概要：

• 5 つの資産で構成されるリサーチ用ポートフォリオを用いて、AiLA のアロケーション・プロセスを示します。
• このポートフォリオは、AiLA の指数手法 [Method] に従い、いつでも資産のロングまたはショートのアロケーションを持つことができます。
  [Method]: Products - Methodology , https://www.ailaindices.com/strategies.php
• このケーススタディでは、次の問いに取り組みます。
  • 特定の時点で、ある資産のロング／ショートのアロケーションを決めるものは何か？
  • 投資したポジションのエグジットの機会を決めるものは何か？
  • 所与の資産にどれだけ配分するかを決めるものは何か？

アセット・アロケーションの判断

• ML モデルを用いて、資産ごとのレベルでアロケーションの機会を特定します。例えば、WTI の 3 月限と 12 月限は別々にモデル化します。
• ロングまたはショートのアロケーション・シグナルを生成し、エントリーとエグジットのタイミングは個々の資産の期待リスク／リワードに応じて決まります。

エントリーの判断

• アセット・アロケーションのエントリーは、ML モデルがロングまたはショートのアロケーションについて有利なリスク／リワードの機会を予測することで決まります。
• ML モデルの予測は、ファンダメンタル・データと市場価格データの両方から生成した特徴量に基づきます。例えば、次のようなデータを含みます。
  • 季節性：月、年、年内の週／営業日。
  • 価格：さまざまな限月と市場の始値／終値／高値／安値。
  • ファンダメンタル：コモディティの生産量／輸入量／在庫量、マクロ指数、為替レート、CFTC の建玉明細報告（Commitments of Traders）。

エグジットの判断

• アロケーションは、次のエグジット条件のいずれかを満たすまで維持されます。
• 1. これ以上投資を続けても機会がほとんどないと予想される。
• 2. 投資開始からリスク目標に達する。
• 3. 投資開始からリワード目標を達成する。
• 4. 特徴量データを用いたモデルから、反対方向の機会のシグナルを受け取る。
• 上記のうち、特徴量データに依存するのはエグジット条件 (4) のみです

例：金 6 月限 (CME) - ロングのアロケーション

2022-04-13：エントリーの判断

• 38 の特徴量に基づき、有利なリスク／リワードを予測

（* CFTC CoT NCNC = CFTC 建玉明細報告（Commitments of Traders）の非商業部門ネット枚数）

2022-04-21：エグジットの判断

• 投資開始からリスク目標に到達

ポートフォリオのアロケーション・ウェイト

• ポートフォリオのウェイトは、ポートフォリオ全体のアロケーションに対する比率で表します。
• 上流の資産レベルのアロケーション機会のシグナルに基づき、ポートフォリオ手法によって決定されます。
• ポートフォリオの例：大豆 7 月限、銅 6 月限、金 6 月限、TTF カレンダー物、WTI 6 月限。
• ポートフォリオの目標：資産ごとに均等な 20% のウェイト。ただし、資産のウェイトは最大 100% まで許容します。

機会に応じたアロケーション

• 2022-03-23：金、銅、大豆にアロケーションの機会があり、ウェイトが 20% を超えて引き上げられた結果、システムは資本の 94.1% を配分しました。
• 2022-05-16：アロケーションの機会があったのは TTF のみでしたが、流動性の制約により 20% のウェイトを取れず、システムは資本の 6% を配分しました。
• 2022-05-17：TTF の機会が終了し、システムは TTF の 6% のロング・ウェイトからエグジットすると判断しました。

機会の数の変動

• アクティブな資産の数が多い（少ない）期間には、個々のウェイトは小さく（大きく）なる傾向があります。