知识库

本笔记比较LightGBM与一个精简的多层感知机、TabM，以及可选的TabPFN在横截面ETF收益预测中的表现。各模型在相同的滚动验证折上进行评估，使用按时间顺序划分的验证片段进行早停或选择迭代次数。神经网络方法包括TabM的共享骨干集成设计，而MLP则作为简单基线；笔记还记录训练时间，以评估重新拟合的实际成本。…

本笔记构建一个框架，将市场活动转化为模型化交易成本和策略容量。笔记介绍平方根冲击模型，指出波动率和日均成交量是关键输入，并区分可从市场数据获取的数值与需要交易者自身执行记录才能估算的冲击系数。笔记还使用日内成交量曲线说明，参与率应根据订单执行期间来衡量。…

本笔记介绍一种将标准化 ETF 数据加载、特征注册表和信号诊断结合起来的工作流。笔记展示如何查找指标元数据、使用默认值或显式参数计算特征，并保存配置以便重复执行流程。一个指标的多个周期可以分别计算后再合并。通过比较库中的 RSI 与手动指数平滑版本，笔记说明平滑方法等实现选择会产生不同数值。 诊断示例使用秩信息系数、t统计量和分位数组间收益差，评估动量特征与未来 ETF 收益的关系。笔记报告，该示例的横截面 IC…

本笔记使用匿名化的公司特征和收益面板，将随机森林与XGBoost、LightGBM和CatBoost进行比较。数据集按时间划分为训练集、验证集和测试集。模型主要使用Spearman秩信息系数评估，并以R²和均方误差作为补充指标。提升模型采用正则化和抽样控制；XGBoost还根据验证结果提前停止，以选择迭代次数。…

本笔记将风险价值解释为损失分位数，将条件风险价值（亦称预期损失）解释为超过该阈值后的平均损失。它使用四种方法估算宽基股票ETF的一日尾部风险：经验历史分位数、高斯模型、Cornish-Fisher偏度和峰度调整，以及基于拟合的Student-t分布进行模拟。随后，笔记比较预测值与实际损失，检查超限次数，并探讨由五只ETF构成的等权组合的分散化效果。…

本笔记介绍如何为选定的加密货币永续合约资金费率策略生成留出期预测。它根据验证结果确定配置，沿用所选检查点，并使用截止于留出期开始之前的数据构建新的训练规范。标签缓冲区可防止训练结果延伸至该窗口，笔记还检查生成的训练标识是否不同于验证拟合的标识。…

本笔记通过已登记且覆盖完整的候选项重建其验证配置，评估一个选定的标普 500 股票与期权策略。笔记追踪从等权基准到资产配置、风险控制和成本敏感性的筛选过程，再读取由独立预测和回测阶段产生的留出结果。它分别考察各项诊断：阶段推进、风险变化的配对不确定性、成本后的表现，以及对尝试多种配置所作的调整。…

本文介绍如何将收益划分为重叠窗口，并把每个窗口视为经验分布，以此识别市场状态。它通过匹配排序后的分位数来衡量窗口间的距离，因此即使均值和方差相近，整个分布的差异——包括极端亏损的位置——也可能很重要。聚类采用 Lloyd 算法的 Wasserstein 版本；根据距离指数，使用各分位数的中位数或均值作为聚类代表。 比较内容包括基于分布的聚类方法，以及使用少量矩的方法，并将聚类结果与已知市场状态对照评估。结果发现，基于分布的方法能捕捉矩方法的 k…

本研究利用NVDA的逐笔委托数据构建分钟级订单流压力指标。它按买卖方向标记新增委托、撤单和成交，根据事件规模及其与中间价的距离进行加权，并对所得压力序列进行平滑。随后，研究考察该指标是否能预测多个未来期限的收益，同时使用中间价标记收益和决策时点的可执行价格，以区分统计关联与可交易表现。…

本笔记使用真实ETF数据，评估动量信号在回看期、市场状态和实现方式的合理变化下是否仍然有用。它计算动量与未来收益之间的横截面信息系数，然后一次扫描一个回看期参数，以观察表现的响应面。稳健性以接近峰值的参数选择范围衡量，而非单一最佳结果的高度。HAC标准误处理序列相关性和重叠的未来收益标签。…

本笔记比较了两个在本地运行的开放权重嵌入模型，在一个检索任务中使用来自近期的10-K申报文件的段落，样本涵盖少数大型US公司。两个模型接收相同的两句段落，以及一组固定查询，涉及技术、风险和一般商业主题。语料库和查询集均经过哈希处理，以便复现运行；本笔记还介绍了 Precision at k 和平均倒数排名等检索指标。…

本文介绍一种独立于对话记录的研究智能体结构化状态记录。该记录保存问题与截止时间、收集到的证据、未解决的问题、工具调用历史、关卡结果以及综合分析状态。将证据与工具轨迹分开保存，有助于区分搜索无结果和根本没有执行搜索。保存和恢复状态支持可恢复的运行，也便于比较不同运行结果。…

本笔记研究线性模型正则化在预测货币对收益时的作用。它区分了输入特征之间的多重共线性与资产之间的依赖性：货币对共享基础货币，因此其收益和排名并不独立。岭回归会缩小系数但保留特征；Lasso 可以将系数设为零；ElasticNet 则结合两者。Lasso 和 ElasticNet 的惩罚项按各折特定的阈值进行缩放，使其设置在不同折中具有可比含义。…

本配置说明阐释了在三分类标签的L1逻辑回归中选择 saga 求解器和更严格收敛容差的原因。文中对比 saga 与 liblinear，引用了 Nasdaq 微观结构面板上的运行时间测量，以及报告的样本外对数损失和准确率。在已测运行中，saga 在速度和这些预测指标上均占优，但作者指出全量面板的运行时间仍不确定。…

本笔记本使用历史危机窗口、手动设定的同步资产冲击、Student-t 蒙特卡洛模拟和市场状态统计，对比四种参考 ETF 配置。它解释了最大回撤指标，并使用每日固定权重投资组合考察复合收益、回撤及其他压力测试结果。历史回放涵盖全球金融危机、COVID 和 2022 紧缩时期等重大抛售；假设情景则检验多个持仓同时遭受冲击时投资组合的反应。 模拟将 Student-t…

这个共享工具模块支持使用时间序列双重机器学习（DML）对交易数据进行因果分析。文档列出的工具包括带有隔离期的滚动估计、干扰模型和证伪检查。区块置换能在安慰剂检验中保留局部时间依赖；面板置换则按实体和观测时间网格中的间隙分段，避免区块跨越不连续处。工具还会测量实际观测频率，以便将标签间隔缓冲换算为适当的隔离期，并提醒固定 bar 周期假设可能造成误导性间隙。 实现会记录配置和运行来源信息，以便复现和比较运行结果。某次版本变更将证伪检验从原始效应切换为 HAC t…

本笔记本将预训练 FinBERT 应用于 FinMarBa 的财经标题，并分析其准确率为何远低于其在 Financial PhraseBank 评估中报告的数值。核心诊断在于标签来源：PhraseBank 标签反映标注者对句子情绪的判断，而 FinMarBa 标签编码了文中提及的股票随后价格走势。因此，类别名称相同并不意味着两个数据集测量的是同一任务。 笔记本将准确率与多数类基准进行比较，报告宏平均…

本笔记本使用 NASDAQ-100 微观结构特征训练长短期记忆网络，以预测多个分钟级期限的远期收益。与展平后的线性模型不同，LSTM 按序处理每个观测，并学习保留多少过去信息。模型使用一分钟数据的后向窗口，并在不同股票和交叉验证折之间重置隐藏状态；每个窗口必须始终属于同一代码，且只使用预测时点可获得的信息。…

本笔记本查询多个交易案例研究的登记表，并生成跨数据集的信号、资产配置、成本和风险比较表。它报告了验证集排名靠前的配置簇诊断指标，包括排名第一与第十的夏普比率差距、各折表现及其他测量值，用于显示选择结果的稳定程度。其选择流程固定完整的策略规格，包括信号、资产配置和风险叠加，并在有结果时将验证结果与重新训练后的留出集结果配对。标签和执行机制的限制使特定比较符合案例研究的预期分析。…

本笔记本构建 N-BEATS，这是一种全连接神经预测架构，可处理整个输入窗口并预测未来走势。其可解释变体对各模块施加约束，使其通过多项式趋势基和傅里叶季节性基表达成分。残差回推使堆叠模块能够逐步解释输入的不同部分。笔记本将受约束和不受约束的版本拟合到 SPY 收盘价，绘制命名成分，并将其预测误差与重复最新价格的持续性预测进行比较。…

本文提供一套可复用的金融数据诊断检查，涵盖索引完整性、重复项、缺失值、异常值、日历缺口和特定领域异常。检查内容包括时间类型、排序和唯一性（包括面板数据中按代码排序），并区分完全重复行与取值不同但键重复的记录。覆盖报告按字段、资产和时间汇总缺失值；其他检查则针对无效价格或成交量、异常收益变动等问题。 这些诊断用于在清洗前评估原始数据，不会修改输入。示例强调，列完整并不保证面板覆盖完整，异常规则也必须符合市场惯例。例如，应根据拆股信息识别公司行动，而不是从收益阈值推断；对于 FX…

本文介绍一类公司收益模型，它们假设少数未观测到的共同因子可以解释大部分横截面差异。这些模型不直接根据特征预测收益，而是根据特征推断各公司的因子敞口，再将这些敞口与估算的因子收益结合起来。核心约束有助于提高统计处理的可行性；但如果少数因子无法充分描述横截面，残差收益可能占主导，直接预测器的表现也可能更好。 这一模型族包括线性和神经网络敞口映射、直接为横截面定价的模型，以及保留瓶颈层并预测收益的监督式自编码器。笔记说明了哪些比较最有信息量，以及为什么当公司标识符无法贯穿整个样本时，普通 PCA…

这篇配置说明区分了会出现在回测身份标识中的设置，以及实际影响模拟交易成本的设置。在所述案例中，所有已登记运行都采用向量化的持有至到期路径。配置中的执行价格、佣金率和滑点率字段并未传入该路径；报价侧成交则属于事件驱动经纪商，而向量化运行并未构建该经纪商。配置仍保留这些设置，因为删除它们会改变现有运行的哈希身份标识。…

本笔记本使用双重机器学习（DML），估计连续型 ETF 动量指标对后续收益的调整后效应，并控制近期和长期波动率、市场状态及收益率曲线斜率。笔记本比较了未调整回归、EconML 和手动实现的 DML，并讨论干扰模型的选择如何影响估计值。因果解释依赖充分的处理前控制变量及其他识别假设；未观测冲击和模型设定错误仍可能造成偏差。 一个核心启示是，面板校正应依据决策日期，而不是展平后按 ETF 日期排列的行。滚动交叉验证折按唯一日期构建；Driscoll-Kraay…