ラボ · B · クロスセクショナル・ランキング
「どの銘柄が他より良い成績を出すか」という問いに答えるモデルの内部結果。
特徴量の重要度
これは何か: モデルの判断における各特徴量の割合: モメンタム、リバーサル、ボラティリティ、出来高、残差リターンの合計、セクター相対モメンタム、グラフの先行スコア。
どのデータに基づくか: 選択した実行の engineB 結果。最後の walk-forward フォールドにおける勾配ブースティング木モデルの分散減少。ridge 係数は同じ特徴量に対する線形モデルの符号です。
何を示すか: 選択した期間における特徴量の相対的な重要度。
そこから何が言えるか: 21日期間で、単一の特徴量（12か月モメンタム）が負の係数で支配的なのは、モデルが残差リターンの構成そのものに組み込まれた機械的な反転を学んでしまった兆候です。パフォーマンス画面の「残差 / 生リターン」の表で確認してください。
情報係数
これは何か: 各日について、モデルの予測順位と実現した残差リターンの順位との Spearman 相関。破線は平均です。
どのデータに基づくか: 選択した実行の engineB 結果。walk-forward のテストウィンドウの予測のみ。
何を示すか: 日次情報係数のバー、その平均、t 統計量、日数。
そこから何が言えるか: 小さな正の平均（0.02〜0.05）が現実的です。非常に大きな値（0.2 など）は、まずリークやアーティファクトを疑うべきことを示します。このアプリケーションでは、そのような値の原因は残差リターンの定義にあります。
ここで提供される投資に関する情報、コメント、推奨は投資顧問業務の範囲に含まれません。投資顧問業務は、顧客と証券会社、ポートフォリオ運用会社、または預金を受け入れない銀行との間で締結される投資顧問契約に基づいて提供されます。ここでのシグナルは統計モデルにより過去データから生成され、すべての利用者に同じ内容で示されるもので、個別化されていません。あなたの財務状況やリスク・リターンの選好に合わない可能性があります。したがって、ここで提供される情報のみに基づいて投資判断を行った場合、期待に沿う結果が得られないことがあります。