知识库

本笔记使用一个确定性的一百万行 OHLCV 面板，比较 CSV、Parquet、Feather 和 HDF5 存储格式。它测量写入时间、完整读取并物化数据所需时间、文件大小，以及仅选取两列时的读取时间。计时方法采用一次写入测量，并在预热后对多次热缓存读取取平均。笔记会强制物化数据，避免将内存映射的 Feather 读取误认为数据已完整读取，并验证每次完整读取是否返回预期行数。…

本笔记介绍将财经标题转化为个股信号的流程。它会清理并规范新闻语料，在股票代码与日期分组内去除完全重复及前缀匹配的重复项，并使用句子嵌入表示标题含义。新闻意外度衡量某日嵌入与近期基准的偏离程度；情绪特征则反映平均情绪极性及分歧程度。笔记还将意外度与情绪方向结合，按股票代码和日期汇总观测，并通过信息系数和收益分组评估信号与未来收益的关系。…

本笔记说明日频 OHLCV 数据的生命周期：加载初始历史数据，获取少量有重叠的增量数据，检测缺失交易日，并汇总每个标的的数据新鲜度和校验问题。它说明更新窗口为何应截止于数据服务商最近一根完整 K 线，因为当日记录可能包含未完成价格；也说明重叠窗口有助于捕获供应商修订数据。此外，笔记还概述了适用于不同更新需求的增量更新、仅追加、全量刷新和回填方式。 示例使用日频 US 股票数据，报告新增可用交易日之前每个标的的初始面板有 502…

本笔记诊断一个固定的仅做多 ETF 动量基准在 2010 至 2024 年不同市场环境下的表现。它使用每日收益发生前已知的波动率和趋势指标为收益标记状态，并以扩展历史中位数定义高低状态。收益率曲线利差也决定该基准持有选定的动量 ETF，还是防御性债券组合。随后，笔记按波动率与趋势的四种组合划分收益和风险指标，报告各组观测数，并使用可加总的对数收益将峰谷损失归因至不同状态。…

本笔记将先前选定的公司特征预测和固定投资组合配置应用于一年期留出集。它不再对预测、资金分配、集中度、再平衡或交易成本作出新选择，以保留留出集用于样本外评估。投资组合的保形分配器使用验证残差估计预测可靠性；残差过少的公司使用汇总后的备用区间宽度。权重依据投资组合各部分内相对区间宽度的倒数确定，因此分配器侧重可靠性，而非单纯偏向预测收益最高的公司。…

本笔记通过交易数据构建成交笔数和成交量失衡柱，考察由信息驱动的抽样方法。它将手动实现的成交笔数失衡算法与库中的采样器进行核验，随后调整预期柱大小和自适应设置，比较自适应、固定阈值和滚动窗口方法。通过柱数、平均大小、Jarque–Bera 正态性检验、滞后一阶自相关和方差比统计量评估柱收益。该框架强调随时间检查采样器的阈值组成：仅观察期末预期规模的漂移，可能遗漏自适应过程中向上、向下或相互抵消的变化。…

本笔记展示一种只读问答流程，其机构持仓图谱基于 13F 文件构建。该流程不从自然语言生成数据库查询，而是将明确支持的问题路由到手写且实体固定的 Cypher 模板。模板用于检索持有人、持有两只相同证券的机构，或某机构持仓最大的证券。数据生产方提供的快照包含最新可用的申报日期；查询会按公开可用性筛选并选取最近的报告期，从而将这两个时间概念区分开来。…

本笔记评估 NASDAQ-100 日内策略中配置阶段排名靠前的配置，并考察持仓级止损、移动止损和时间退出。策略每十五分钟决策一次，而回测引擎每分钟监控持仓，因此叠加规则可以在信号更新之间退出。移动止损阈值既包括预设网格，也包括根据最大不利偏移（MAE）校准的变体；最大不利偏移是指定持有期限内观察到的最差不利价格变动。…

本笔记介绍一种用于标普 500 股票和期权研究的分块变换器，用于序列预测。它将时间窗口划分为连续数据块，并将每块表示为一个词元，使注意力机制能够直接比较窗口中相距较远的部分，同时处理更短的序列。块大小决定分辨率取舍：较大的数据块可缩短序列，但会在注意力机制逐个检查观测值之前将更多观测组合起来。…

本笔记介绍用于动态 US 股票面板的工具变量主成分分析（IPCA）。传统 PCA 为每只股票分配拟合载荷，无法自然覆盖训练样本中缺失的股票，而且公司特征发生变化时，载荷仍保持固定。IPCA 则估计从可观测特征到因子载荷的共享映射，因此可以为未见过的股票计算载荷，并在特征变化时更新载荷。 本笔记在滚动各折的训练行上拟合模型，并使用相同的面板和因子数量与 PCA…

这份 ETF 特征笔记说明，即使统计模型的公式只使用过去观测，其估计参数仍可能泄漏未来信息。解决方法是采用滚动重拟合计划：设置初始预热期，在每个重拟合时点使用截至当时可用的数据拟合，然后生成后续特征值，直到下一个重拟合时点。该方法用于市场状态分析，包括隐马尔可夫模型、经分数阶差分处理的参考 ETF 价格，以及各 ETF 的 GARCH(1,1) 条件波动率。…

本笔记研究梯度提升在 US 股票面板上的表现，针对三个未来收益期限改变树容量、目标函数和训练检查点。笔记说明浅树如何学习特征交互，同时指出提高容量也会增加拟合噪声的风险。平方误差、绝对误差和 Huber 损失对厚尾收益观测的处理各不相同；秩信息系数（IC）奖励排序，而非收益幅度的预测准确度。对多个检查点评分会将每个检查点视为独立候选项，并揭示随着树数量增加表现是否发生变化。 本笔记报告验证折 IC 和预测覆盖率，但不选择交易策略；策略选择留待后续根据夏普进行回测。IC…

本笔记展示如何使用 SHAP 解读预测 ETF 未来收益的 LightGBM 模型。TreeSHAP 为单个预测提供特征贡献，并汇总整体重要性。蜂群图和依赖图展示特征值与贡献之间的关系；局部解释则将单个预测相对于模型期望值进行分解。本笔记还将 SHAP 排名与置换重要性和树不纯度重要性进行比较，考察特征交互，并跟踪滚动各折的平均绝对 SHAP 值，作为漂移诊断。…

本章将市场数据视为交易规则、流动性和参与者行为共同作用的结果。内容从最优报价延伸到订单级数据源，继而介绍如何解析交易所消息并将其重放到特定交易场所的限价订单簿中。还涵盖订单簿生命周期检查、流动性和订单流分析、日内交易模式，以及单一交易场所可见流动性的局限。另一个重点是采样：按时间、活动量和信息量构造的柱线会形成不同观测，而交易方向分类和时间戳对齐会影响对观测的解读。 本章还介绍日内数据质量和交易时段检查，以及利用双幂变差和 Lee–Mykland…

本案例研究利用 30 日平值跨式期权和标的价格数据，构建用于比较标普 500 股票方差风险溢价的特征。它在多个期限上比较隐含波动率与已实现波动率，加入期权市场成本和风险指标，并对选定数值进行横截面排序，使策略能够比较同日有报价的标的。一个关键的数据处理规则是在市场交易日历上计算滚动窗口，而不是在稀疏的跨式期权报价行上计算，从而让回看期始终对应一致的交易日数。…

本案例研究说明，在根据验证数据确定模型和策略选择后，如何生成留出期预测。它读取先前选定的配置，重建其训练规范，并仅使用留出期开始前可用的数据重新拟合。由于标签代表未来收益，训练区间会在评估窗口前至少一个完整标签期限处结束，以防该窗口内的结果进入模型拟合。…

本笔记介绍 EdgarTools，用于按公司和文件类型浏览 SEC 文件。它展示了如何使用稳定的 CIK 标识符查找发行人、获取年度和季度报告、提取 XBRL 财务报表，以及查看内幕人士 Form 4 和机构 Form 13F 数据。它还介绍如何搜索更广泛的文件索引，以及访问申报文本和附件。 回测时，关键时间规则是以申报日期作为信息公开的时间点，而非会计期间结束日期。笔记还提醒，公司自行选定的报表标签各不相同；Form 4 交易代码很重要，因为披露的大量活动属于薪酬；13F…

本笔记介绍一种 LSTM 序列模型，用于根据近期特征的有序窗口预测股票收益。每个样本使用一只股票连续 60 个交易日的数据；跨越上市间断、停牌或其他中断的窗口会被排除，以免将不连续误认为日度变化。模型会在每个交易日传递隐藏状态，并通过门控机制控制哪些信息进入、保留或输出。模型包含两层循环层，隐藏状态维度为 64，并在 100 个训练轮次的安排中每五轮保存一次训练检查点。…

本笔记汇总了九个案例研究中五种潜在因子估计器的已登记验证结果：PCA、IPCA、CAE、SDF 和 SAE。它首先报告每个面板中哪些估计器有结果，然后使用 HAC 置信区间，找出每个案例研究中平均日度 Spearman 秩信息系数最高的估计器。它还比较了 US Firms 面板上的估计器，并通过按日期配对比较控制共同日期，评估其相对于监督模型的排名表现。 分析发现，没有任何估计器在所有面板中都领先，部分领先估计值的区间跨越零。在 US Firms…

本笔记将共享权重的神经网络集成模型 TabM 应用于 US 股票面板，其中每只股票在每个交易日对应一行特征。一个共享的双层主干网络为多个成员提供输入，每个成员都有自己的缩放向量和输出层；对其预测取平均，能够以低于训练同等数量独立网络的成本增加集成成员。与线性模型不同，非线性网络可以组合相关输入并表示交互，同时避免树集成模型逐次划分特征所作出的选择。 三种配置同时增加隐藏层宽度和成员数量，因此比较结果衡量的是整体容量，无法单独识别任一设置的影响。每种配置训练 200 个轮次，每隔 25…

本笔记定义用于对 US 股票进行排名的前向收益目标，并说明如何使其期限对应实际交易日。收益计算使用经拆股和股息调整的价格，但判断股票是否可交易时使用同期未调整收盘价和美元成交额。每行的未来价格均按市场日历查询；对于窗口不完整的行，会明确记录失败原因。可交易性筛选在标签构建后执行，因此移除的观测不会改变保留观测的收益期限。…

该流程基于 OHLCV 价格和收益率曲线，为 ETF 部署工作流构建金融特征。它按多个回看周期计算收益、风险调整收益、动量加速和波动率比率，随后添加常见技术指标，如 RSI、MACD、ADX、CCI、随机指标、移动平均线比率和布林带位置。其他特征包括回撤、相对自身历史的成交量、能量潮指标走势、与年度极值的距离，以及横截面排名。 该流程还加入市场背景信息：需要 SPY 和 TLT 来计算滚动收益相关性，并使用每个价格日期前最近的可用观测值，对齐收益率曲线斜率及其滚动 z 分数。由于源模型流程中的 HMM 和…

该脚本通过两种方式收集机构持仓数据：可检索精选管理人的 SEC 13F 文件，也可下载 SEC 的季度批量文件。两种路径都会将持仓标准化为统一结构，其中批量路径旨在实现更广泛的覆盖。生成的数据可用于构建机构与股票之间的关联、股票层面特征以及股票共同持仓比较。 该脚本采用多项保护措施处理常见数据问题。如果需要完整的管理人集合，图构建会避开文件不完整的季度，防止将延迟申报误判为退出。构建多头股票特征时会排除期权，并拒绝其报告价值单位与美元计价特征约定冲突的较早文件。脚本还遵守 SEC…

本笔记对 US 股票收益面板应用主成分分析，用较少的因子表示广泛的共同变动。每个因子代表共同变化的一个方向，每只股票的载荷则描述其对该方向的暴露。根据因子和载荷重建的预测只捕捉面板中的共同变动，并有意省略个股特有信息。…