AllocFlowがポートフォリオトレーディングのためのエンドツーエンドAIを導入
新しいAIフレームワークであるAllocFlowが、マルチアセット市場データから直接ポートフォリオの共同割り当てを生成することでポートフォリオ管理を革新するために導入されました。この研究は2026-11-17に発表され、arXiv (2611.19937)に掲載され、GitHubでのオープンソースの実装によってサポートされています。この研究は、トレーディングシステムの設計とパフォーマンスにおける大きな進展を示しています。
革新的なエンドツーエンドフレームワーク
AllocFlowは、信号予測とポートフォリオ構築を分離する従来のトレーディングパイプラインの主要な制限を解決します。これにより、目標が不整合になる可能性があります。その代わりに、AllocFlowは、生の一時間ごとの市場データを処理し、すべてのポートフォリオ金融商品に対して連続的に、サイン付きのポジションウエイトを同時に生成するために、クロスアセットフロートランスフォーマーを使用します。このアプローチにより、共有資本制約の下で協調的で最適化されたアロケーションの決定が保証されます。
二段階トレーニングプロセス
このフレームワークは、連続的なアロケーションポリシーの学習における非効率性を克服するために、二段階のトレーニングスキームを利用します。最初の段階、戦略監督模倣では、因果関係のあるアルファ戦略を模倣することで、候補ポートフォリオの構造化分布を確立します。第二の段階、グループ相対強化学習(Flow-GRPO)は、次の24時間バーで市場状態ごとに八つの候補ブックをサンプリングし、評価することによってこれらのポートフォリオを洗練します。この洗練プロセスは、ポートフォリオレベルの金融報酬を最適化しつつ、凍結された参照ポリシーを通じて安定性を維持します。
パフォーマンスメトリクス
一時間ごとの暗号通貨の無期限先物において、AllocFlowは注目すべきパフォーマンスの向上を示しました。強化学習の洗練により、模倣ポリシーの年率換算ネットリターンが27.79%から51.38%に増加し、Calmar比率は0.955から4.043に上昇しました。6ヶ月の未見の2026データに対して、AllocFlowは再トレーニングなしで4.90のCalmar比率を達成し、すべてのメトリクスで教師戦略を上回りました。
オープンソースの利用可能性
AllocFlowフレームワークはGitHubでオープンソースプロジェクトとして利用可能です(https://github.com/allocflow/AllocFlow)。これにより、研究者や実務者がその機能を探求し、実装することができます。プロジェクトには、詳細なドキュメント、プロジェクトページ、およびその方法論と結果を概説する説明ビデオが含まれています。
先進的な機械学習技術をエンドツーエンドのポートフォリオ最適化と統合することで、AllocFlowはアルゴリズミックトレーディングとポートフォリオ管理の分野で大きな前進を表しています。