じ取引セッション内の過去のリターンから得た局所ボラティリティ推定値で各リターンを標準化します。…
このノートブックでは、ビットコイン無期限先物データのロングのみのRSI平均回帰ルールを通じて、VectorBTによるベクトル化バックテストを紹介します。終値ベースのRSIを計算し、前日の値が下側しきい値を下回るとエントリーし、上側しきい値を上回ると決済します。シグナルをずらして次のUTC日の寄り付きから有効にし、シミュレーションでは約定に手数料とスリッページを適用します。取引記録、ポートフォリオ価値、ドローダウン、パラメータ感応度を確認し、実行条件をそろえた買い持ちベンチマークと比較します。…
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。…
このノートブックでは、NASDAQ ITCHの約定記録を使い、通常取引時間中の出来高と取引活動の変化を調べます。約定を時間足に再集計し、取引活動が多い・中程度・少ない銘柄の価格と出来高を比較した後、取引が活発な各銘柄の日次出来高で正規化してからプロファイルを平均します。その結果、寄り付きと引けに取引が増え、昼ごろに減速するパターンが見られます。また、寄り付きと引けの時間足の出来高を昼ごろと比較し、時刻を後続の取引モデルの特徴量設計に結び付けます。…
このチュートリアルでは、資産の価格と出来高の履歴から作る特徴量を概観します。複数期間のリターン、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、流動性、テールリスク、横断面の正規化などを扱います。モメンタムシグナルでは直近の観測値を除外する、移動平均からの乖離をボラティリティで尺度調整する、生の出来高ではなく相対出来高を使う、といった実践的な選択肢も説明します。また、定常性と長期情報の保持を両立させる方法として、分数階差分も取り上げます。…
このノートブックでは、分足のNASDAQ-100データからモデルベースの特徴量を作る3つの方法を説明します。分散予測と予測誤差のためのローリングHAR回帰、直近の出来高パターンを捉えるフーリエ変換、価格と注文フローが変化する順序を捉える深さ2のパスシグネチャです。推定済みパラメーターには推定期間の情報が含まれるため、再フィットと特徴量のタイミングで将来情報を使わないようにする必要がある点を強調します。特徴量はタイムスタンプと銘柄ごとに保存され、設定された予測期間に必要な異なるウォークフォワード分割を通じて、網羅性…
このノートブックでは、価格水準から金融特徴量を抽出する局所線形トレンドの状態空間モデルを説明します。隠れ状態には価格水準と傾きが含まれ、観測値はノイズを含む終値です。各ステップでフィルターは状態を予測し、観測値のイノベーションを測定して、カルマンゲインに従って推定値を更新します。得られる水準、傾き、イノベーション、不確実性は、トレンド、予想外の変化、確信度を示すために使えます。ノイズ設定は推定値の反応速度を左右し、最尤法による当てはめは手動設定に代わるデータに基づいた方法です。…
このノートブックでは、金融系列を生み出す過程の変化を見つける方法を概観し、例として日次のSPYデータを用います。単位根の検定と同時に1つの構造変化を推定するZivot–Andrews検定と、複数変化点の分割手法を対比します。PELTはペナルティを通じて変化点の数を選び、二分割法では指定した数が必要です。どちらも区間内の水準安定性に基づくコストを用います。仮定が異なるため検出日も異なる場合があり、どちらの方法も真の変化点数を一意に特定するものではありません。…
このノートブックでは、金融時系列をどのようにモデル化するか判断するための手順を示します。まず、SPYの価格とリターン、VIXの水準、リターン分布の図から、変動する水準、集中する値動き、裾の厚い分布を確認します。次に、帰無仮説が単位根であるAugmented Dickey-Fuller検定と、帰無仮説が水準定常性であるKPSSを組み合わせます。帰無仮説が互いに逆であるため、単純な二択ではなく、組み合わせによる4通りの解釈が得られます。…
このチュートリアルでは、日次SPYデータを使い、固定の損切り・利確バリア、トレーリングストップ、ATRに応じた決済、機械学習による決済シグナル、およびその組み合わせを比較します。固定バリアはエントリー価格からシミュレーションし、夜間の価格ギャップは始値で処理します。バーが損切りと利確の両方に触れた場合は、保守的なルールとして損切りを先に成立させます。ATRは直近の値動きに応じて決済幅を調整します。機械学習の部分ではテクニカル特徴量と時系列順の分割を使い、境界付近のパージで将来を参照するラベルによる情報漏洩を減らし…
この資料では、ローリングするETFリターン期間を、従来型の畳み込みニューラルネットワーク向けの2チャネル画像に変換する方法を説明します。Gramian Angular Fieldは正規化した観測値を角度に写像し、角度間の関係を記録します。Markov Transition…
このノートブックでは、SPYの日次リターンを使い、周波数領域の分析とトレード特徴量としての限界を説明します。ウェーブレット分解は変動を徐々に遅い時間尺度の帯域に分け、スペクトル推定はリターンの変動が周波数間にどう分布するかを示します。例ではウェーブレット族を比較し、ローリング期間から因果的な特徴量を作成して、支配周期、スペクトルの広がり、低周波成分の比率、正規化スペクトルエントロピーなどの指標を論じます。…
このノートブックでは、予測モデルで市場レジームを使う3つの方法を比較します。レジーム情報を使わない方法、変動の大きい状態のフィルタ済み確率を特徴量に加える方法、明示的に割り当てたレジームごとに専門モデルを当てはめる方法です。各時系列の拡大型分割内で隠れマルコフモデルからレジーム確率を作り、訓練ブロックだけでモデルを当てはめ、テストブロックでは前向きにフィルタした確率を使います。複数セッション先の将来リターンを目的変数とするため訓練とテストの間に間隔を設け、スケーリングも訓練データだけで行います。…
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。…
このノートブックでは、金融価格から特徴量を抽出する方法としてカルマンフィルターを解説します。局所線形トレンド状態が潜在的な価格水準と傾きを追跡し、観測モデルがノイズを含む終値を扱います。各更新で、フィルター済みの水準、傾き、イノベーション、不確実性の推定値が得られます。カルマンゲインは、モデルと観測の不確実性に基づき、新たな観測が状態をどの程度変化させるかを調整します。また、二つの資産間で時間とともに変化しうるヘッジ比率の推定にもフィルターを適用します。…