ナレッジライブラリ

この資料では、将来の観測値を使わずに適合済みモデルの特徴量を生成する共通手法を紹介します。隠れマルコフモデルでは、現在までの観測値に基づくフィルター済み状態確率と、系列全体を条件とし、将来情報が漏れる可能性のある平滑化状態確率を区別します。また、因果的なGARCHボラティリティの再帰計算や、ウォークフォワードでの再適合スケジュールも説明します。これにはタイムスタンプの確認や、適合済みモデルを先頭部分または新たに出力されたブロックに適用する方法も含まれます。状態の並べ替えなど関連する適合用ヘルパーは、分割間で特徴量…

このノートブックでは、無期限先物のプレミアムの乖離が、その後の8時間リターンと関係するか、また高ボラティリティ市場と低ボラティリティ市場で推定された関係が異なるかを、二重機械学習で推定します。暗号資産銘柄をまたぐパネル設計を説明し、観測された処置前の特徴量を調整します。また、パージとエンバーゴを含むウォークフォワードのクロスフィッティングを用い、標準誤差では共通の時間ショックと系列依存を考慮します。ボラティリティ局面ごとの適合と、処置と局面の交互作用により、局面間の違いを扱います。…

このノートブックでは、ショートの欧州コールを対象にディープヘッジを実演します。幾何ブラウン運動のパスをシミュレーションし、ブラック–ショールズのデルタヘッジをベンチマークとして使用します。また、満期時損失の条件付きバリュー・アット・リスクを最小化する原資産ポジションを選ぶため、半再帰型ニューラルネットワークを学習させます。ヘッジの開始、リバランス、終了時に取引コストを課すため、学習した方策とベンチマークには同じ取引コストの前提が適用されます。ポジションがデルタベンチマークに近い場合に、ネットワークの取引が減るかも…

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、オプション市場の指標を使って銘柄間の将来リターンを順位付けできるかを評価します。オプション由来特徴量に線形モデルを適用し、ウォークフォワード検証を使ってリッジ、ラッソ、エラスティックネットのペナルティ強度を比較します。特徴量には、満期ごとのインプライド・ボラティリティ、ボラティリティ・スキュー、期間構造の傾き、分散リスクプレミアムなどが含まれます。正則化は関連する特徴量間の冗長性に対処し、ラッソとエラスティックネットは一部の係数をゼロにすることもできます。…

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…

この研究では、オプション市場の指標で将来の株式リターンを順位付けできるかを調べます。特徴量には、満期ごとのインプライド・ボラティリティ、プット・コール・スキュー、期間構造の傾き、分散リスクプレミアムが含まれます。多くの指標が重複する形で表現されるため、幅広い正則化強度で線形モデルを比較します。リッジは相関する係数を縮小し、ラッソとエラスティックネットは特徴量を取り除くこともできます。ウォークフォワード検証では、宣言したモデル設定を適合し、銘柄、日付、分割を揃えた予測を生成します。…

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。…

このケーススタディでは、満期まで保有するショート・アット・ザ・マネー・ストラドルのリターンに正則化線形モデルを適合させます。プレミアム収入によって利益には上限がある一方、損失には上限がないため、少数の大損失が二乗誤差の回帰目的関数を支配します。ノートブックでは、ペナルティの強さを変えながらリッジ、ラッソ、エラスティックネットを比較します。使用するのは、オプションのグリークス、インプライド・ボラティリティと実現ボラティリティ、分散リスクプレミアム、スプレッド、行使価格までの距離など、ポジションとボラティリティ面の特…

このノートブックでは、S&P…

このノートブックでは、学習したグラフ埋め込みがUS株の表形式モデルに予測情報を加えるかを検証します。対象期間より前に測定した絶対リターン相関からネットワークを構築し、同じ対象期間前の履歴を使ってモメンタム、ボラティリティ、トレンドの特徴量を作成して、その後の株式リターンを予測します。比較では、各交差検証フォールド内でグラフ注意機構オートエンコーダーを学習し、その後、対応するホールドアウト株式について、グラフ由来の特徴量を使用する場合と使用しない場合のリッジモデルを評価します。…

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、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、固定されたロングオンリーのETFモメンタム・ベースラインが、2010から2024までのさまざまな市場環境でどう推移したかを診断します。各日次リターンが始まる前にわかっていたボラティリティとトレンドの指標を使い、拡張した過去データの中央値で高低の状態を定義します。利回り曲線のスプレッドも、選択したモメンタムETFを保有するか、ディフェンシブな債券の組み合わせを保有するかを決めます。次に、ボラティリティとトレンドの4通りの組み合わせごとにリターンとリスク指標を分け、各区分の観測数を報告し、加法的…

このノートブックでは、ヨーロピアン・コールとプットのブラック・ショールズ価格を求め、プット・コール・パリティを確認し、ブレント法でインプライド・ボラティリティを計算します。また、デルタ、ガンマ、ベガ、セータ、ローを定義し、マネーネスや満期までの時間に応じてオプションの感応度がどう変わるかを図示します。グリークスはヘッジやエクスポージャーの把握に役立つ局所的な指標として扱います。インプライド・ボラティリティは、モデル価格が観測されたオプション価格と一致するボラティリティ入力です。…

このETF特徴量ノートブックでは、数式が過去の観測値を使っていても、推定パラメーターを通じて統計モデルから未来の情報が漏れる可能性を説明します。対策として、ウォークフォワード方式の再適合スケジュールを用います。最初にバーンイン期間を設け、各再適合時点までに利用可能なデータで適合し、次の再適合までの値を生成します。この手法を、隠れマルコフモデルによる市場レジーム、分数差分を施した基準ETF価格、ETFごとのGARCH(1,1)条件付きボラティリティに適用します。…

このケーススタディでは、30日物のアット・ザ・マネー・ストラドルと原資産価格データを使い、S&P…

この分析では、日次オプションデータを使って、S&P 500構成銘柄のアット・ザ・マネー・ストラドルを売り、株式をデルタヘッジし、満期まで保有する週次戦略が可能かを検討します。コールとプットでストラドルを組む方法、インプライド・ボラティリティと実現ボラティリティが分散リスクプレミアムとどう関係するか、ポジションが得るプレミアムに対する割合として取引コストを測る理由を説明します。…

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。…

このノートブックでは、暗号資産無期限先物向けにモデルベースの特徴量を作成します。GJR-GARCHから資産ごとの条件付きボラティリティを予測し、資金調達決済に適合させた2状態のガウス隠れマルコフモデルから市場全体のストレス・レジーム確率を得ます。過去のバーから直接計算する算術的な特徴量とは異なり、これらの出力は推定パラメーターに依存します。隠れ状態モデルでは、意思決定時点までに利用できる観測だけを推論に使うかどうかにも左右されます。後の観測を取り込む推定値とフィルター済み確率を区別します。…

このノートブックでは、観測された価格経路に基づきトリプルバリアの幅を決めるため、最大有利変動と最大不利変動の分析を用います。バーの終値でロングに入る場合、以降の保有期間における最高値と最安値を測定します。ショートでは、どの変動を有利・不利とみなすかを逆にします。期間は次のバーから始め、終値でのエントリーより前に生じた価格極値を使わないようにします。異なる資産やボラティリティ・レジームを比較するため、変動幅は平均真の値幅でも基準化します。…

このノートブックでは、連邦準備制度の経済データ系列から構築された経済データパネルを調べます。配布されたパネルは週末や祝日を含む暦日を使っていることを確認し、付随するメタデータから各系列の意味、元データの頻度、派生式を特定できることを示します。値は共通のグリッドに前方補完されているため、行数を数えても実際の公表頻度は復元できません。値の変化を数える方法は有用な下限になりますが、公表値が繰り返し同じ値に丸められると観測を見落とすことがあります。…

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。…