leoncuhk/awesome-quant-ai

what: AIや機械学習を活用したクオンツ投資のためのリソースを収集したキュレーションリスト（「awesome」スタイルのリスト）です。ツールそのものではなく、論文、オープンソースツール、書籍、コースへのリンクを提供します。READMEには、取引戦略の設計方法、異なる取引アプローチの比較、2025/2026年に向けた分野の最新動向に関するオリジナルの解説コンテンツも含まれています。関連サイト「Regime Research」では、30のティッカーシンボルにわたる市場レジーム、ボラティリティ、リスクに関するデータを毎日公開しています。

リストが解説する核心的なアイデア：

• クオンツファイナンスの3つの柱：主要な課題（市場の効率性、「モメンタム」などのファクターの持続性、取引コストなど）、各問題に対応するAI技術（リターンの予測、隠れたパターンの発見、相互作用からの取引ポリシーの学習、合成市場データの生成、ニュースや開示資料の理解）、および数学的基礎（確率過程、最適化、ゲーム理論）。

• 取引システム構築の設計プロセス：READMEでは7つのステップを提示しています。目標と制約の定義、戦略アイデアのリサーチ（理論やデータマイニングから）、モデルの構築と調整（過学習への注意）、現実的なコストを考慮した厳密なバックテスト、リスク管理の統合、適切なインフラでのデプロイ、継続的な監視と反復。

• 取引戦略の分類：10のカテゴリーがあり、それぞれにサブ戦略と推奨されるソース論文やツールが含まれています。例：統計的裁定取引（平均回帰、ペアトレード）、ファクター投資（バリュー、モメンタム、サイズ）、高頻度取引（マーケットメイク、レイテンシー裁定）、トレンドフォロー、ボラティリティ取引、リスクパリティ、マクロ戦略、イベント駆動型（合併裁定、決算）、機械学習戦略（Stefan Jansenの150以上のnotebookリポジトリを引用）、およびマルチ戦略アプローチ（階層的リスクパリティを含む）。

• 3つの取引パラダイムの比較：クオンツ取引（静的なルール、高い透明性）、アルゴリズム取引（パラメータ最適化を伴う定義済みロジック、中程度の適応性）、AIエージェント取引（自律学習エージェント、高い適応性だが「ブラックボックス」な意思決定）を対比した表。

• フロンティアトピック (2025/2026)：2つの新興分野。第一に、LLMベースのトレーディングエージェント。大規模言語モデルがアナリスト、トレーダー、リスクマネージャーなどの役割を果たすマルチエージェントフレームワーク（リストには TradingAgents, FinRobot, FinGPT, FinRL, Vibe-Trading, oracle3 が含まれます）。第二に、Transformer時系列基盤モデル。タスク固有のトレーニングなしで価格やボラティリティを予測する事前学習済みモデル（Chronos, TimesFM, Moirai, Lag-Llama, PatchTST, TimeGPT, Kronos。READMEのテキストはエントリの途中で途切れています）。

その他のセクション：このリストには、学習リソース、書籍、研究論文、著者によるオリジナルのノート、コミュニティやカンファレンスのリンク、関連リストも含まれています。READMEは「投資リサーチ：完全マップ」というタイトルの画像で始まり、「あなたのエッジ：どのレイヤーをコンセンサスよりも深く理解していますか？」という問いを投げかけています。

トーン：実務者を対象としており、金融や機械学習の概念に精通していることを前提としていますが、このリストの価値は、学習者が個々の項目をより深く掘り下げられるよう、一次情報源（SSRN論文、GitHubリポジトリ、Kenneth French Data Libraryのようなデータライブラリ）へ読者を導く点にあります。