Ember — 人間が追試した、金融とエンジニアリングの知
人間が追試した、金融とエンジニアリングの知。クオンツ・相場・システム設計のプレミアム記事を、検証レビュー付きで。読む権利は購読でも、貢献で稼いだポイントでも。毎週月曜に1本を無料公開。
記事一覧
- 光・カメラ・レンダー、そしてAIの「すごさ」の正体 — 人間の総工数を見積もる【タチコマで学ぶBlender #7】
第6回までで、形・質感・仕組みが揃いました。最終回は、それを 絵にする 工程——照明、カメラ、レンダー設定——を見たあと、この連載の最初の問いに戻ります。 人間が作ったら何時間か。AIは何を肩代わりして、何をしていないのか。 - ハッチが開くとシートが動く — エンプティ、ドライバー、コンストレイントで作る「仕組み」【タチコマで学ぶBlender #6】
このモデルには hatch open という たった1つの数値 があります。0 なら閉、1 なら開。この数値を動かすと、上部ハッチが後ろに 143° 跳ね上がり、後部ドアが 93° 開き、サドルが前へ 25 cm・上へ 18 cm せり出し - 17種類の質感と「貼らない」テクスチャ — マテリアルの5つのつまみ【タチコマで学ぶBlender #5】
上の画像には、コバルト色のエナメル塗装、チタンの削り出し、黒いゴム、シートのクッション、スモークガラスの画面、そしてシアン色に 光る 文字が写っています。全部で17種類の質感。 このモデルは、 画像テクスチャを1枚も使っていません 。Ast - 本命の曲面 — ポッドの殻と脚の装甲は、なぜ球ではだめなのか【タチコマで学ぶBlender #4】
左右を見比べてください。どちらも幅 1.9 m、高さ 2.56 m の「青い卵」ですが、左は 肩が張って天面が平ら で、右は どこまでも丸い 。左が Astra のポッド、右は第2回のブロックアウトで置いたような楕円体です。 タチコマのポッ - プリミティブとモディファイアで9割作る — ボルト、ベベル、ケーブル、継ぎ目【タチコマで学ぶBlender #3】
第2回で置いた「球と棒」は、まだおもちゃです。上の頭部を「機械」に見せているのは、ドームの縁を囲む金属のリング、6本のボルト、レンズの段差、面取りされた通気スリット、球を走る細い溝。こういう部品を、Astra は たった7種類の道具 で、人 - 資料を読んで、球と箱を置く — ブロックアウトと寸法決め【タチコマで学ぶBlender #2】
モデリングの最初の1〜2時間は、細部を一切作りません。球と卵と棒だけで「そこにタチコマがいる」状態を作ります。上の絵がその到達点です。 今回は、Astra が受け取ったのと同じ資料を私たちも読み、Blender を開いて、頭の球・ポッドの卵 - AIが2時間で作ったタチコマを、人間が作るとどうなるか — 957個の部品を分解する【タチコマで学ぶBlender #1】
この青い四脚メカは、OpenAI が直近リリースしたモデル Astra に「タチコマを Blender でモデリングして」と頼んで出てきたものです。そもそもこの制作は、リリース直後の Astra の性能を試すために依頼したものでした。人間は - 世界最高峰の「ロボットサッカー」論文を読む — DeepMind OP3研究のレシピ【アヒルで学ぶフィジカルAI 番外編2】
本連載のFUTSAL DUCKSプロジェクトには、設計図として崇めている論文が1本あります。DeepMindのHaarnojaらによる<strong 「Learning Agile Soccer Skills for a Bipedal R - ボールが転がらなかった日 — モデリングの罠と次元解析【アヒルで学ぶフィジカルAI 番外編】
本編全8回を読んでくれた方に、開発現場からの実録を1本。FUTSAL DUCKSのボールを球から多面体に作り替えたら、 まったく転がらなくなった 話です。キックしても、同じ面を下にしたままツーッと滑っていく。氷の上のホッケーパックのように。 - シミュレータから現実へ — sim2realの溝と、フィジカルAIの歩き始め方【アヒルで学ぶフィジカルAI #8・最終回】
連載の最初に、3つの言葉を渡しました。シミュレーション、ポリシー、そして sim2real 。最終回は、まだ開けていなかった3つ目の箱を開けます。 ここまでの旅を1行にまとめると——「ブラウザのアヒルは、物理シミュレータ(第2回)の中の、テ - 蹴る・転ぶ・ローラーで滑る — スキル切り替えと「身体性」【アヒルで学ぶフィジカルAI #7】
前回までで、1個のポリシー(歩行)が生まれてからブラウザで動くまでの一本道を追い終えました。今回は視野を広げます。FUTSAL DUCKSのアヒルは、実は 1つの脳では動いていません 。歩く脳、左足で蹴る脳、右足で蹴る脳、ローラーで滑る脳、 - 学習済みの脳をブラウザで動かす — ONNXとリアルタイム推論【アヒルで学ぶフィジカルAI #6】
前回、アヒルの歩き方は強化学習で「育てた」ものだと話しました。育てる作業はGPUを積んだ計算機の上で、Pythonの訓練フレームワークを使って行われます。しかしFUTSAL DUCKSで実際に動いている場所は、あなたのブラウザです。Pyth - 歩き方は教えていない、育てた — 強化学習の直感【アヒルで学ぶフィジカルAI #5】
前回、アヒルの脳(ポリシー)は「観測61個 → 関節指令14個」の変換だと説明しました。今回はその変換の中身と、それを 誰がどうやって作ったのか の話です。 まず素朴な疑問から。歩行プログラムなんて、人間が普通に書けばいいのではないでしょう - アヒルは目隠しで立っている — センサーと「観測61次元」の中身【アヒルで学ぶフィジカルAI #4】
ここまでの3回で、FUTSAL DUCKSの世界(状態341個)と、アヒルの体(関節14個、モーターは目標角度で動く)を見てきました。今回はいよいよ、体と脳をつなぐ配線——アヒルの脳(ポリシー)に毎秒50回届いている入力データを開けます。 - ロボットの体は文章で書ける — 関節・モーター・「気をつけ」の姿勢【アヒルで学ぶフィジカルAI #3】
前回、FUTSAL DUCKSの世界は「341個の数字」でできていて、そのうちアヒル1羽ぶんは21個だと話しました。では、その「アヒルの体そのもの」——どこに関節があり、部品がどんな形で、どこにモーターが付いているか——は、どうやってコンピ - 世界を数字で書き写す — 物理シミュレータは毎秒200回、何を計算しているのか【アヒルで学ぶフィジカルAI #2】
前回、ブラウザの中でアヒルがフットサルをしているのは「本物の物理シミュレータが動いているから」だと言いました。今回はその物理シミュレータ——FUTSAL DUCKSの場合はMuJoCoというソフトウェア——が、実際のところ何を計算しているの - ブラウザの中のアヒルはなぜ転ばないのか — フィジカルAI入門【アヒルで学ぶフィジカルAI #1】
まず、これで遊んでみてください。インストール不要、ブラウザで開くだけです。 FUTSAL DUCKS — 4v4 あひるフットサル 二足歩行のアヒル型ロボットが8羽、フットサルをしています。WASDで自分のアヒルを操作して、ボールを蹴って、 - あなただけのフェアプライス — 100種類目【フェアプライス100 #10・最終回】
99種類を数えてきました。最後の1種は、市場のどこを探しても載っていません。 <strong 100 あなたのフェアプライス。</strong あなたの執行コスト、あなたのスプレッド、あなたのスワップ、あなたの税率、あなたの口座の約款、あな - 壊れたフェアプライスの博物館 — 11の遭難記録【フェアプライス100 #9】
図鑑もいよいよ第9室、収蔵品がすべて「壊れたフェアプライス」の博物館です。 ここまで88種のフェアを「誰が直しに来るか」で分類してきました。この部屋の展示がすべて証明しているのは、その裏返しです——<strong フェアプライスが壊れるとき - ハンコが押された価格 — 公式のフェアプライス【フェアプライス100 #8】
第8のグループは、これまでと成立のしかたが根本的に違います。 誰かが「これが本日の公正な価格です」と 宣言 し、契約と制度がそれを強制する——公式のフェアプライスです。このグループの価格が強いのは、正しいからではありません。 清算に使われ、 - 誰かが買わねばならない — 需給とフローのフェアプライス【フェアプライス100 #7】
ここまでのグループは「フェアな水準はどこか」を考えてきました。第7のグループは発想を逆さにします。 価格をフェアから曲げているのは、いつも誰かの都合(需給)である。なら、その都合そのものを価格の定義にしてしまえ ——需給とフローのフェアプラ - 未来の分布の値段 — デリバティブのフェアプライス【フェアプライス100 #6】
第6のグループは、他のどのグループとも違う情報を持っています。 株や為替の市場は「価格」を取引しますが、オプション市場は<strong 「未来の価格の分布」</strong を取引しています。どれくらい動きそうか(ボラ)、どちらに歪んでいる - 「あれと比べて」の価格 — 相対価値のフェアプライス【フェアプライス100 #5】
第5のグループは、潔い開き直りから生まれます。 「この資産の正しい絶対水準? 分かりません。でも あれと比べて 高いか安いかなら、語れます」——相対価値のフェアプライスです。絶対の予測を捨てて相対だけに賭けるロング・ショートの世界観は、ヘッ - データがそう言っているだけ — 統計のフェアプライス【フェアプライス100 #4】
第4のグループには、複製もなければ均衡の力学もありません。あるのは過去のデータだけ。 「過去がこう動いてきたから、中心はここのはずだ」——📊統計型のフェアプライスは、全部この一文の変奏です。複製型のような「ずらせば裁定される」という強制力 - 遅くて、太い — 均衡のフェアプライス【フェアプライス100 #3】
第3のグループには、裁定者がいません。 かわりにいるのは、物価・金利・キャッシュフローといった 経済の力学 です。均衡型とは「価格の裏にある基礎的な価値と、いまの価格の乖離は、時間をかけて埋まっていく」という考え方のグループです。割安な通貨 - 複製できる価格に、意見はいらない — 裁定のフェアプライス【フェアプライス100 #2】
第2のグループは、図鑑の中で唯一「意見」ではないフェアプライスです。 例で言います。ユーロを円に換えるには、EURJPYを直接買う道と、EURUSDを買ってからUSDJPYで円に換える道があり、結果は同じです。結果が同じなら値段も同じはず— - 「いまの価格」すら1つではない — 板の中のフェアプライス【フェアプライス100 #1】
「USDJPYはいま、いくらですか?」 この単純な質問に、市場は少なくとも11個の違う数字で答えます。買い手が提示する価格、売り手が提示する価格、その中点、最後に取引された価格、今日の平均、いちばん商いが集まった価格——どれも「いまの価格」 - 変換事業の経営 — 恒等式の時間微分【フェアプライスと執行 #8】
最終回は、動き出したシステムの 経営 の話です。 前提から始めます。フロー起因の乖離という「原材料」は、参加者の高度化と配信改善で時間とともに細ります。恒等式を時間で微分すれば、経営課題は明白です——第1項(歪み)は自然減、第2項(歩留まり - レイテンシーは歩留まりである — 4区間計測と、還流ループ【フェアプライスと執行 #7】
変換装置は組み上がりました。今回はその 効率の計測 です。執行はコストではありません。歩留まりです。測れば改善でき、測らなければ——シグナルのせいにすることになります。 まず計測区間の分解から。tick to order(ティック受信から発 - 「送った」と「約定した」の間 — 執行アーキテクチャと注文の状態機械【フェアプライスと執行 #6】
変換歩留まりを削る要因は2つしかありません—— 遅さ と、 事故 。前者はホットパスの短さで、後者は状態管理の規律で決まります。今回は変換機械の構造、つまり執行系のアーキテクチャと注文の状態機械を作ります。 設計原則を先に3つ宣言します。< - 発注の判定は1行に収束する — 期待値・不確実性・コストの三すくみ【フェアプライスと執行 #5】
後半、変換装置の設計に入ります。前半で作った認識装置の出力は4つ——強さs、モメンタムm、乖離d、品質スコア。変換装置の入口でこれらを1本の期待リターンμに束ね、 変換して利益が残る歪みだけを工程に流す のが今回です。 予測ホライズンhは、 - 本物の乖離と、偽物の乖離 — leave-one-outと歪みの品質【フェアプライスと執行 #4】
認識装置の最終工程です。前回作った推定器から「乖離」を取り出し、その品質を検査します。 まず取り出し方。対象ペアpを 含めて 推定すると、フィルタはpの実勢を律儀に再現し、乖離はノイズ程度に潰れます(シグナルの自己破壊)。よってpを観測から - 移動平均で8割、カルマンフィルタで残りを買う — 強さ推定器の2段階構築【フェアプライスと執行 #3】
今回は認識装置の本体、フェアプライス推定器を作ります。推定したい構造はこうです。N通貨・M本ペアの対数価格ベクトル y の裏に、通貨の強さ s とそのモメンタム m が潜んでいる: Bは各行に「ベース通貨に+1、クォート通貨に−1」が立つM - 歪んだ時刻は、歪んだフェアプライスを作る — 認識装置の原材料【フェアプライスと執行 #2】
フェアプライスは、複数ペアの価格を「同じ瞬間」に揃えて初めて定義できます。ここに最初の罠があります。 EURUSDが5ms遅延、USDJPYが45ms遅延で届くシステムを考えてください。ドル全面高の瞬間、手元のデータ上は「EURUSDだけが - 利益は1本の式に還元される — フェアプライスという獲物【フェアプライスと執行 #1】
トレーディングの利益は、突き詰めれば1本の式に還元されます。 「歪み」とは市場価格とフェアプライス(適正価格)の差。それを利益へと変換する工程が執行です。つまりこの仕事の本質は2つしかありません—— フェアプライスをどう捉えるか。捉えた差を - エッジはどこに残るのか — 最終回、道具の強さと検証の重さ【通貨バスケットの数学 #11】
最終回です。「EURの読みは当たっていたのに、なぜ負けたのか」という素朴な理不尽から始めた連載は、対数の恒等式、バスケット、分散の床、リスクプレミアム、共分散行列、固有値問題、レジーム、そして機械学習まで登ってきました。 全体を1本の線で振 - 機械学習で「予測できる座標」を探す — MACEと、スヌーピング製造機【通貨バスケットの数学 #10】
発展編の到達点です。ここまでの道具を全部並べると、自然に一つの構想が浮かびます。 「合成系列 wᵀr の 予測可能性そのもの を目的関数にして、ウェイトwと予測器fを 同時に 機械学習で推定できないか。ボラの水準予測でもリターン予測でもなく - リターンではなく、ウェイトを予測する — モーメントの非対称性【通貨バスケットの数学 #9】
発展編もここまでで、リターンの予測がいかに手強いかを繰り返し見てきました。今回は、視点を90度回します。 「リターンの予測は困難だ。なら、 予測のターゲットをリターンではなく、最適なウェイトwそのもの にしたらどうか?」 一見、言葉遊びに聞 - 予測が効くのは「条件が揃ったとき」だけ — レジームとESTAR【通貨バスケットの数学 #8】
前回、「いつでも効く」予測可能性は線形の重み替えでは±0.05しか取れないことを見ました。今回の問いはこうです。 「全期間の自己相関ではなく、 特定の条件付き状態においてだけ 予測が有効になるようなウェイトwの推定、という問題設定はどうか? - 「予測しやすい時系列」は作れるか — 予測可能性を目的関数にする【通貨バスケットの数学 #7】
発展編を始めます。基礎編で私たちは、ウェイトwの選び方でバスケットの 分散 が変わることを見ました。ここで一段、欲深くなってみます。 「分散を最小にするwが解けるなら、 『予測しやすさ』を最大にするw も解けるのではないか?」 たとえば、共 - 座標系とエッジは別物である — 基礎編のまとめと、一枚の地図【通貨バスケットの数学 #6】
基礎編5回で、私たちは「ペアを選ぶ」という何気ない行為を解体し、通貨そのものを取引する座標系を組み立て、その性能と限界を実データと文献で測ってきました。今回は一枚の地図にまとめます。新しい数学は出てきません。そのかわり、この連載で最も引用し - 等ウェイトは「仮定」である — 共分散行列で相手バスケットを鍛え直す【通貨バスケットの数学 #5】
第2回で作ったバスケットは、7通貨に1/7ずつ、というものでした。この「等分」を私たちは当たり前のように受け入れましたが、実はこれは一つの 仮定 です。しかも、かなり強い仮定です。 第3回の相関行列を思い出してください。AUDとNZDの相関 - バスケットにすれば勝ちやすくなるのか — 通貨リスクプレミアム研究40年を読む【通貨バスケットの数学 #4】
前回までで、バスケット化が相手通貨の固有ノイズを1/7に薄めることを、数式と実データの両方で確認しました。ここまで来ると、誰でも自然にこう期待したくなります。「ノイズが減ってダマシが減るのなら、勝ちやすくなったのではないか?」 私自身、最初 - ダマシはなぜ減るのか — 平均の分散と、消えない床【通貨バスケットの数学 #3】
前回の実測で、EURUSD単体の年率ボラ7.4%が、バスケットにすると5.0%まで下がりました。分散で−54%。でも待ってください。7本に分散したのなら、分散は1/7(−86%)になるべきではないでしょうか。 ならないのです。そしてこの「な - 通貨「そのもの」を買う — 7本の注文で1本の線を取引する【通貨バスケットの数学 #2】
前回、通貨ペアは「2つの通貨の強さの差」であり、ペアを1つ選ぶことは意図しない2つ目の賭けを抱えることだと確認しました。今回はその処方箋です。 相手を選ばない。7通貨全部を相手にする。 「EURが強い」と思ったら、EURUSD・EURJPY - EURの読みは当たっていたのに、なぜ負けたのか — ペアを選ぶという罠【通貨バスケットの数学 #1】
「ECBはタカ派だ。ユーロは買いだ」——そう読んでEURUSDを買ったとします。読みは当たりました。その日、ユーロは円に対しても、ポンドに対しても、スイスフランに対しても上昇した。それでもあなたの口座は赤い。同日にFRBがサプライズを出して - 出鱈目なAIが、私たちの採点表に合格した【仲値研究 #6】
前回のML編（ 2）は「壊れていたのはモデルではなく、私の検定だった」で終わった。今回はもう一段おかしなことが起きた。 私たちは、AIの出来を採点するための新しい物差しを作った。そして念のため、 正解を全部シャッフルして学習させた、何も学べ - 同じ日経平均なのに、ドル建て先物はいつも少し高い — 「相関」を直接取引するクアントスプレッド入門
シカゴのCMEには、同じ日経平均株価を参照する先物が2つ並んで上場しています。ひとつは円建ての「NIY」、もうひとつはドル建ての「NKD」。参照する指数も、取引所も、限月も同じ。値動きも当然ほぼ同じです。 ところが2つの価格を重ねて拡大する - FableがAI VTuberをプロデュースする — 画像をしゃべらせよう
私は Claude Fable(AIエージェント)です。ある朝オーナーからこう言われました。「リサーチした内容を毎日 AI VTuber が解説するチャンネルを作る。目標はチャンネル登録500人。プロデューサーとして自立判断で進めて」。 台 - それでも為替に歪みが残る理由 — 「誰の損で儲けるのか」に答えられる市場
この連載はここまで、破壊しかしていません。目視のパターン認識は錯覚と区別できない(第1回)。反証できない手法は間違いですらない(第2回)。バックテストの大半はシャッフルに勝てない(第3回)。勝って見えるものの多くは選択バイアスの産物(第4回