ポートフォリオ・モデル
契約: モデルを選択する前に、経済的目標、正確な最適化問題、データの前提、制約条件、ベンチマークを明示すること。タスクに関連する参考文献のみを使用すること。
手順
- フレーミング. 投資家のタイプ、基準通貨、投資可能資産、評価頻度、リターン目標、許容損失額、流動性、空売り/レバレッジ、売買回転率、資産ごとの制限、保有期間を記録する。回答が概念的なものか、計算上のものか、経験的な主張かを判断する。完了条件: 目的と制約が明示されていること。
- 正規化. 価格、リターン、債券、FX、デリバティブ、金利、現金に関する計算には、記法とデータを読み込む。ポイントインタイムでの利用可能性とトータルリターンの一貫性を要求する。完了条件: すべての列が通貨と観測期間を共有し、欠損値/古い値が特定されていること。
- ルーティング. モデル選択にはモデルマップを読み込み、必要なブランチのみを参照する：古典モデル、分散投資、リスク予算、正則化、テールとドローダウン、ロバスト性とDRO、またはケリーとアンチフラジリティ。完了条件: 正確な数学的バリアント、出典、数値計算法が特定されていること。
- 計算. 実行可能な計算については、実例および実行可能モジュール
scripts/models.pyとscripts/advanced_models.pyを参照する。ソルバーのステータス、制約条件、返されたウェイトにおける目的関数、限界ケース、数値単位を検証する。完了条件: 再現可能な呼び出しとチェックが成功すること。 - 検証. 歴史的な主張には、バックテストプロトコル、メトリクスと推論、障害モードを使用する。完了条件: 完全なアウトオブサンプルの時系列、取引前提、コスト、単純ベンチマーク、ストレス、不確実性が報告されていること。
- 論点の解決. 数式トレースに従い、注釈付きソースカタログを参照する。定理固有のサポート、曖昧性集合の詳細、重要な例外については原論文を読む。完了条件: 実際の数式が近似や実装から区別されていること。
数学的および実証的不変条件
- 一貫したサンプリング周波数で小数表記の単純トータルリターンを使用し、年率化は報告時のみ行う。価格指数、公定為替レート、政策金利は投資可能で摩擦のない金融商品ではない。
- 決定前に利用可能な情報のみを使用して最適化する。予測とハイパーパラメータはネストされた過去のデータで適合させる。該当する場合、取引コスト、ドリフト、取引停止、証拠金、FX換算を評価する。
- モデルをロバストと呼ぶ前に、正確な不確実性集合を与える。実装されたワッサースタインDROは特定の 1-ワッサースタイン、L1-ground、非有界サポート、線形損失CVaRケースであり、汎用的なDROエンジンではない。
- 経験的な月次/日次ドローダウンは加法P&LのCDaRとは別に報告する。CDaRは複利計算されたNAVドローダウンと等価ではない。
- 異なる手法には、共通の日付、実行可能なユニバース、比較可能な実現リスク、単純なベースラインが必要である。高いCAGRだけでは統計的な優位性は確立されない。
- オプション・ヘッジ、トレンドフォロー型の空売り、または安定したポートフォリオは自動的にアンチフラジャイルではない。コンベクシティ、キャリーコスト、テール条件付きリターン、執行アクセスを個別に評価する。
出力
方法論については：モデル、目的関数/方程式、制約条件、推定量、ハイパーパラメータ、限界ケース、出典、実行可能な図示。ベンチマークについては、さらに基準日、利用可能な金融商品、正確なOOS日付、訓練/検証ウィンドウ、取引コスト、ベースライン、CAGR、実現ボラティリティ、ドローダウン、CVaR、売買回転率、不確実性区間、データ/実行上の制限を報告する。
エントリファイルは作業のルーティングを行い、数学を複製しない。新しいコード、数式、実験はすべて、このファイルを拡張するのではなく、適切なリファレンスまたはスクリプトに格納すること。