Lattice

モデル格子 — 手法 × 銘柄 × 特徴量セットの短期予測工房

最新データの自動取得

同梱の _worker.js が中継します。FRED は初回公表値(output_type=4)だけを取り、 公表日は realtime_start を使います。改定後の確定値は入りません。

キーは Pages の環境変数 FRED_API_KEY に置くのが最も安全です(ブラウザがキーに触れません)。 画面入力を使う場合もURLではなくHTTPヘッダで送るため、アクセスログには残りません。ただし 公開URLの /api/* は誰でも叩けるため、環境変数 ACCESS_TOKEN を設定して合言葉を要求するか、 Cloudflare Access でプロジェクト全体に認証をかけてください。入力したキーはこのタブのメモリ上にのみ置かれ、保存されません。
系列状態内容
自動取得できないもの・注意点
・FF金利先物 と OIS は無料APIに無い → OIS1Y は DGS1(1年国債)で代用、FF12M は欠測
  → 「政策期待」ブロックのうち FF 由来の列は自動的に除外されます
・雇用・物価・景況感の「市場予想との差」はコンセンサスが有料 → 特徴量CSVで SURP_* として投入
  (実績値そのものは FRED の初回公表値で取れますが、予想との差にはコンセンサスが要ります)
・入札テールは TreasuryDirect の公開項目からは組めないため欠測
・Stooq の米国ETF価格は分割調整済みですが分配金は調整されません。厳密にやるなら
  配当調整済み終値を価格CSVで入れてください
・欠測が3割を超える列は、モデル構築時に自動で外れます(行ごと落とさない設計)

その他のデータ源

すべてブラウザ内で処理します。ファイルはどこにも送信されません。

合成データは実データではありません。手法・配管・評価指標の妥当性確認用に、既知の弱い予測構造(OOS R² で 0〜3% 程度)と現実的なノイズを埋め込んであります。本番では下記の形式で実データを入れてください。
CSV仕様とポイントインタイムの決まり
価格CSV   date,ticker,close          … close は分配金調整後の終値
特徴量CSV date,series,value[,release_date]

date         … その値が「対象とする時点」(利回りなら観測日、CPIなら参照月末)
release_date … その値が「市場に公表された日」。空欄なら date と同じとみなす
value        … 公表当時に発表された値(改定値で上書きしない=ヴィンテージ)

・特徴量は必ず release_date <= t を満たすものだけを t 時点の入力に使う(asof結合)
・GDP/CPI/雇用のような改定される系列は、確定値ではなく初回公表値を入れる
   (FRED ではなく ALFRED の vintage、Bloomberg なら発表時点値)
・市場予想(コンセンサス)との差を使う場合は、value に (実績−予想)/標準偏差 を入れて
   series を SURP_* と命名すると驚き指数として自動処理されます
・CFTC のように「火曜日基準・金曜公表」の系列は date=火曜, release_date=金曜 とする
・週次/月次系列は最終公表値を次の公表まで持ち回します(前方補完)

読み込み状況

系列区分件数期間公表ラグ中央値

ポイントインタイム検査

先読みが混入しやすい箇所を機械的に点検します。

まだデータがありません。

公表ラグの分布(営業日)

銘柄ユニバース

値動きの駆動要因が違うものを混ぜると、特徴量セットの当たり外れが見えやすくなります。

価格推移(対数、初日=0)

手法

すべて逐次再推定(walk-forward)。学習は各時点で入手可能なデータのみ。

予測対象

対数収益率 rt→t+h = ln(Pt+h/Pt) を直接予測します。

特徴量セット

個別ブロックと、それらを束ねたプリセットから選びます。列数はセット内で自動的に絞られます。

検証設計

待機中。データを読み込んでから実行してください。

採用基準(事前登録)

OOS期間を前半=判定窓と後半=検証窓に割り、判定窓の成績だけで採否を決めます。 検証窓は答え合わせ専用で、採否には一切使いません。100本から後知恵で選ばないための仕組みです。

採用モデルの予測平均

基準を満たしたモデルの予測を銘柄ごとに単純平均したものです。区間幅は判定窓での平均予測の残差から決め、 成績は検証窓のみで測っています。

銘柄採用数検証窓R²符号正解率Sharpe(コスト後) MaxDD被覆率最新予測(bp)予測区間(bp)基準日

予測平均と実測

格子

セル色は OOS R²。行=銘柄×特徴量セット、列=手法。クリックで詳細へ。

全モデル一覧

列見出しで並べ替え。行クリックで詳細へ。t値は Newey–West、p値は 100 本の探索に対する Šidák 調整後。

銘柄手法特徴量 OOS R²RMSEMAE 符号正解率ICt(NW) p調整Sharpe(コスト後)Sharpe(粗) MaxDD区間被覆率平均区間幅N

モデル詳細

監視盤で行またはセルを選ぶと表示されます。

書き出し

運用記録は必ず外に出して保存してください。ブラウザ内には何も保存されません。

ヴィンテージ(その日の判断の記録)

取得データの範囲・設定・採用基準・採用モデル・予測平均・全モデルのシグナルを1ファイルに固めます。 後日「あの日、何を見て何を出したか」を再現するための記録です。運用日は毎回これを残してください。

保存日基準日銘柄採用数 予測(bp)区間(bp)実測(bp)符号

最新シグナル

各モデルの最終営業日時点の予測。実測がまだ確定していない行です。

銘柄手法特徴量予測(bp) 予測区間(bp)予測/幅符号正解率Sharpe(後)OOS R²基準日

デプロイ手順

1. フォルダを1つ作り、index.html と _worker.js を並べて入れる
2. Cloudflare Pages → Create a project → Upload assets
3. そのフォルダをドラッグ&ドロップ → Deploy site(ビルド設定は不要)
4. 任意: プロジェクト設定 → 環境変数に FRED_API_KEY を入れる
   (入れない場合は画面のキー入力欄を使う。キーは https://fred.stlouisfed.org/docs/api/api_key.html で無料発行)

_worker.js を入れないと index.html だけでも動きますが、自動取得は使えません
(CSV読み込みと合成データは使えます)。外部CDN・フォント参照はゼロです。
データ 未読込 モデル 0 期間 最終実行 client-side only