FMABシグナルが優れたパフォーマンスを示し、実戦配備を準備中
量的金融
👤 暗号通貨トレーダー、定量戦略開発者、投資アナリスト
本稿では、FMABシグナルがETHで優れたパフォーマンスを示し、ベンチマーク収益率100%、アンチマーチンゲールベッティング後4600%~120000%に向上し、他の戦略を大幅に上回ったことを報告。著者は実戦配備を準備中と発表し、資本の持久戦エンジニアリングの準備を強調。同時に、FMAシグナルはパフォーマンスが低く、ドローダウンを引き起こしたと指摘し、ポジション管理が科学的でなかったと反省。2026年2月11日のテスト結果に基づき、シグナル戦略の検証と実戦配備計画を共有することを目的とする。
- ✨ FMABシグナルはETHでベンチマーク収益率100%、アンチマーチンゲールベッティング後4600%~120000%に向上
- ✨ 実戦配備を準備中で、資本の持久戦関連エンジニアリングの準備が必要
- ✨ FMAシグナルはパフォーマンスが低く、ドローダウンを引き起こし、ポジション管理が科学的でなかったと反省
📅 2026-02-11 · 608 文字 · 約 3 分で読めます
BTC取引におけるアンチマーチンゲール戦略のパフォーマンス分析
量的金融
👤 クオンツトレーダー、暗号通貨投資家、戦略開発者、金融データアナリスト
本稿では、BTC取引におけるアンチマーチンゲール戦略の適用効果を分析する。BTCデータをインポートしてテストした結果、ベンチマークシグナルは5分データではパフォーマンスが低く、トレンドフォローリングのデュアル移動平均戦略は15分、30分、1時間データで優れたパフォーマンスを示した。アンチマーチンゲール戦略はBTC 1時間データで特に優れており、収益率は9994.17%に達し、ベンチマーク戦略の18.94%を大幅に上回り、純資産曲線もより安定していた。記事では、順風状態の集積現象が存在し、アンチマーチンゲール戦略がこの特性を効果的に活用して収益を向上できると指摘する。同時に、極端なパラメータ（1024倍TP）のケースを通じて、シグナル戦略の質の重要性を強調する。最後に、三体力学仮説に基づくゲーティングメカニズムの設計を今後の研究方向として提案する。
- ✨ アンチマーチンゲール戦略はBTC 1時間データで収益率9994.17%を達成し、ベンチマーク戦略を著しく上回る
- ✨ 順風状態の集積現象が存在し、アンチマーチンゲール戦略はこの特性を効果的に活用して全体収益を向上できる
- ✨ シグナル戦略の質はアンチマーチンゲール戦略の効果に決定的な影響を与え、極端なパラメータは純資産をゼロにする可能性がある
- ✨ 今後は三体力学仮説に基づくゲーティングメカニズムを設計し、トレンドフォローリング戦略の周期的パフォーマンスを最適化できる
📅 2026-02-10 · 1,361 文字 · 約 5 分で読めます
三体力学に基づく信号ゲーティング機構と市場状態量分析
量的金融
👤 クオンツ取引研究者、戦略開発者、市場力学と信号ゲーティング機構に関心のあるアナリスト
本稿ではまず、三体力学に基づく信号ゲーティング機構を紹介する。この機構は、市場状態量δ（プレミアム）、μ（モメンタム）、σ（ボラティリティ）を推定し、戦略の投入・撤退タイミングを決定することで、戦略収益の最大化を図る。著者は、これら3つの状態量の直感的理解を詳細に説明する：δの核心は心理的アンカリング効果であり、出来高分布分析で推定可能；μの核心は価格変動速度であり、対数収益率の移動平均で測定可能；σの核心は価格変動幅であり、対数収益率の標準偏差で測定可能。また、推定方式の有効性判断基準として、ゲーティング効果の良し悪しによる評価を議論し、高度な信号戦略は既にこれらの状態量推定を含むが、体系的理解が必要と指摘する。最後に、著者は、信号ゲーティングを分離した後、これらの状態量は重要な因子として機能し、信号戦略自体は最もシンプルな形式で十分と考える。
- ✨ 三体力学に基づく信号ゲーティング機構を提案し、δ、μ、σを推定して戦略投入を動的に調整
- ✨ 市場状態量δ、μ、σの直感的理解と推定方法を詳細に説明し、心理的アンカリング、価格速度、変動幅を強調
- ✨ 推定有効性の判断基準として、ゲーティング効果による戦略収益向上を議論
- ✨ 高度な信号戦略は既に市場状態量推定を含むが、体系的理解が必要と指摘
- ✨ ゲーティング分離後、状態量は重要な因子として機能し、信号戦略設計を簡素化できると考える
📅 2026-02-10 · 3,161 文字 · 約 11 分で読めます
三体ゲーティングの市場状態量モデリング手法
量的金融
👤 金融クオンツアナリスト、市場研究者、金融市場モデリングとゲーティングメカニズムに関心のある技術者
本稿は、三体動力学仮説とゲーティングメカニズムの構想を踏まえ、市場状態量δ（プレミアム）、μ（モメンタム）、σ（ボラティリティ）のモデリング手法を体系的に整理する。核心的な革新はδの定義にある：出来高重力場モデルを通じて、非線形操作（ガウシアンカーネル関数と勾配計算）を導入し、μおよびσとの独立性を維持する。μは収益率の指数移動平均として定義され、トレンド情報を抽出する；σは収益率の標準偏差として定義され、変動幅を測定する；δは価格軸上の出来高分布に基づき、価格が取引密集域から乖離した際の回帰力を計算する。本稿は、ローソク足系列からこれら3つの量を計算する具体的な手順（パラメータ設定や独立性の論証を含む）を詳細に説明し、金融市場分析に新たなモデリング枠組みを提供する。
- ✨ δ（プレミアム）は出来高重力場モデルで定義され、非線形操作を導入してμ（モメンタム）との独立性を確保
- ✨ μは収益率の指数移動平均として定義、σは収益率の標準偏差として定義
- ✨ ローソク足系列からδ、μ、σを計算する具体的な手順とパラメータ推奨
- ✨ 三変数（δ、μ、σ）の独立性論証は非線形操作と異なる情報源に基づく
- ✨ カーネル関数（例：ガウシアンカーネル）は心理的アンカリング効果をモデル化し、帯域幅はボラティリティに適応可能
📅 2026-02-10 · 3,761 文字 · 約 14 分で読めます
予測市場アービトラージプロジェクトの開始と技術選定
量的金融
👤 予測市場、高頻度取引、Rustプログラミング、または技術プロジェクト開発に興味のある読者
本稿は、2026年2月8日に開始された予測市場アービトラージプロジェクトについて述べる。このプロジェクトは高頻度取引（HFT）の範疇に属し、実行効率への要求が極めて高い。技術選定では、アービトラージ機会が迅速に消滅する特性に対応するため、Rust言語を用いた低遅延の取引実行システム構築を決定。チームの現在の技術スタックは限定的であり、vibe coding方式でプロジェクトを推進し、この機会にRustのエコシステムとツールチェーンを深く学び、将来のプロジェクトに備える計画。また、チームは以前にSolanaスマートコントラクトのRust基礎を有するが十分ではなく、このプロジェクトを通じて挑戦に臨むことを期待している。
- ✨ 予測市場アービトラージプロジェクト開始、高頻度取引（HFT）の範疇に属する
- ✨ 技術選定としてRust言語を採用し、低遅延取引実行システムを実現
- ✨ チームの技術スタックは限定的であり、vibe codingでプロジェクトを推進計画
- ✨ この機会にRustエコシステムとツールチェーンを学習し、将来に備える
- ✨ プロジェクトは実行効率への要求が高く、迅速なアービトラージ機会の捕捉を目指す
📅 2026-02-08 · 488 文字 · 約 2 分で読めます
資本市場における三体動力学SDE方程式系の導出
量的金融
👤 金融モデリング研究者、クオンツアナリスト、資本市場動力学に関心のある経済学者
本稿は『資本市場の三体動力学仮説』に基づき、資本市場におけるモメンタム資本（M）、バリュー資本（V）、流動性資本（L）の相互作用を記述する完全な確率微分方程式（SDE）系を導出する。論文では、対数プレミアム、モメンタム、ボラティリティなどの速変数と、三種類の資本量などの遅変数を定義し、12の形式化可能な核心的制約を抽出する。SDE方程式系の詳細な分析を通じて、Mの正のフィードバック、Vの負のフィードバック、Lの無方向フィードバック、正負フィードバックループ、リターンマトリックス、混雑効果などの制約を逐一検証する。全ての制約が検証され、このSDE系がボラティリティクラスタリング、ファットテール分布、カオス的振る舞いなどの原文の定性的メカニズムを完全に実現できることを示す。さらに、相状態分析と統計的特性検証を行い、今後の数値シミュレーション、分岐分析、パラメータキャリブレーションの基礎を提供する。
- ✨ 三種類の資本の相互作用を記述する完全なSDE系を導出
- ✨ 正のフィードバックやリターンマトリックスを含む12の核心的制約を検証
- ✨ ボラティリティクラスタリングやファットテール分布などの市場特性を説明可能
📅 2026-02-07 · 3,609 文字 · 約 14 分で読めます
AI支援資本持久戦実験と主観的取引のコミュニティ化
量的金融
👤 定量取引者、AI応用研究者、投資戦略開発者、主観的取引と定量取引の結合に関心のある専門家
本稿は2026年2月3日の実験経験に基づき、AIが資本持久戦実験における効率向上に果たす役割を議論し、実験設計の再構築がシグナル戦略とベッティング戦略を体系的に評価できると強調する。著者は、主観的取引はシグナル戦略設計にのみ用い、ベッティング戦略への介入を避けて人間の資金管理における非合理的決定を克服すべきと提案する。人間がベッティング口座を覗く可能性を解決するため、複数の主観的取引者がシグナル戦略を提供し、統合ベッティング口座をプログラム管理し、収益を貢献度に応じて分配するコミュニティ化取引モデルを推奨する。これにより公平性と効率性をバランスさせ、より良いシグナル戦略設計を奨励し、リスクを管理する。
- ✨ AIが資本持久戦実験効率を向上させ、質的飛躍を実現
- ✨ 実験設計の再構築がシグナル戦略とベッティング戦略を体系的に評価
- ✨ 主観的取引はシグナル戦略にのみ作用し、ベッティング戦略への介入を回避
- ✨ 人間の資金管理には非合理的決定問題があり、プログラム実行が必要
- ✨ コミュニティ化取引は主観的取引者がベッティング口座に基づき戦略調整するのを回避
📅 2026-02-03 · 2,438 文字 · 約 9 分で読めます
資本持久戦の実験設計
量的金融
👤 クオンツトレーダー、資金管理戦略研究者、アンチマーチンゲール戦略に関心のある投資家。
本稿は資本持久戦の実験設計を詳細に説明し、核心はベンチマーク口座を参照として使用し、ベッティング口座がアンチマーチンゲール戦略を用いてポジションを動的に調整することである。主な内容は：時間スケールtを離散的な市場時刻として；ベンチマーク口座は固定ポジションで取引し、累積損益曲線BasePnL(t)を提供；ベッティング口座はベンチマークのパフォーマンスに基づいて入力キャッシュフローC(t)とベンチマークストップロス額StopLoss(t)を計算し、リスクラインRiskLine(t)とリスク資金VC(t)を構築し、式Position(t) = floor(VC(t) / StopLoss(t))でポジションサイズを決定；利益確定と損切りのイベント処理ロジック、および観察期間の取引停止条件を定義。全体としてリスク資金の利用効率を最大化し、積極的だが制御されたベッティングを実現することを目指す。
- ✨ 時間スケールtは離散的な市場時刻であり、すべての時系列に使用される。
- ✨ ベンチマーク口座は固定ポジションで取引し、累積損益BasePnL(t)を参照として提供する。
- ✨ ベッティング口座はアンチマーチンゲール戦略を使用し、ベンチマークのパフォーマンスに基づいてポジションを動的に調整する。
- ✨ 入力キャッシュフローC(t)とベンチマークストップロス額StopLoss(t)はベンチマーク口座の過去のパフォーマンスから計算される。
- ✨ リスクラインRiskLine(t)は時間とともに下方に移動し、未実現損益がこのラインを下回らないことを保証する。
📅 2026-02-02 · 2,137 文字 · 約 8 分で読めます
バックテストシステムの3層構造と実験設計の再構築
量的金融
👤 量的投資研究者、バックテストシステム開発者、投資戦略アナリスト
本稿では、バックテストシステムを3層構造に再構築することを提案します：市場シーケンスを投資対象として、シグナル戦略を反応として、ベッティング戦略を投資主体として位置づけます。著者は、各実験をこれら3つの要素の組み合わせに分解し、実験設計と評価体系を根本的に見直す必要性を強調しています。新しい評価の焦点は、ピーク期待値から利益確定イベントの発生頻度と分布特性、特に与えられたM_Tにおける利益確定イベントの平均時間間隔に移行し、より有意義な投資指針を提供します。
- ✨ バックテストシステムは市場シーケンス、シグナル戦略、ベッティング戦略の3層構造に再構築すべき
- ✨ 市場シーケンスは投資対象であり、合成または履歴データから生成可能
- ✨ シグナル戦略は市場シーケンスへの反応であり、売買シグナルを生成
- ✨ ベッティング戦略は資金配分とリスク管理を決定し、投資主体の選好を反映
- ✨ 実験設計では、各シグナル戦略を全ての市場シーケンスとベッティング戦略の下で評価する必要がある
📅 2026-02-01 · 1,594 文字 · 約 6 分で読めます
OpenClawとOpusモデルの使用体験と資本持久戦実験
量的金融
👤 AIツールデプロイやモデル比較に興味のある技術愛好家、および定量取引戦略に関心のある研究者や投資家。
本稿は、著者が2026年1月31日にOpenClaw AIツールを使用した経験を記録しており、Alibaba Cloud ECSサーバーにデプロイし、Feishuボットに接続するプロセスを含みます。著者は、OpenClawはローカルデプロイに適しており、クラウドサーバーはコストが高く、ツールインストール（例：ブラウザ）に機能が制限されると指摘しています。MiniMax M2.1とOpusモデルのパフォーマンスを比較し、Opusはプログラミングタスクで明らかに優れていると評価しています。著者はOpenCode+Opusを利用して資本持久戦実験のコードを完成させ、GitHubでオープンソース化し、予備実験結論を公開しました：GBM高ボラティリティ市場モデルにおいて、平均回帰戦略と反マーチンゲール資金管理を組み合わせることで、取引コスト下で資本の指数関数的成長が可能であり、トレンドフォロー戦略では不可能であることから、高勝率戦略の優位性が強調されます。著者はさらなる検証が必要とし、オープンソースプロジェクトへの注目を呼びかけています。
- ✨ OpenClaw AIツールはクラウドサーバーにデプロイし、Feishuボットに接続可能ですが、ローカル空きマシンでの使用に適しています。
- ✨ クラウドサーバーはコストが高く、OpenClawの機能はブラウザなどのツールインストールに制限されます。
- ✨ MiniMax M2.1を搭載したOpenClawはパフォーマンスが低く、著者はこのモデルが弱いと考えています。
- ✨ OpusモデルはプログラミングタスクでMiniMax M2.1よりも著しく優れており、CodingのSOTAモデルとして称賛されています。
- ✨ 著者はGitHub CopilotのOpusクォータを利用して資本持久戦実験コードを完成させ、オープンソース化しました。
📅 2026-01-31 · 1,060 文字 · 約 4 分で読めます
EAプロジェクト紹介：AI駆動の定量取引優先ファンド
量的金融
👤 ブロックチェーン投資、定量取引、安定収益に関心のある投資家、特に低リスクや元本保護を求める優先ファンド参加者向けです。
EA（Earnby.AI）はBSCチェーン上に展開された優先ファンドプロジェクトで、USDCで決済され、AI駆動の定量取引戦略を通じて投資家に安定した収益を提供します。プロジェクトは優先/劣後資金構造を採用し、優先資金は元本保護を享受し、劣後資金はプロジェクト側の自己資金がリスクを負担します。管理チームは定量取引とブロックチェーン分野の専門家で構成され、5名の共同創業者が含まれます。プロジェクトは変動利回りを提供し、現在の年利は12％で、投資家はいつでも償還可能です。戦略には方向性ポートフォリオ戦略とデルタ中立戦略が含まれ、過去の実績では累積利回りが39.22％、年利は約22％を示しています。プロジェクトは管理手数料なし、ロック期間が柔軟で、投資家に低リスクかつ持続可能な収益を提供することを目指しています。
- ✨ EAはBSCチェーン上に展開された優先ファンドプロジェクトで、USDCで決済されます
- ✨ AI駆動の定量取引戦略を採用し、方向性ポートフォリオ戦略とデルタ中立戦略が含まれます
- ✨ 資金は優先資金と劣後資金に分かれ、優先資金は元本保護を享受します
- ✨ 管理チームは5名の定量取引とブロックチェーン分野の専門家で構成されます
- ✨ 変動利回りを提供し、現在の年利は12％で、投資家はいつでも償還可能です
📅 2025-11-01 · 3,903 文字 · 約 14 分で読めます
全スペクトル分析法：情報の最適な実現方法
量的金融
👤 クオンツトレーダー、投資戦略開発者、金融エンジニア、およびケリー公式とレバレッジ最適化に関心のある上級投資家。
本稿では、ケリー基準に基づいて最適化された投資取引戦略フレームワークである全スペクトル分析法（FSA）を提案します。まず、従来のケリー公式が投資応用において持つ制約（レバレッジや空売りの考慮不足、清算タイミングの問題など）を分析します。次に、FSAは結果空間の定義、最適レバレッジと複利収益率の計算を通じて、体系的な取引意思決定モデルを構築します。本稿では、期待収益率や複利収益率の計算、ニュートン反復法を用いた最適レバレッジ求解アルゴリズムなど、FSAの数学的原理を詳細に説明します。さらに、歴史的バックテスト手法（粗利益率GPMの計算など）、実取引モジュールの考慮事項、ブラックスワン事象への対応策についても紹介します。FSAの核心的な利点は、不完全な確率情報を活用し、レバレッジ意思決定を最適化することで長期的な収益を最大化し、情報の質に対する高い要求を低減できる点にあります。
- ✨ 全スペクトル分析法（FSA）はケリー基準に基づき、投資レバレッジを最適化して複利成長率を最大化します
- ✨ 結果空間、確率分布、収益率を定義し、最適レバレッジと複利収益率を計算します
- ✨ ニュートン反復法を用いて最適レバレッジを求解し、実行可能領域と収束問題を処理します
- ✨ 粗利益率（GPM）を導入して歴史的バックテストを行い、戦略の収益性とキャパシティを評価します
- ✨ 対称的なブラックスワン事象確率を追加し、レバレッジを制限して乱用や極端なリスクを防止します
📅 2025-08-10 · 6,730 文字 · 約 24 分で読めます