Insider Political Alpha MCP Server

インサイダー政治アルファ MCP サーバー

ApifyForge で見る | Apify Store で使う

---

クイックスタート

MCP クライアント（Claude Desktop、Cursor、Windsurf）に追加します。

{
  "mcpServers": {
    "insider-political-alpha-mcp": {
      "url": "https://ryanclinton--insider-political-alpha-mcp.apify.actor/mcp"
    }
  }
}

---

インサイダーによる政治関連取引シグナルを検出します。この MCP サーバーは、議会の株式取引開示、SEC のインサイダー申告、選挙資金記録、連邦契約データに対して、機関投資家水準の統計アルゴリズムを 6 種類適用し、スコア付きの分析結果を MCP 互換 AI クライアントにリアルタイムで返します。生データのフィードだけでは不十分なクオンツ研究者、コンプライアンスチーム、政治情報アナリスト向けに構築されています。

サーバーは Apify のスタンバイモードで稼働し、/mcp エンドポイントで MCP プロトコルを介して 8 つのツールを提供します。各ツール呼び出しでは、3～10 個の Apify データアクターを並列で実行し、結果を集約してから、バイバリエート Hawkes 過程、Fama-French イベントスタディ、Ziv-Merhav 転送エントロピー、クロスリカレンス定量分析、差分の差分法、媒介中心性の 1 つ以上の検出アルゴリズムを実行します。その後、合成 0～100 アルファスコア、リスクレベル、平易な英語による分析結果を含む構造化 JSON レスポンスを返します。Bloomberg の契約も、Capitol Trades のアカウントも、手作業でのデータ結合も不要です。

どのようなデータを抽出できますか？

データポイント	ソース	例
📊 時間的一致スコア	バイバリエート Hawkes 過程	74 / 100 (励起率 0.37)
📈 累積異常リターン（CAR）	Fama-French + 政治ファクター	[-5, +30] 日の期間で +8.3%
🔗 情報フローネットワークのエッジ	Ziv-Merhav 転送エントロピー	"エネルギー法案 → XOM 取引 (TE=0.81)"
💸 寄付と取引の連携スコア	クロスリカレンス定量分析	DET=0.62, LAM=0.54, スコア=58/100
🏛️ 契約予測 DiD 推定量	差分の差分法	落札前の超過買付 delta=+$42,000
🕸️ 情報ブローカーの媒介中心性	Brandes 中心性アルゴリズム	0.412（議員ネットワークの上位 3%）
⚠️ 合成アルファスコア	6 種類のアルゴリズムをすべて組み合わせ	81 / 100、リスクレベル：CRITICAL
📋 フラグが付いた取引とイベントのペア	Hawkes 励起カーネル	ラグ=3.0 日、励起寄与=0.847
📉 政治ベータの t 統計量	OLS 回帰、政治ファクター	t=2.84（有意、p < 0.05）
🏢 主要な情報ブローカー	二部グラフ射影 + BFS	議員名、スコア、関連企業
📜 議会の生の取引データ	Congress Stock Tracker	議員、ティッカー、種別、金額、日付
💰 選挙資金の寄付記録	FEC 選挙資金データ	寄付者、受取人、金額、選挙サイクル

Insider Political Alpha MCP Server を使用する理由

議会の株式取引開示情報を、Federal Register の規則制定活動、FEC の献金の時系列、USAspending の契約落札情報と手作業で照合するには、議員1人あたり数週間かかります。CapitolTrades のような無料ツールでは、統計的検定のない生の取引情報しか確認できません。Quiver Quant のような有料プラットフォームは月額50～200ドルかかり、カスタムアルゴリズムへのアクセスやプログラムによる API 利用もできません。

この MCP サーバーは、パイプライン全体を自動化します。13のデータソースからのデータ収集を並列実行し、統合したデータセットに対して6つの検出アルゴリズムを実行して、スコア付きの検出結果と人が読みやすいアラートを構造化 JSON で返します。Claude、Cursor、または MCP 互換クライアントから、ツールを1回呼び出すだけで利用できます。

• スケジュール設定 — 毎日または毎週、定期スキャンを実行し、議会会期や決算発表の時期を追跡できます
• API アクセス — Apify API を使用して、Python、JavaScript、または任意の HTTP クライアントから分析を開始できます
• 並列データ収集 — ツールの1回の呼び出しにつき、最大10個のアクターを同時に実行して、レイテンシを削減します
• モニタリング — 実行に失敗した場合や、CRITICAL レベルのシグナルが生成された場合に、Slack またはメールでアラートを受け取れます
• 連携 — 検出されたシグナルを Zapier、Make、Google Sheets、HubSpot、または Webhook に送信できます

機能

• 最尤推定フィッティングを用いた二変量 Hawkes 過程 — 200回の反復勾配降下法により、政治イベント系列と取引系列間の交差励起 alpha_12 および減衰 beta_12 を推定し、励起割合、分岐比、定常性チェックを報告します
• 政治因子を用いた Fama-French イベントスタディ — 3因子モデル（市場、SMB、HML）に政治指標変数を追加し、[-5, +30]日の期間における累積異常リターンを計算します。t 統計量が2.0を超えると、有意性フラグが立ちます
• Ziv-Merhav 転送エントロピーネットワーク — 三分位数の閾値を使い、リターン系列を3区分の記号系列に離散化します。一方の系列から構築した辞書を使ってもう一方の系列を解析し、正規化した交差解析複雑度を重みとする有向エッジを構築して、主要な情報フローチャネルをランク付けします
• 交差再帰定量化分析（CRQA） — 次元=2、遅延=1で献金額系列と取引額系列を位相空間に埋め込み、距離分布の10パーセンタイルを epsilon として交差再帰行列を計算します。DET、LAM、シャノンエントロピー、および Coordination Score = DET x LAM x (1 - entropy/max_entropy) を出力します
• 契約の予測に関する差分の差分分析 — 議員を処置群（指名された委員会のメンバー）と対照群に分け、契約落札前60日間の期間における、売買方向を考慮した取引額の超過分を測定します。平行トレンドの検証テストも含まれます
• 媒介中心性によるブローカー検出 — 議会取引と FEC 献金の二部グラフの射影から構築した、議員の単部グラフに Brandes の BFS アルゴリズムを適用します。(n-1)(n-2)/2 で正規化し、媒介中心性に異常リターン相関を掛けて Broker Score を算出します
• 5段階のリスクレベルによる複合アルファスコアリング — 全アルゴリズムの加重アンサンブル（時間的一致度30%、情報フロー20%、媒介性20%、献金・取引 CRQA 15%、契約予測15%）を使用し、CRITICAL / HIGH / ELEVATED / MODERATE / LOW を出力します
• 並列アクターオーケストレーション — runActorsParallel は最大10個の Apify アクターを同時に呼び出します。各アクターには独立した120秒のタイムアウトと256 MBのメモリが割り当てられます
• 登録済み MCP ツール8個 — 各ツールは従量課金制で個別に課金され、アクターを呼び出す前に支出上限を確認します
• 上流データソース13件 — Congress Stock Tracker、SEC Insider Trading、FEC Campaign Finance、Federal Register Search、Congress Bill Search、USAspending、SAM.gov、Finnhub、FRED（DTB3、SP500、VIXCLS）、EDGAR Filing Search、EDGAR Analyzer、OpenCorporates、Company Deep Research

十分な情報に基づく取引シグナル検出のユースケース

定量的な調査とアルファの生成

議会関連のアルファを追跡するクオンツファンドや個人投資家は、体系的なスクリーニングのワークフローの一環として、detect_informed_trading または profile_legislator_alpha を呼び出せます。ホークス励起比率とファマ＝フレンチの t 統計量は、政治ファクターモデルの構築に役立つ、統計的根拠に基づいたシグナルを提供します。alpha_12、beta_12、CAR、t-stat などの全パラメーター出力は、Python または R の後続の計量経済学パイプラインに直接渡せます。

コンプライアンスと倫理のモニタリング

立法府の倫理担当部門、法律事務所、企業のコンプライアンスチームは、広範な STOCK Act スクリーニングに generate_alpha_signal_report を実行できます。CRITICAL レベルの複合スコアは、より詳細な調査が必要な状況を特定します。すべての応答には、文書化のためにデータ件数、アルゴリズムのパラメーター、検出結果の文字列を含む完全な監査証跡が含まれます。

調査報道と政治研究

インサイダー取引疑惑を調査するジャーナリストやシンクタンクは、profile_legislator_alpha を呼び出すことで、特定の議員に関する完全な統計的調査資料を作成できます。取引のタイミング、異常リターン、寄付のパターン、ネットワーク上の位置を単一のツール呼び出しで網羅できます。構造化された JSON 出力は、文書管理や証拠のワークフローに直接統合できます。

政府契約に関するインテリジェンス

防衛関連企業、ロビイスト、連邦市場のアナリストは、detect_contract_anticipation を呼び出して、特定の調達カテゴリを管轄する委員会の委員が、契約発表前の 60 日間に過剰な買い付け行動を示したかどうかを検証できます。DiD 推定量は、平行トレンドの検証とともに処置効果を定量化します。

政治リスクと ESG 分析

ESG のマンデートを持つ資産運用会社や政治リスク部門は、map_information_flow を使って、特定のセクターに情報を伝える情報チャネルのうち、どの規制当局や立法委員会が最も高いエントロピーを生み出しているかを特定できます。これにより、手作業でイベントスタディのコードを記述することなく、セクター配分に政治リスクのオーバーレイを構築できます。

学術研究と政策研究

市場のミクロ構造や政治経済学を研究する経済学者は、後続の統計分析に使えるよう、生のホークス・パラメーター、移送エントロピーのエッジ重み、CRQA 指標、DiD 推定量に各応答から直接アクセスできます。要約フラグだけでなく、中間パラメーター一式が常に返されます。

Insider Political Alpha MCP Server の使用方法

1. MCP クライアントを接続する — https://insider-political-alpha-mcp.apify.actor/mcp を Claude Desktop、Cursor、または MCP 対応クライアントの設定に追加します。Authorization ヘッダーのベアラートークンとして、Apify API トークンを指定します。
2. ツールを選択する — 特定の議員については profile_legislator_alpha、セクターの広範なスクリーニングには generate_alpha_signal_report、特定の調達に関するクエリには detect_contract_anticipation から始めます。
3. 並列データ収集を待つ — サーバーは複数のアクターを同時に実行します。上流ソースから収集するデータ量によりますが、ほとんどのツール呼び出しは 2～5 分で完了します。
4. スコア付きの出力を確認する — 結果は、複合スコア、リスクレベル、構成スコア、平易な英語による検出結果を含む構造化 JSON として返されます。必要に応じて、分析パイプラインにエクスポートまたは転送してください。

入力パラメーター

この MCP サーバーはアクターレベルの入力を受け付けません。Apify Standby モードで動作し、すべての入力を MCP ツール呼び出しから受け取ります。入力スキーマは意図的に空になっています。ツール入力は、以下のリファレンステーブルにツールごとに記載されています。

ツール入力リファレンス

ツール	パラメーター	型	必須	説明
detect_informed_trading	legislator	string	いいえ	議員名で絞り込みます
detect_informed_trading	company	string	いいえ	会社名またはティッカー
detect_informed_trading	query	string	いいえ	一般的な検索語
compute_abnormal_returns	company	string	はい	分析対象の会社名またはティッカー
compute_abnormal_returns	ticker	string	いいえ	株式ティッカーシンボル
compute_abnormal_returns	legislator	string	いいえ	議員名で政治関連イベントを絞り込みます
map_information_flow	query	string	いいえ	イベントを絞り込む検索クエリ
map_information_flow	legislator	string	いいえ	特定の議員に焦点を当てます
analyze_donation_trade_correlation	legislator	string	いいえ	分析対象の議員
analyze_donation_trade_correlation	company	string	いいえ	分析対象の会社または寄付者
analyze_donation_trade_correlation	query	string	いいえ	一般的な検索語
detect_contract_anticipation	contract_query	string	はい	契約のキーワード、機関名、または請負業者名
detect_contract_anticipation	committee_members	string[]	いいえ	処置群に属する委員会メンバーの名前
identify_information_brokers	query	string	いいえ	議員、会社、またはセクターで絞り込みます
profile_legislator_alpha	legislator	string	はい	プロファイリングする議員名
profile_legislator_alpha	company	string	いいえ	特定の会社に分析の焦点を当てます
generate_alpha_signal_report	focus_sector	string	いいえ	セクターの焦点（例：「defense」、「healthcare」）
generate_alpha_signal_report	time_period	string	いいえ	期間の説明（例：「last 90 days」）

ツール呼び出しの例

特定の議員のプロファイリング（最も一般的なユースケース）：

{
  "tool": "profile_legislator_alpha",
  "arguments": {
    "legislator": "Jane Harrington",
    "company": "Raytheon"
  }
}

アルファシグナルを広範なセクターでスクリーニングする：

{
  "tool": "generate_alpha_signal_report",
  "arguments": {
    "focus_sector": "defense",
    "time_period": "last 90 days"
  }
}

特定の契約受注に関する契約予測：

{
  "tool": "detect_contract_anticipation",
  "arguments": {
    "contract_query": "Lockheed Martin F-35 depot maintenance",
    "committee_members": ["Jane Harrington", "Robert Kellner"]
  }
}

ツールのヒント

• まず generate_alpha_signal_report を実行します — 広範な調査により、議員ごとの詳細な分析に進む前に、スコアの高い議員や会社を見つけられます
• profile_legislator_alpha に会社名を組み合わせます — legislator と company の両方を指定すると、調査に最も関連する株式を対象にファマ＝フレンチのイベントスタディを実施できます
• detect_contract_anticipation には committee_members を指定します — 委員会メンバー名を指定しない場合、処置群と対照群に分けられず、差分の差分（DiD）推定量は退化した結果を返します
• generate_alpha_signal_report にはセクターのキーワードを使います — 「healthcare」、「semiconductor」、「energy」などの用語は、上流の10個すべてのアクタークエリに同時に反映されます
• 広範な調査を始める前に支出上限を設定します — profile_legislator_alpha と generate_alpha_signal_report はそれぞれ8～10個のアクターを実行します。開始前に Apify Console で実行ごとの予算を設定してください

出力例

{
  "legislator": "Jane Harrington",
  "company": "Raytheon Technologies",
  "compositeAlphaScore": 81,
  "riskLevel": "CRITICAL",
  "componentScores": {
    "temporalCoincidence": 74,
    "abnormalReturnSignal": 88,
    "informationFlow": 62,
    "donationTradeCorrelation": 71,
    "brokerageRank": 0.412
  },
  "findings": [
    "Observation window: 312 days, 18 political events, 9 trades",
    "Cross-excitation alpha_12=0.8231, decay beta_12=0.1142",
    "Excitation fraction: 37.4% of trading is politically excited",
    "ALERT: Very high political excitation — strong informed trading signal",
    "Political beta: 0.000412, t-stat: 2.841",
    "SIGNIFICANT: t-stat 2.84 > 2.0 — abnormal returns around political events",
    "Positive political beta: stocks rise around political events — potential informed buying",
    "Mean CAR over 4 event windows: +8.34%",
    "HIGH COORDINATION: Donation and trading patterns are strongly coupled"
  ],
  "dataCounts": {
    "congressionalTrades": 9,
    "federalRegisterEntries": 11,
    "congressBills": 7,
    "campaignDonations": 22,
    "stockPricePoints": 43,
    "insiderTrades": 8,
    "edgarFilings": 3
  },
  "rawTrades": [
    {
      "member": "Jane Harrington",
      "ticker": "RTX",
      "transactionType": "Purchase",
      "amount": 50000,
      "transactionDate": "2025-09-04"
    }
  ]
}

出力フィールド

フィールド	型	説明
compositeAlphaScore	number	6つすべてのアルゴリズムを対象とした加重アンサンブルスコア（0～100）
riskLevel	string	CRITICAL / HIGH / ELEVATED / MODERATE / LOW
componentScores.temporalCoincidence	number	Hawkes 過程によるスコア（0～100）
componentScores.abnormalReturnSignal	number	Fama-French の t 統計量によるスコア（0～100）
componentScores.informationFlow	number	移転エントロピーネットワークによるスコア（0～100）
componentScores.donationTradeCorrelation	number	CRQA 協調指標によるスコア（0～100）
componentScores.brokerageRank	number	媒介中心性（正規化済み、0～1）
findings	string[]	平易な英語による調査結果、アラート、統計的要約
hawkesParameters.crossExcitation	number	alpha_12：交差励起係数
hawkesParameters.crossDecay	number	beta_12：指数減衰率
hawkesParameters.excitationFraction	number	政治イベントに起因する取引の割合
hawkesParameters.logLikelihood	number	最終的な最尤推定（MLE）の対数尤度値
flaggedPairs[]	object[]	励起への寄与度順に並べた、取引とイベントの上位20組
flaggedPairs[].lagDays	number	政治イベントから取引までの日数
flaggedPairs[].excitationContrib	number	そのラグにおける Hawkes カーネルの寄与度
cumulativeAbnormalReturn	number	政治イベント前後の [-5, +30] 期間における CAR
tStatistic	number	政治要因の係数に対する t 統計量
significant	boolean	t 統計量が 2.0 を超える場合は True
eventWindows[]	object[]	イベントごとの事前リターン、事後リターン、異常リターンの内訳
informationFlow.topChannels	object[]	ネットワーク内で TE が最も高い有向エッジ
informationFlow.networkDensity	number	移転エントロピーグラフのエッジ密度
crqaMetrics.determinism	number	DET：リカレンス行列における対角線の割合
crqaMetrics.laminarity	number	LAM：リカレンス行列における垂直線の割合
crqaMetrics.entropy	number	対角線の長さの分布におけるシャノンエントロピー
coordinationScore	number	DET x LAM x (1 - entropy/maxEntropy)
didEstimator	number	DiD デルタ：受賞前における処置群の超過符号付きリターン
parallelTrendsTest	boolean	受賞前のトレンドが十分に平行な場合は True
anticipationScore	number	正規化された契約予測シグナル（0～100）
topBrokers[]	object[]	媒介中心性スコア順に並べた議員
networkStats	object	ノード、エッジ、密度、連結成分
dataCounts	object	各上流アクターから返されたレコード数

インフォームド取引シグナルの検出にはいくらかかりますか？

Insider Political Alpha MCP Server はイベントごとの従量課金を採用しており、ツールの呼び出しごとに定額料金が発生します。プラットフォームのコンピューティングコストと上流アクターのコストが含まれています。

ツール	呼び出されるアクター数	1回あたりの概算コスト
detect_informed_trading	4	~$0.08
compute_abnormal_returns	4	~$0.08
map_information_flow	4	~$0.08
analyze_donation_trade_correlation	3	~$0.06
detect_contract_anticipation	4	~$0.08
identify_information_brokers	3	~$0.06
profile_legislator_alpha	8	~$0.16
generate_alpha_signal_report	10	~$0.20

実行ごとに最大利用額を設定して、コストを管理できます。サーバーは各ツール呼び出しの前に利用上限を確認し、上限に達した場合は明確なメッセージを返します。

Quiver Quant Premium は月額 $50、Capitol Trades Pro は月額 $99 ですが、この MCP サーバーなら、ほとんどの調査セッションをサブスクリプション契約なしで $5 未満で実行でき、すべてのパラメーターにアクセスして、プログラムで処理できる出力を得られます。

API 経由で Insider Political Alpha MCP Server を使用する

Python

from apify_client import ApifyClient

client = ApifyClient("YOUR_API_TOKEN")

# Start the MCP server in Standby mode
run = client.actor("ryanclinton/insider-political-alpha-mcp").start(run_input={})

# Connect your MCP client to the actor Standby URL
# Format: https://insider-political-alpha-mcp.apify.actor/mcp?token=YOUR_API_TOKEN
print(f"MCP server started: run ID {run['id']}")
print("Connect to: https://insider-political-alpha-mcp.apify.actor/mcp")

JavaScript

import { ApifyClient } from "apify-client";

const client = new ApifyClient({ token: "YOUR_API_TOKEN" });

// Call a tool directly via HTTP MCP protocol
const response = await fetch(
  "https://insider-political-alpha-mcp.apify.actor/mcp?token=YOUR_API_TOKEN",
  {
    method: "POST",
    headers: { "Content-Type": "application/json" },
    body: JSON.stringify({
      jsonrpc: "2.0",
      id: 1,
      method: "tools/call",
      params: {
        name: "profile_legislator_alpha",
        arguments: {
          legislator: "Jane Harrington",
          company: "Raytheon"
        }
      }
    })
  }
);

const result = await response.json();
const output = JSON.parse(result.result?.content?.[0]?.text || "{}");
console.log(`Alpha score: ${output.compositeAlphaScore} — ${output.riskLevel}`);
console.log(`Findings: ${output.findings?.slice(0, 3).join("; ")}`);

cURL

# Call the MCP server directly via the Standby endpoint
curl -X POST "https://insider-political-alpha-mcp.apify.actor/mcp?token=YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
      "name": "generate_alpha_signal_report",
      "arguments": {
        "focus_sector": "defense",
        "time_period": "last 90 days"
      }
    }
  }'

# Or start a normal actor run (exits after health-check in non-Standby mode)
curl -X POST "https://api.apify.com/v2/acts/ryanclinton~insider-political-alpha-mcp/runs?token=YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{}'

Insider Political Alpha MCP Server の仕組み

フェーズ 1：並列データ収集

ツール呼び出しを受け取ると、サーバーは runActorsParallel を介して Promise.all を使用し、3～10 個の Apify アクターを並列で実行します。各アクター呼び出しには 120 秒のタイムアウトと 256 MB のメモリが割り当てられます。エラーは個別に処理され、タイムアウトまたはエラーが発生したソースについては空の配列が返され、届いたデータを使って分析が続行されます。

13 個の上流アクターが対象とするデータは、議会議員の株式取引開示（Congress Stock Tracker）、SEC Form 4 のインサイダー取引届出（SEC Insider Trading）、FEC の献金記録（FEC Campaign Finance）、Federal Register の規則制定項目（Federal Register Search）、提出法案（Congress Bill Search）、契約の落札情報（USAspending + SAM.gov）、株価時系列（Finnhub）、マクロ経済要因（FRED：DTB3、SP500、VIXCLS）、EDGAR の企業提出書類（EDGAR Filing Search + EDGAR Analyzer）、企業記録（OpenCorporates）です。

フェーズ 2：統計的シグナル検出

組み立てられたデータセットは、scoring.ts に実装された 6 つのアルゴリズムのうち 1 つ以上に渡されます。

Hawkes 過程 — すべてのデータ型にわたる異種フィールド（date、transactionDate、filingDate、publishedDate、actionDate）からタイムスタンプを抽出し、最も古い観測値からの日数に正規化したうえで、非負制約のもと、学習率 0.001 で 200 回反復する MLE 勾配降下法により適合させます。交差励起率 F = (alpha_12 / beta_12) / total_intensity は、取引のうち「政治的に励起された」割合を示します。60 日間のウィンドウ内にある、カーネル寄与度が 0.05 を超える取引イベントのペアを、励起寄与度順に並べたフラグ付きペアとして提示します。

Fama-French イベントスタディ — Finnhub の終値から日次価格リターンを算出します。リスクフリーレートは FRED DTB3 から取得し、利用できない場合は年率 5% をデフォルト値とします。政治的指標変数を用いた OLS 回帰により、アルファ、市場ベータ、政治的ベータ係数を推定します。CAR は、各政治イベントの日付を中心とする [-5, +30] 日間のウィンドウで累積されます。t 統計量が 2.0 を超えると有意性フラグが立ちます。政治的ベータが正の場合、情報に基づく買い付けの可能性を示します。

移転エントロピー — 時系列は、三分位数のしきい値を使って 3 ビンの記号列に離散化されます。Ziv-Merhav のクロスパース複雑度推定器は、一方の系列から（最大長 10 の）部分文字列の辞書全体を作成し、もう一方を貪欲にパースします。系列の長さに対する句の数が少ないほど、共有情報が多いことを示します。正規化された TE 値が有向エッジの重みとなり、主要な情報フローチャネルを提示するためにエッジを順位付けします。

CRQA — 寄付額と取引額の系列を z スコア正規化した後、Takens の遅延埋め込みを使って、次元 2、遅延 1 で位相空間に埋め込みます。すべてのペアワイズ距離の 10 パーセンタイルを epsilon として、交差再帰行列 CR(i,j) = Theta(epsilon - ||x_i - y_j||) を構築します。DET は、長さが 2 以上の対角線上にある再帰点を、再帰点の総数に対する割合として数えます。LAM は、垂直線上の点を数えます。対角線の長さの分布に対するシャノンエントロピーを算出します。協調スコア = DET x LAM x (1 - entropy/max_entropy) です。

差の差法 — 複数のデータソースにある議員名フィールドと committee_members を文字列照合し、取引を処置群（委員会の指名メンバー）と対照群に分けます。受賞前の 60 日間と受賞後の 30 日間のウィンドウで、取引の平均符号付き価値（購入は正、売却は負）を算出します。DiD 推定量 delta = treatment_delta - control_delta です。平行トレンド検定では、受賞前のトレンドの乖離が対照群平均の 10% 未満かどうかを確認します。

媒介中心性 — 議員と企業間の取引エッジ、および寄付者と受取人間の寄付エッジから二部グラフを構築します。共有企業の隣接関係を介して、グラフを単一モードの議員ネットワークに射影します。Brandes の BFS ベース媒介アルゴリズムにより、(n-1)(n-2)/2 で正規化して全ノードの正確な中心性を算出します。ブローカースコア = betweenness x (1 + abnormal_return_correlation) です。

フェーズ 3：複合スコアリングと出力の組み立て

profile_legislator_alpha と generate_alpha_signal_report では、固定の重みを使って各構成要素のスコアを統合します：時間的一致 30%、情報フロー 20%、仲介 20%、寄付と取引の CRQA 15%、契約予測 15%。リスクしきい値：CRITICAL >= 80、HIGH >= 60、ELEVATED >= 40、MODERATE >= 20、LOW < 20。すべての中間アルゴリズムパラメーター、データ件数、調査結果の文字列が返され、完全な監査が可能です。

最良の結果を得るためのヒント

1. 議員の名前は正確に指定してください。 Congress Stock Tracker と FEC のアクターは、名前の文字列で照合します。記録を最大限取得し、誤検出を避けるため、公式開示資料に記載されているフルネーム（「Kellner」ではなく「Robert M. Kellner」）を使用してください。

2. セクターキーワードを generate_alpha_signal_report と組み合わせてください。 focus_sector パラメーターは、すべての上流アクターのクエリ 10 件に同時に適用されるため、データのトピックの一貫性が保たれ、Hawkes および CRQA アルゴリズムのシグナル対ノイズ比が改善します。

3. 高い Hawkes スコアに基づいて行動する前に、分岐比を確認してください。 励起割合が 0.4 を超えると ALERT が発生しますが、分岐比が 1 以上の場合は、データが少ないためパラメーター推定の信頼性が低くなる可能性がある、爆発的な Hawkes 過程を示します。この場合、findings 配列には WARNING メッセージが含まれます。

4. 複合スコアだけでなく、各要素のスコアを確認してください。 中心性の媒介度だけで 75 の複合スコアとなった議員と、有意な t 統計量によって 75 の複合スコアとなった議員では、リスクプロファイルが異なります。要素スコアを確認すると、どの証拠に基づいて行動すべきかが分かります。

5. 契約の予測には、必ず committee_members を指定してください。 処置群のメンバーを名前で指定しない場合、DiD 推定量は議会のトレーダー全員を対照群として扱うため、予測スコアはほぼゼロになります。

6. セッションごとの支出上限を設定してください。 profile_legislator_alpha と generate_alpha_signal_report はそれぞれ、上流アクターを 8～10 個起動します。広範な調査を開始する前に、Apify Console で実行時の支出上限を設定してください。

7. detect_informed_trading の実行後に compute_abnormal_returns を実行してください。 Hawkes スコアが高い場合、Fama-French イベントスタディによって、別の統計的手法を用いた独立した裏付け（または反証）が得られます。

他の Apify アクターとの組み合わせ

アクター	組み合わせ方
Congress Stock Tracker	内部で使用されます。MCP ツールに精選したデータセットを渡す前に、直接呼び出して元の取引開示情報を取得してください
SEC Insider Trading	内部で使用されます。カスタム分析で議会のデータを補完するため、対象企業の Form 4 提出書類を個別に抽出してください
FEC Campaign Finance	内部で使用されます。MCP ツールを呼び出す前に CRQA の入力を事前に絞り込むため、PAC または企業の寄付者ネットワークを直接取得してください
Company Deep Research	detect_informed_trading の実行後に実行すると、検出された銘柄を対象に、企業の包括的なインテリジェンスプロファイルを作成できます
EDGAR Filing Search	compute_abnormal_returns と並行して実行すると、10-K／10-Q の提出日と政治的イベント期間を相関分析できます
USAspending Search	過去の契約受注データを直接検索し、detect_contract_anticipation の結果を検証して補強できます
WHOIS Domain Lookup	情報ブローカーのネットワークエッジに現れるペーパーカンパニーや LLC の所有パターンを特定できます

制限事項

• 上流ソースからのデータ遅延。 議会議員の株式保有開示には、STOCK Act に基づく30〜45日の開示期間があります。FEC の記録は四半期ごとの提出サイクルで更新されます。分析には、リアルタイムの保有状況ではなく、報告済みの公開データが反映されます。
• 名前の照合は文字列ベースです。 議員名と企業名は、上流アクターの応答フィールド全体で部分文字列が含まれるかどうかに基づいて照合されます。曖昧な名前、ニックネーム、イニシャルがあると、取得率が下がり、統計的推定の精度が低下します。
• データが少ないとアルゴリズムの信頼性が低下します。 Hawkes 過程では政治イベントが2件以上、取引が2件以上必要です。CRQA では各系列に5つ以上のデータポイントが必要です。観測数がこれに満たない場合、アルゴリズムはゼロスコアを返し、誤検知ではなくデータ不足の所見を示します。
• リアルタイムの株価データはありません。 株価系列には Finnhub の過去データエンドポイントから取得したデータを使用します。このパイプラインでは、日中データやティックレベルのデータは利用できません。
• 相関関係は因果関係を意味しません。 時間的一致スコアが高い場合や、Fama-French の t 統計量が有意な場合でも、それらは統計的な関連を示すものであり、インサイダー取引の法的な証明にはなりません。法的またはコンプライアンス上の結論を出す前に、所見を独立して裏付ける必要があります。
• 媒介中心性の算出には、一定以上のネットワーク規模が必要です。 取得したデータセット内の議員が10人未満の場合、投影グラフが疎になりすぎて、有意義な中心性スコアを算出できません。議員フィルターを指定せずに広範なクエリを実行すると、より豊富なネットワーク結果を得られます。
• FRED のファクタープロキシは簡略化されています。 Fama-French の実装では、リスクフリーレートに DTB3、市場ファクターに SP500 を使用します。現在の実装では SMB と HML のベータをゼロに設定しているため、実質的には CAPM と政治的ファクターの回帰モデルです。
• Standby モードが必要です。 このサーバーは Apify Standby モードでのみ動作します。通常のアクター実行では、簡単なヘルスチェック応答を返した後に終了します。MCP 対応クライアントを使用するか、/mcp エンドポイントを直接呼び出してください。
• 上流アクターのタイムアウト。 各上流ソースには120秒のタイムアウトが設定されています。ソースの応答が遅い場合や利用できない場合は、空の配列が返され、データが少ない状態で分析が続行されます。状況は dataCounts フィールドで確認できます。

連携

• Zapier — 週次スケジュールで generate_alpha_signal_report を呼び出し、CRITICAL レベルのシグナルを Slack チャンネルまたはコンプライアンス用受信箱に転送します
• Make — ウォッチリスト内の各名前に対して profile_legislator_alpha を呼び出し、複合スコアを Airtable に記録するワークフローを構築します
• Google Sheets — フラグが付けられた取引イベントの組み合わせと構成スコアを、分析の実行後に更新されるトラッキング用スプレッドシートにエクスポートします
• Apify API — Standby 実行をプログラムから開始・管理します。アクターの実行ステータスをポーリングし、データセットエンドポイント経由で出力を取得します
• Webhooks — 実行完了時に Webhook を発火させ、後続のコンプライアンスワークフローがポーリングせずに結果を取り込めるようにします
• LangChain / LlamaIndex — MCP サーバーを LangChain エージェントのツールプロバイダーとして登録し、AI の推論ループ内で複数ステップのインサイダー取引調査を可能にします

トラブルシューティング

• すべてのコンポーネントスコアがゼロになります。 これは、上流のアクターが空のデータセットを返したことを意味します。dataCounts フィールドを確認してください。すべての件数がゼロの場合、クエリの範囲が狭すぎるか、上流のアクターがタイムアウトしています。検索語の範囲を広げるか、フィルターを削除して再試行してください。

• 調査結果に Hawkes 分岐比 >= 1 の警告が表示されます。 Hawkes 過程には定常性（分岐比 < 1）が必要です。この警告は、観測期間に対してデータが不足していることを意味します。クエリの範囲を広げてデータをさらに取得するか、この実行については時間的同時発生スコアを信頼できないものとして扱ってください。

• detect_contract_anticipation が anticipationScore: 0 を返します。 これは、USAspending または SAM.gov の結果から契約落札日を解析できない場合、または committee_members が空の場合に発生します。USAspending actor を直接呼び出して contract_query がレコードを返すことを確認し、少なくとも 1 名の委員会メンバー名を必ず指定してください。

• ツール呼び出しで支出上限エラーメッセージが返されます。 各ツールは上流のアクターを実行する前に Actor.charge() を確認します。レスポンスで eventChargeLimitReached が true の場合は、Apify Console の Actor Settings > Monetization で実行の支出上限を引き上げてから、再試行してください。

• MCP クライアントがサーバーに接続できません。 アクターが Standby モードで実行されていることを確認してください。実行ログに「MCP Server listening on port」という出力があるか確認します。通常の（Standby ではない）実行は、ヘルスチェックメッセージを出力して 1 秒後に終了します。MCP エンドポイントは、アクターの Standby URL 上の POST /mcp です。

責任ある利用

• このサーバーがアクセスするのは、米国の公式情報源である congress.gov の STOCK Act 申告情報、FEC.gov、Federal Register、USAspending.gov、SAM.gov、SEC EDGAR から公開されている政府開示データのみです。
• 統計的な出力は調査ツールです。資格を持つ専門家による独立した検証がない限り、法的結論、投資助言、または証拠能力のある証拠にはなりません。
• このツールから得た調査結果を利用または公開する際は、適用される証券法、ジャーナリスト保護法、データ保護規制を遵守してください。
• 開示記録に記載された個人への嫌がらせ、名誉毀損、または根拠のない公の非難に調査結果を利用しないでください。
• 公開データへのアクセスとウェブスクレイピングの合法性に関するガイダンスは、Apifyのガイドを参照してください。

FAQ

MCP サーバーとは何ですか。また、Insider Political Alpha MCP Server はどのように AI クライアントに接続しますか？ MCP（Model Context Protocol）サーバーは、Claude Desktop や Cursor などの AI クライアントが会話中に呼び出せるツールを公開します。このアクターは Apify Standby モードで実行され、永続的な /mcp HTTP エンドポイントでリクエストを待ち受けます。Apify API トークンを bearer として設定した Standby URL をクライアント設定に追加すると、8 つのツールをすぐに呼び出し可能な関数として利用できます。

インフォームド取引シグナル検出ツールは、それぞれいくつのアクターを呼び出しますか？ ツールによって異なり、3～10 個です。detect_informed_trading、compute_abnormal_returns、map_information_flow、detect_contract_anticipation は、それぞれ 4 つのアクターを並列実行します。analyze_donation_trade_correlation と identify_information_brokers は 3 つ、profile_legislator_alpha は 8 つ、generate_alpha_signal_report は 10 個すべてのソースを同時に実行します。

Hawkes 過程の時間的同時発生スコアの精度はどの程度ですか？ このスコアは、二変量 Hawkes 過程から最尤推定（MLE）で適合させた相互励起の割合を示します。60 日の観測期間にわたり、両系列に少なくとも 10 件の観測値がある場合に最も信頼性が高くなります。データポイントがそれより少ない場合、調査結果の配列にデータ不足を示すメッセージが表示され、スコアを意味のあるものとして解釈すべきではありません。調査結果に分岐比 >= 1 が示される場合も、パラメーター推定値が信頼できないことを示しています。 この情報に基づく取引ツールは、法的デューデリジェンスやコンプライアンス審査の代わりになりますか？ いいえ。アルゴリズムが生成するのは、公開情報開示データから導き出された統計的な関連性です。さらなる調査が必要なパターンを特定するものであり、法的な結論を示すものではありません。コンプライアンス上の措置、規制当局への照会、または公表を行う場合は、資格を持つ法律顧問による独立した検証が必要です。

分析のために議会議員の取引データやFECのデータにアクセスすることは合法ですか？ はい。議会の株式取引開示（STOCK Actの届出）、FECの選挙資金記録、Federal Registerの掲載情報、USAspendingの契約データ、SEC EDGARの届出はいずれも、アクセス制限や分析を禁止する利用規約のない、米国政府が公開している公的記録です。詳しくは、より広い背景について Apify's guide to web scraping legality をご覧ください。

Quiver QuantやCapitol Tradesとは何が違いますか？ Quiver QuantとCapitol Tradesは、統計的な検定を行わず、議会議員の取引記録をそのまま消費者向けダッシュボードに表示します。このMCP サーバーは、Hawkes過程、Fama-Frenchイベントスタディ、Ziv-Merhav転送エントロピー、CRQA、DiD、媒介中心性という6つの検出アルゴリズムを適用し、中間パラメーターをすべて含むスコア付きシグナルを生成します。議会議員の取引に加えて選挙資金、連邦政府契約、SECのインサイダー届出を統合しており、MCPプロトコルまたはApify APIを通じて完全にプログラム可能です。

通常、profile_legislator_alpha ツールの呼び出しにはどのくらい時間がかかりますか？ 通常は2～5分です。このツールは8つのアクターを並列で実行し、それぞれに120秒のタイムアウトを設定します。全体の実行時間は、上流のアクターの応答のうち最も遅いものによって決まります。セクター全体を対象とする generate_alpha_signal_report の呼び出しでは、10のアクターが並列で動作するため、3～7分を見込んでください。

このMCP サーバーをスケジュールして、セクターレポートを毎週自動実行できますか？ はい。Apify Schedulerを使って、定期スケジュールで generate_alpha_signal_report の呼び出しを実行できます。ZapierまたはMakeと組み合わせれば、CRITICALまたはHIGHのリスクシグナルを監視ダッシュボードや通知チャンネルに自動転送できます。

上流のアクターからクエリに対するデータが返されない場合はどうなりますか？ サーバーは空のデータセット応答を捕捉して警告を記録し、残りのデータソースを使って処理を続行します。スコアリングアルゴリズムは入力が空の場合、スコアをゼロにして、データ不足を示す所見を提示します。すべての応答に含まれる dataCounts フィールドには、各上流アクターから返されたレコード数が正確に表示されるため、データの欠落を確認できます。

議会議員のウォッチリストを継続的に監視するために使えますか？ 1回の呼び出しでネイティブに行うことはできません。クライアントのループから、またはウォッチリストを反復処理するMake／Zapierのワークフローから、議員ごとに profile_legislator_alpha を呼び出してください。呼び出しごとに個別に課金されます。

Fama-Frenchの政治ベータは、株価とイベント日の単純な相関とどう違いますか？ 政治ベータは、OLS回帰を使い、市場リスク（市場ファクター）、規模（SMBの代理変数）、バリュー（HMLの代理変数）を同時に調整して推定します。共通のファクターエクスポージャーを取り除いた後に政治ベータが正であれば、政治イベント前後のリターンがファクターモデルの予測に対して異常であることを示します。これは、イベント日と株価の単純な相関よりも統計的に強く、具体性の高いシグナルです。

下流で独自に分析するため、HawkesのパラメーターやCRQAの指標に生データのままアクセスできますか？ はい。すべてのツール応答には、Hawkesのalpha_12、beta_12、alpha_22、beta_22、励起率、対数尤度、CRQAのDET、LAM、エントロピー、協調スコア、転送エントロピーのエッジウェイト、処置群と対照群のDiD事前・事後リターン、媒介中心性の値を含む、パラメーター一式が含まれます。出力は構造化JSONで、R、Python pandas、または任意の計量経済学のパイプラインに直接インポートできます。

改善にご協力ください

問題が発生した場合、Apify アカウントで実行の共有を有効にすると、問題をより迅速にデバッグできます。

1. アカウント設定 > プライバシーに移動します
2. 実行を公開 Actor の作成者と共有を有効にします

これにより、問題が発生した際に実行の詳細を確認できるため、より迅速に問題を解決できます。データを閲覧できるのは Actor の開発者のみで、一般公開されることはありません。

サポート

バグを見つけた場合や機能のリクエストがある場合は、この Actor のページにある問題タブから問題を報告してください。カスタムスコアリングアルゴリズムの設定、追加のデータソース統合、エンタープライズ向けデプロイについては、Apify プラットフォームからお問い合わせください。