这里汇集了 Stratmill 研究智能体对 AI 智能体阅读过的书籍、论文、文章和代码所作的摘要与核心观点。每个页面都附有原文链接。
691 份文档
本文说明 CME 期货数据如何按产品、到期合约和按成交量换月的连续序列组织。文中使用 E-mini 标普 500 数据说明，单个合约的交易窗口有限，且在换月前后会有重叠；连续近月序列则将连续合约拼接成一段历史数据。文中还按资产类别对产品分组，并汇总各产品的可用历史数据，指出数据起始较晚可能反映数据采集开始时间，而非合约上市时间。 笔记检查了单个连续序列上的 OHLC 不变量，并明确指出平滑的图表不能验证换月处理是否正确。该序列未经调整，因此跨换月期的收益可能包含合约间价差。验证仅限于一个产品，而且小时级 UTC…
本文介绍共享回测运行器的实现原则，重点说明年化表现时如何正确解读收益网格。本文根据收益观测之间的典型间隔估计实际采样频率，剔除异常长的间隔，再将估计结果与案例研究声明的频率进行校准。如果观测网格与声明的约定相符，则保留该约定；如果观测网格明显更稀疏，则可能意味着收益只保留了再平衡日期，因此需要采用较低的年化因子。…
本笔记比较等权、按正评分加权和按保形区间宽度加权的 ETF 与 CME 期货配置。笔记根据较早验证折的残差估计各实体的分割保形区间宽度，并排除远期收益标签在当时尚不可知的观测值。在每个选定投资组合中，权重与区间宽度的倒数成正比，将历史残差范围较窄视为置信度的代理指标。 比较报告夏普比率、收益、回撤和换手率等投资组合指标，同时列出预测信号信息系数的诊断结果。所有方法使用相同的前 K 个选择，因此差异归因于配置权重。然而，GBM 预测集是根据同一登记表中的验证集 IC…
本文介绍一种监督式自编码器，作为条件潜在因子模型的对照模型。它将公司特征直接映射为远期收益，同时通过狭窄瓶颈压缩 57 个输入。将其与使用相同瓶颈的条件自编码器进行比较，旨在检验因子结构是否能在降维之外带来额外价值。目标变量包括原始收益、按月缩尾处理的收益和收益类别，因此改变目标变量也会改变网络所学习的内容。…
本笔记解释股票拆分和现金股息如何打断原始历史价格序列并扭曲计算出的收益。笔记展示后复权调整，即按后续公司行动重新缩放历史价格，并将此方法用于股票 OHLCV 数据。调整后的序列与预先调整的参考序列进行比较，以验证实现是否正确。较长的苹果股价历史说明，未调整的收益可能把拆股相关的价格变化误认为亏损，并遗漏股息影响。…
这项 NASDAQ-100 研究考察交易成本对频繁再平衡的股票策略有何影响。研究分别考察两种应对成本的方法：将交易范围限制在流动性更高、成本更低的标的中，以及降低再平衡频率。将这两种调整分开，有助于判断改善是否来自更便宜的标的或较少的交易。笔记还介绍了现有回测的成本网格，以及针对频率和每股成本的二维扫描；其中盈亏平衡成本用于表示策略所需的执行质量。…
本实验将梯度提升树模型、表格神经网络和潜在因子模型对月度 ETF 排名的验证预测结合起来。首先通过横截面 z 分数对预测进行标准化，然后取平均。实验使用含异方差和自相关稳健不确定性估计的信息系数（IC）评估集成模型，同时进行考虑成本的只做多回测，选取少量 ETF 并为其配置权重。 集成模型的总体 IC 高于 LSTM 基准，但夏普比率较低，最大回撤较大。分折结果揭示了原因：集成模型的秩相关性波动很大，部分折甚至为负；而 LSTM…
本文介绍一套生成拟合模型特征的通用方法，避免使用未来观测值。对于隐马尔可夫模型，文中区分了基于截至当前时点观测值的过滤状态概率，以及以完整序列为条件、可能泄漏未来信息的平滑状态概率。本文还介绍因果 GARCH 波动率递推和滚动重新拟合安排，包括时间戳检查，以及将每个拟合模型应用于前缀或新输出区块的选项。状态排序和相关拟合辅助函数旨在使不同折的特征具有可比性。 示例解释了为什么看似固定的 GARCH…
本文介绍一种滚动方法，将预测残差转化为按实体区分的不确定性宽度，用于设定仓位规模。在每个决策时点，校准只使用已经有足够时间得出结果的残差，滞后期根据预测期限确定，且至少为一个时间步。较早的折和当前折中已经经过的历史数据都符合使用条件。如果某个实体的观测值不足，该方法会使用汇总宽度，避免未校准的实体在未被说明的情况下从选定篮子中剔除。宽度按预测集和 alpha 保存，并将实体标识规范化，以便后续使用。…
本案例研究从一个冻结的加密货币永续期货策略池中选出一种配置。策略池涵盖多种收益和方向标签、投资组合规模设定方法及风险叠加规则。研究选择验证集夏普比率最高的配置，再通过区块自助法区间、概率夏普、最短记录长度，以及考虑候选数量和相关性的去膨胀夏普变体来考察不确定性。研究还将交易成本与资金费率分开，后者是与持仓相关的独立收益流。 报告中的验证集胜出者夏普比率为 1.57，其自助法区间不包含零；但考虑到从 2,807…
本笔记介绍如何评估概率预测并管理预测流程。它比较 Brier 分数、对数分数、期望校准误差和锐度；展示可靠性图如何揭示预测过度自信或自信不足之处；并说明如何拟合校准变换，同时避免在拟合校准变换的同一批观测上评估。笔记还涵盖使用冻结的搜索证据重放一次运行、通过代理执行工具权限，以及扫描不可信文本以发现注入尝试。…
本教程将 ETF 横截面信号转化为仅做多、前十名等权组合，并将岭回归和逻辑分类与动量及等权基准进行比较。模型在滚动训练窗口中拟合，并针对前向收益标签设置缓冲期，随后每月调整组合。分析计算组合收益、换手率、毛收益和净收益指标以及信息系数，以展示信号排序质量与扣除交易成本后结果之间的关系。 交易成本按组合换手率对每一边分别计费。笔记解释了为什么反复更换持仓的主动策略可能比等权策略损失更多收益；等权策略通常只在恢复目标权重时交易。笔记还提醒，净夏普比率和 IC…
本研究检验线性模型拟合月度 US 股票收益较差，是否源于其平方误差目标函数。研究固定未缩尾的前向收益目标、特征和滚动折，并比较使用平方误差、绝对误差和 Huber 损失训练的提升树模型。平方误差会让极端残差产生不成比例的影响；绝对误差会减小这种影响，而 Huber 损失则在二次惩罚和线性惩罚之间转换。网格还会改变树的容量，并记录多个训练检查点的预测，将每个检查点视为独立候选项。…
本笔记训练一个近端策略优化智能体，在指定期限内执行固定订单。它将学习得到的交易节奏策略与 TWAP 和 Almgren–Chriss 排程进行比较，衡量实施缺口并考察各策略的交易时点。评估对所有策略使用相同的模拟市场路径，因此可以逐个回合进行比较，并说明库存风险和偏离均匀交易节奏的程度如何影响学习策略。 笔记还详细说明了模拟市场的局限。波动率和市场机制行为根据小时级 BTC…
本笔记介绍 Rademacher Anti-Serum（RAS）协议，用于调整从有限策略或信号类别中进行选择时的表现估计。经验 Rademacher 复杂度估计候选表现矩阵与随机符号对齐的程度，因此候选项之间的依赖关系会反映在其实际路径中，而不仅仅由试验次数表示。RAS 将复杂度估计和抽样误差项转化为表现下界。笔记将此方法与 Deflated Sharpe Ratio（DSR）进行比较，后者在不同假设下给出经过选择调整的概率。…
本笔记介绍 NLinear，将其作为根据有序特征窗口预测股票收益的基准模型。每个样本包含同一只股票连续 60 个交易时段。对于每个特征，模型减去其最新值，通过线性层将所得历史序列映射为单个值，再加回最新值。最后一个线性层将这些摘要合并为一个预测。这个简单设计会消除当前特征水平的影响，使研究者能够检验表达能力更强的序列模型是否能带来价值。…
本笔记将 TabM 神经网络拟合至标普 500 期权空头跨式策略收益目标，并在与线性和提升方法相同的特征面板上比较三种模型容量。TabM 在集成成员之间共享神经网络骨干，同时通过学习得到的成员专属缩放向量和输出层生成不同预测，再对其取平均。研究采用滚动折，仅在训练行上拟合预处理，并在预定训练检查点生成验证集预测。…
本笔记评估标普 500 股票和期权配置的仓位级控制，将固定止损、移动止损和时间退出分别与各自策略未加覆盖规则的基准进行比较。笔记使用验证集夏普比率选择符合条件的策略谱系，再评估各项预先声明的覆盖规则是否改变验证集夏普比率和回撤。夏普差异采用配对分块自助法区间，以区分改进证据与单纯的点估计排名。…
本文介绍 TSMixer 如何将股票近期的特征历史处理为按交易时段和特征排列的矩阵。其模块先沿时间维度混合各特征列中的信息，再在每个交易时段内跨特征混合信息。堆叠多个模块后，这些操作无需循环状态也能相互作用。本笔记在相同的 US 股票面板和前向滚动折上，将这一方法与 LSTM 和 NLinear 进行比较，因此重点是架构对比。 每个训练样本需要同一只股票连续 60 个交易时段；上市、停牌和退市都可能打断窗口，减少可用样本。每种配置训练 100…
本笔记使用已登记的 ETF GBM 预测和 CME 期货预测，比较等权、按保形区间宽度倒数加权，以及按正预测分数比例加权。它使用严格早于当前折的残差校准针对实体的 Mondrian 分割保形区间，并排除前向收益标签当时尚不可观测的残差。若最早一折没有有效的历史校准样本池，则将其排除。历史残差区间越窄，组合权重越大，将区间宽度作为置信度的代理指标。 三种配置规则使用相同的前 K 名选择，因此差异来自权重。笔记考察信号信息系数以及夏普比率、收益、回撤和换手率等组合指标。不过，GBM 预测是根据验证集 IC…
本笔记在 ETF 面板上，将零样本 Chronos 和 TinyTimeMixer 预测与 LSTM 及惩罚线性模型进行比较。所有模型接收相同的单变量历史上下文，但预训练模型预测的是该上下文序列，而非前向收益标签。其预测路径的均值成为横截面排序分数，并以排序信息系数进行评估。训练得到的基准模型则直接预测标签，因此该比较检验的是零样本预测能否提供有用的排序信号，而非能否对目标作出校准良好的预测。…
本笔记评估期权市场指标能否对不同股票的未来收益进行排序。笔记使用期权衍生特征拟合已声明的线性模型，采用滚动验证，并比较岭回归、套索回归和弹性网络的惩罚强度。特征集包括各期限的隐含波动率、波动率偏斜、期限结构斜率和方差风险溢价等指标。正则化用于处理相关特征之间的冗余；套索回归和弹性网络还可以将部分系数缩减为零。…
本研究考察期权市场数据能否对未来股票收益进行排序。特征包括不同期限的隐含波动率、看跌看涨偏斜、期限结构斜率和方差风险溢价。由于许多指标以多个相互重叠的形式表示，研究比较了广泛的正则化强度下的线性模型：岭回归会收缩相关系数，而套索回归和弹性网络还可以移除特征。滚动验证对声明的模型配置进行拟合，并在匹配的股票、日期和数据折上生成预测。…
本文构建一个日度特征面板，在纽约时间5 PM收盘时对二十种货币对进行排名。本文区分可用于排序的信号，例如标准化的多周期收益和通道位置，与波动率、回撤、振幅和广义美元代理指标等市场状态指标。部分特征还表示为同一日期内的百分位数，以比较不同货币对和日期的相对位置。…