Collections
Curated reading paths through the blog, ordered from basics to advanced.
Backtesting Without Fooling Yourself
A step-by-step path from what your backtest really optimizes to proving an edge survives overfitting, multiple testing, and live execution. Read top to bottom — each part builds on the last.
- 01目的関数設計：最適 化する指標が、密かにあなたの戦略を選んでいる
- 02マルチタイムフレーム・バックテストにおける先読み排除の証明:未来を揺さぶり、過去がそれを見ていないことを証明する
- 03先読みバイアス：1本のバーのミスが純粋なノイズからSharpe 15を作り出す仕組み
- 04ウォークフォワード最適化：唯一の誠実な戦略テスト
- +7 more
High-Performance Backtest Engines
How to build a backtest engine that runs hundreds of times faster without changing a single PnL number — data layout, caching, adaptive resolution, and architecture, from first speedups to production internals.
- 01バックテストエンジンの速度の梯子：ラップトップCPUで298倍、最後の1トレードまで同一のPnL
- 02フレームワーク税: バックテストライブラリが素朴な pandas ループより遅くなるとき
- 03集約Parquetキャッシュ：マルチタイムフレーム・バックテストを数百倍高速化する方法
- 042軸パラメータ空間: なぜスイープの大部分はほぼ無料であるべきなのか
- +7 more
Complex Arbitrage in Rust
A six-part build-up of multi-leg crypto arbitrage — from negative-cycle detection to the linear algebra, copulas, and machine learning behind it, ending in low-latency Rust execution.
- 01アービトラージ検出のためのグラフアルゴリズム：Bellman-FordからRICHまで
- 02先物-スポットアービトラージ：キャッシュ・アンド・キャリーからDeFi-CeFiまで
- 03行列、テンソル、トロピカル代数：裁定取引検出のための線形代数
- 04Vine Copulaによるアービトラージ：高次元依存関係のモデリング
- +2 more
Order Book & Market Microstructure
How the order book really works — accessing the data, reading queue position, rebuilding bars from order flow, and modeling it with deep learning and Hawkes processes.
- 01CCXT: WebSocketオーダーブックメソ ッドの実際の動作
- 02アルゴトレーディングにおける注文タイプ：チェイシング付きリミットからバーチャルオーダーまで
- 03壁の内部のキュー：注文板密度における注文ポジションの分析
- 04アルゴリズミックトレーディングのためのバー種類と集約方法
- +8 more
Portfolio Construction & Risk
From Markowitz to production HRP + CVaR: how to allocate across crypto assets, model tail dependence with copulas, and size positions without blowing up.
- 01暗号資産のためのマーコウィッツポートフォリオ理論：ゼロからヒーローへ
- 0212のポートフォリオ最適化アルゴリズム比較：HRP、Black-Litterman、NCOなど
- 03社内アルゴリズムの内側: HRP + ロング/ショート + Hull-WhiteによるCVaR
- 04コピュラモデル：暗号資産ポートフォリオの共同リスクモデリング
- +1 more
Risk & Position Sizing
Build position sizes from drawdown math, realistic trading costs, and uncertainty in backtest results before applying Kelly.
- 01損益の非対称性：あなたの資金を殺す数学
- 02スリッページ定数ではなくスリッページ曲線を: 実運用に耐えるコストモデル
- 03モンテカルロ・ブートストラップ：10行のコードでバックテストの信頼区間を得る方法
- 04戦略のためのケリー基準: ポジションサイズの決め方と資本配分
Statistical Arbitrage & Pairs Trading
Trade the spread between correlated assets — from the distance approach to cointegration and Kalman filters, then dynamically combining mean reversion with momentum.
- 01ペアトレーディングにおける距 離アプローチ：Rustによる実装と分析
- 02暗号資産市場における統計的裁定取引とペアトレード：共和分からカルマンフィルターまで
- 03シグナル相関：何ペア監視すべきか
- 04統計的アービトラージにおける平均回帰とモメンタム戦略の動的組み合わせ：数学的基礎と実践的実装
- +1 more
Deep Learning for Markets
Neural forecasting for crypto — transformers, diffusion models, and foundation models, and how conformal prediction keeps their uncertainty honest.
- 01マルチホライズン・ポートフォリオ予測のためのTemporal Fusion Transformer
- 02拡散モデル vs 暗号通貨のアナーキー：DDPMがあなたの占い師よりビットコインの暴落をうまく予測できる理由
- 03Kronos：ローソク足チャートにTransformerの言語を教えるファンデーションモデル
- 04リスクを考慮したポジションサイジングのためのコンフォーマル予測
AI Agents for Trading
The agentic-AI stack for markets — multi-agent frameworks, open-source hedge funds, and LLMs that mine alpha from earnings calls.
- 01エージェント型AIによる投資ポートフォリオ管理の革命
- 02TradingAgents：ヘッジファンドをモデル化するマルチエージェントAIフレームワーク
- 03AI4Finance Foundation：アルゴトレーディングのためのFinGPT、FinRL、FinRobotエコシステム
- 04AI Hedge Fund：AIアナリストが取引を投票で決めるマルチエージェントファンド
- +1 more
QuestDB for Algorithmic Trading
Stand up a time-series stack for trading on QuestDB — from architecture to the SQL that matters, to a production deployment.
- 01アルゴリズム取引のためのQuestDB：市場の言語を話すアーキテクチャ
- 02アルゴリズム取引のためのQuestDB：ゲームを変えるSQL拡張機能
- 03アルゴリズム取引のためのQuestDB：オーダーブックから本番アーキテクチャまで
Low-Latency Trading Infrastructure
The plumbing under an HFT stack — how components talk (WebSocket, FIX, gRPC, Aeron), messaging on Aeron and Zig, and a C++ FIX/FAST scalper.
- 01アルゴリズム取引システムにおけるデータ通信：技術概要
- 02Aeron：HFT業界の半分を支えるメッセージングシステムの仕組み
- 03ZigBolt：なぜ我々はZigで独自のAeronを構築し、メッセージあたり20ナノ秒を達成したのか
- 04FAST/FIXを使用したシンプルなC++スキャルパーの開発：ステップバイステップガイド
Execution & Market Making
From TWAP/VWAP and Almgren-Chriss to TCA, slippage models, and the Avellaneda-Stoikov market maker — how to turn a signal into fills without paying the spread twice.
- 01TWAP vs VWAP vs POV：執行ベンチマークの選び方（そ してそれぞれが嘘をつくタイミングを知る）
- 02Almgren-Chriss を誤魔化しなしで理解する: 午後のうちに実装できる最適執行
- 03スライスの内側:スケジューラと取引所の間にある子注文戦術
- 04暗号資産のスマートオーダールーティング: 一つの注文、十二の取引所、NBBOなし
- +7 more
Onchain & DeFi Quant
Quantitative DeFi from first principles — MEV and sandwich attacks, atomic arbitrage, liquidation cascades on lending protocols, and LP profitability on Uniswap v3.
- 01MEVの解剖学: サンドイッチ攻撃、フロントランニング、そして メモリプールというダークフォレスト
- 02MEVサプライチェーン：PBS、MEV-Boost、そして実際に価値を掴むのは誰か
- 03オンチェーンアービトラージ：アトミックサイクル、フラッシュローン、そして勝たなければならないオークション
- 04オンチェーン・リクイデーション：AaveとCompoundのメカニズム、そしてその周辺で回るボットビジネス
- +5 more
Causality & Lead-Lag in Markets
Who moves whom — Granger causality, transfer entropy, PCMCI discovery, and the causal ML toolbox (double ML, causal forests, synthetic control) applied to crypto markets.
- 01Toda-Yamamoto vs Differenced Granger: Does the BTC Lead-Lag Survive?
- 02転送エントロピー：暗号資産間の情報はどちらへ流れるのか？
- 03PCMCI: Causal Discovery in Multivariate Crypto Time Series
- 04取引における不均一処置効果のための因果関係フォレスト
- +3 more
Volatility Modeling & Regimes
Forecast volatility with the GARCH family — asymmetry and leverage effects, dynamic correlations, vol targeting — then detect market regimes with HMMs and trade adaptively.
- 01GARCH(1,1)によるクリプトのボラティリティ 予測
- 02非対称・厚裾GARCH: EGARCH、GJR、そしてStudent-t
- 03DCC-GARCH: ペアトレードとポートフォリオリスクのための動的相関
- 04GARCH予測によるボラティリティターゲティングとトレーディング
- +1 more
Modern ML for Trading
The full gradient-boosting-to-neural-operator toolkit — ensembles, AutoML, probabilistic forecasting, distillation and pruning for latency, plus physics-informed architectures like Neural ODEs and Fourier operators.
- 01リターン方向予測の XGBoost ：クラス不均衡と決定しきい値
- 02アンサンブル手法: 弱い学習器を組み合わせて堅牢なアルファを実現する
- 03システマティック取引パイプラインのための AutoML
- 04Multi-Task Learning for Simultaneous Price, Volume, and Volatility Prediction
- +11 more