AIヘッジファンドの全構成をOSS公開

Lumina Capitalの以前の版はLangGraph、Qlib Alpha158、Google TimesFMを組み合わせたもので、awesome-quantリポジトリのTrading & Backtestingセクションに採用された。この認められたことが、開発者が概念実証の段階を超え、Interactive Brokersとのライブブローカー接続や厳格なリスク管理の統合へ進む後押しになったとみられる。

システム設計には、推論を担うPython層と低遅延実行を担うRust層を意図的に分ける方針が表れている。Rustセンチネルは単一ポジションのチェックで3.63ナノ秒、1,000ポジションで3.62マイクロ秒とベンチマークされ、SQLite FTS5メモリエンジンは外部ベクトルデータベースや埋め込みAPIなしで過去の取引教訓を約0.3ミリ秒で取得する。こうした選択は、急な相場変動時にストップロス判断を遅らせかねない遅延に対処するものだ。

金融面では、出来高クロックサンプリング、オーダーフローインバランス、Amihud非流動性比率、半正定値投影を用いたHayashi-Yoshida共分散、階層型リスクパリティを併用したハーフケリーサイジング、Black-Scholesガンマエクスポージャーという6つの確立された定量モデルを組み込んでいる。報告された5年間のバックテストは2020年のコロナ後ボラティリティと2022年の利上げ局面を対象とし、最大ドローダウン-12.1%について開発者はRustセンチネル、HRP分散、そして言語モデルが生のファクター値を解釈する方法を制約するオントロジー辞書の成果だとしている。