01機械学習技術
- 金融データ構造
- 非構造化金融データセットを整然としたバー（ティック、ボリューム、ドルバー等）や革新的な情報駆動構造に変換する先進システム。
- ラベリング技術
- トリプルバリア、メタラベリング、トレンドスキャニング、テイルセット、マトリックスフラグ等、多様な金融データラベリング手法。
- 特徴量エンジニアリング
- 市場マイクロストラクチャ分析や分数微分特徴量など、ドメイン知識を活用して生データをモデル特徴量に変換する高度な技術。
テクノロジースタック
MarketMaker.ccの技術体系
- C++
- Golang
- Rust
- Python
- Pytorch
- TypeScript
- Elixir
- ClickHouse
- QuestDB
- DuckDB
- PostgreSQL
- Hasura
- GraphQL
- gRPC
- Websocket
- OpenAPI
-
-
02ポートフォリオ最適化技術
- クリティカルラインアルゴリズム
- 従来の平均分散法の制約を超え、資産ウェイトの上下限を精密に設定できる高度なポートフォリオ最適化技術。
- 平均分散最適化
- 逆分散、最小ボラティリティ、最大シャープ比など、目的・制約をカスタマイズ可能なクラシックなポートフォリオ構築法。
- エントロピープーリング
- 非線形な市場観を指定し、従来のリターンモデルを超えて事後分布を生成する先進的手法。
- シュリンケージ手法
- 共分散行列のノイズを低減し、最適化の堅牢性を高める専門技術。
- 階層的リスクパリティ
- リスク特性に基づき資産をグループ化するための階層的クラスタリングを用いた最先端の最適化アルゴリズム。
- ブラック＝リターマンモデル
- CAPMとベイズ統計を組み合わせた効率的な資産配分フレームワーク。
- ロバストベイズ配分
- 事前市場パラメータ仮定に基づき、ベイズ効率フロンティア上で堅牢なポートフォリオを生成する高度なアルゴリズム。
- ノイズ除去・デトーニング
- 共分散構造のノイズを情報損失なく効率的に除去する高度な行列最適化手法。
-
03アービトラージ戦略
- 距離アプローチ
- シンプルかつ透明性の高いペアトレード戦略で、大規模な実証研究に最適。
- 共積分アプローチ
- 計量経済学的に均衡関係を持つペアを特定し、統計的アービトラージに活用。
- 時系列アプローチ
- 従来の共積分法を超え、平均回帰過程の時系列モデリングを活用した高度な取引ルール。
- 確率制御アプローチ
- スプレッド予測や形成期間を必要とせず、確率過程で最適取引ルールを導出する先進的手法。
- 機械学習アプローチ
- 多様な統計的アービトラージ技術と機械学習アルゴリズムを統合し、戦略生成力を強化。
-
04カスタム取引ソリューション
- タイムマシン端末
- OHLCV、板情報、ティックデータを同時再生できる高度なスキャルピング端末。
- ProfitMaker.ccフレームワーク
- カスタムモジュールのシームレスな統合をサポートするコンポーネントベースのオープンソース取引端末。
- カスタム端末開発
- 特定戦略や資産クラス、機関ニーズに合わせたエンドツーエンド開発・サポートサービス。
-
05AI Tools
- AI戦略ビルダー
- AIで戦略を構築・最適化・バックテストできる革新的プラットフォーム。プログラミング不要。
- バックテストフレームワーク
- 本番運用前に過去データで戦略をシミュレーションし、パフォーマンスを評価する強力なシステム。
-
06マーケットメイキング強化学習
- 強化学習モデル開発
- オンチェーンマーケットメイキングのための強化学習モデル開発（DQNやAvellaneda-Stoikov等）。
- 報酬関数エンジニアリング
- 利益目標とリスク管理を両立するカスタム報酬関数設計で最適な取引成果を実現。
- 高遅延適応
- 高頻度戦略を高遅延オンチェーン環境で効率的に運用するための専門技術。
- リサーチ統合
- クオンツ、強化学習、DeFi分野の新トレンドを継続的に統合し競争優位を維持。