知识库

本章说明如何在尊重每个决策时点可用信息的前提下评估金融机器学习模型。它区分训练集、验证集和最终留出集，并解释随机打乱的K折验证为何会让模型在预测过去时使用未来观测进行训练。扩展窗口和滚动前向验证折保留时间顺序：扩展窗口保留历史数据，滚动窗口则舍弃较早数据。…

本笔记通过固定每个案例研究所选信号并比较配置阶段回测，单独考察投资组合配置。比较方法包括等权、反波动率、分数加权、均值—方差优化、风险平价和层次风险平价。对每种方法，笔记保留其在再平衡和前K名变体中的最高夏普配置，再比较各案例研究中的最佳配置方法及最强与最弱方法之间的差距。…

本笔记在固定每个案例研究所选信号预测的条件下，比较不同案例研究中的投资组合配置方法。它载入与同一主干预测相关的配置阶段回测，再考察等权、反波动率、均值—方差优化、风险平价、层次风险平价和分数加权等方法。笔记以每个案例研究中最佳与最差配置方法之间的夏普差距描述配置方法的敏感性，并以信号阶段的等权配置作为基准。分析强调，配置可以重新分配风险，却无法创造有信息量的信号。差距较小时，可根据换手率或容量等实际因素选择配置方法；差距较大则说明这是一个影响重大的决策，也可能带来验证数据选择偏差。结果依赖验证折；每种方法均以其在…

本笔记介绍如何根据 DataBento…

本笔记比较 LightGBM…

本笔记评估 DeFi 总锁定价值序列能否作为交易以太币的另类数据。评估围绕四个问题展开：该序列是否与前向收益相关、数据是否可靠且可重建、使用是否合法，以及其价值是否足以抵偿集成和维护成本。信号分析针对多个收益期限测试若干TVL变换，对重叠观测带来的不确定性进行调整，统计比较次数，并考察相关关系是否随时间保持稳定。其他检查评估数据覆盖和异常变动；成本计算则估算覆盖研究开支所需的回报。…

本笔记展示如何将亏损交易与其决策对应的模型解释联系起来。它根据价格和宏观经济数据构建单一资产SPY特征面板，在较早的观测上训练 LightGBM 模型，再用较晚的观测构建交易记录和SHAP解释。交易分析器对表现最差交易的解释进行聚类，旨在发现可用于调查特征、市场状态或数据问题的模式。…

本笔记介绍一个针对NASDAQ-100股票预测的15分钟回测流程。首先进行随机信号流程检查：由于随机交易扣除成本后理应亏损，若结果持续盈利，可能意味着存在前视偏差、数据未对齐或漏计成本等问题。随后将不同预测和入场方案组合提交至统一回测引擎，并使用包括 Deflated Sharpe Ratio 在内的统计指标评估登记结果。所述设置使用根据成交价格构建的OHLCV柱，并计入佣金和滑点。…

本笔记根据NASDAQ ITCH成交数据构建市场微观结构指标，将成交汇总为日内柱，并区分流动性代理指标、订单流信号和订单簿状态。它先用跳动规则对单笔成交分类，再进行汇总，使买入量和卖出量能够构成有意义的订单流失衡指标。随后展示 Kyle lambda 的比率近似、Amihud 非流动性、Roll 价差和成交强度，并解释各自的输入和含义。 一个重要注意事项是，实际实现的 Kyle lambda 是绝对收益对相对成交量之比，并非原始定义中的带符号订单流回归斜率。本笔记还展示了 Kyle 和 Amihud…

本笔记为一种读取上市期权信号并交易标的股票的策略构建前向收益标签。它对每日股价进行拆股和股息调整，使用持久证券标识符，并根据预定入场和出场时可执行的价格定义收益。笔记检查每个前向窗口是否完整、是否始终对应同一证券，并按市场交易时段计数，而非简单地跨可用行移位。标签集涵盖不同持有期的收益、风险缩放和方向性变体。…

本笔记估算，相较于纳入退出数据集公司的投资组合，仅包含存续US股票的等权投资组合可能高估多少收益。首先检查面板数据记录退出的时间，发现可用的退出历史仅从较晚年份开始。由于面板缺少退市原因和终值回报，分析采用根据已发表的CRSP比率校准的情景，对最后报价后的结果进行建模。在计算投资组合偏差之前，先检查复权价格是否因未调整的公司行动而出现不合理跳变，并修正受影响的回报。…

这本笔记演示如何在市场状况迥异的时段监控 ETF 动量特征和加密货币永续期货特征的协变量漂移。它比较总体稳定性指数（衡量单个特征分布变化）、Wasserstein 距离和领域分类器；领域分类器检验能否从整体上区分参考样本与当前样本。一个生产监控示例将得分映射为警报级别，并汇总警报以生成重新训练建议。 领域分类器使用按时间区块划分的验证，避免相邻观测跨折泄漏并夸大表面上的可区分性。示例展示按特征和多变量检查可以揭示不同类型的变化；同时，PSI…

这本笔记介绍工具变量主成分分析，它根据可观察的股票特征决定潜在因子载荷，而不是为每只股票指定固定载荷。根据特征到因子敞口的共享映射，可以为训练面板中未出现的股票生成载荷，也可以在股票特征变化时调整载荷。该方法与普通 PCA 并列介绍，比较时计划固定因子数量、面板和滚动折。…

这本笔记构建了仅做多且满仓的 Markowitz 框架，包括可行组合、有效前沿、最大夏普组合和最小方差组合。它介绍组合方差如何取决于协方差矩阵，以及资产走势不同步时，分散化如何降低风险。条件数用于诊断资产收益之间的冗余程度及其可能导致的数值敏感性。 核心经验是，优化权重可能不稳定，因为预期收益比协方差更难估计，而优化器又可能对这些带有噪声的收益估计高度敏感。笔记在一个时期估算权重并将其固定，之后将其与等权、逆波动率和风险贡献相等等启发式方法进行比较。其 ETF…

这份文档介绍小波分解和滚动频谱估计如何描述不同时间尺度上的金融收益。小波将收益分解为涵盖逐渐变慢周期的成分，从而可以观察各尺度分别解释了多少变动。示例使用 SPY 日收益并比较多个小波族，发现最快的成分包含大部分方差，而较慢的成分在不同小波族之间大体相似。…

这本笔记使用双重机器学习，估计在调整波动率、动量和横截面展期收益排名后，期货展期收益是否会影响后续收益。它区分因果解释与预测表现：盈利的回测可以说明展期收益能够预测收益，却不能证明展期收益本身导致了这些收益。灵活的干扰模型根据混杂因素预测处理变量和结果，并通过交叉拟合减少样本内偏差。由于波动率聚集且收益标签相互重叠会导致残差相关，分析采用了异方差与自相关一致的误差估计。…

这份文档介绍如何在分配资金前，通过影子评估比较现有模型与候选模型。它预先固定两者的角色和晋级门槛，再从五个维度评估候选模型：年化夏普率的提升、最低观测长度、信号相关性、持仓重合度和相对最大回撤。两个模型都使用排序后的多空组合进行评分，并根据各自的换手率计入交易成本。文档强调，要求达到最低提升幅度有助于应对短窗口夏普率估计的噪声；一致性检查则可标出可能代表不同策略或风险敞口的候选模型。 示例使用 63…

这本笔记演示如何配置 Feast 的 Parquet 数据源、实体、特征视图、时间戳和存活时间策略，然后为训练样本和类似实盘的时点查询检索特征。它逐项比较 Feast 的输出与手写的时点连接，并采用严格容差，使不一致能够揭示是否选错了行，而不只是常规舍入差异。 比较时必须考虑不同的检索语义：Feast…

这本笔记介绍一种用于股票因子建模的监督自编码器。无监督自编码器通过重建横截面来学习瓶颈表示，而该模型还将未来收益纳入训练目标。因此，目标变量不仅影响预测结果，也会塑造学到的表示。由于不同的未来收益标签会直接进入损失函数，因此会产生不同的拟合模型。…

这本笔记介绍如何将日内股票收益中的连续价格变动与跳跃区分开来。它根据平方收益率估算每日已实现方差，并使用双幂变差作为对跳跃稳健的连续部分估计；两者的非负差值用于估算跳跃方差。随后应用 Lee–Mykland 检验，以同一交易时段内较早收益率计算的局部波动率估计对每个收益率进行标准化。 该检验使用基于最大统计量的全时段临界值，以考虑对多个柱线进行检验。笔记将检测到的跳跃与固定收益率阈值进行比较，考察跳跃占比和发生时间，并整理跳跃次数、有符号跳跃方差和跳跃占比等每日特征，供后续建模使用。示例使用选定股票的五分钟…

这本笔记将神经随机贴现因子模型应用于 CME 期货。在资产定价中，随机贴现因子是一个随机变量；在无套利条件下，它与每项资产收益率的乘积具有相同的期望值。模型利用各产品收益率以及可观察特征（如展期收益、动量和波动率）来估计这一潜在对象。与所述仅使用收益率的 PCA 对比不同，SDF 可以让特征影响其横截面工具权重。…

本笔记汇总九个资产类别中多个案例研究的工程化金融特征。它统计各可用特征面板中的特征数量和按名称划分的特征系列，比较特征空间规模，并汇总各案例研究模型登记库中记录的最强信息系数。动量、波动率和收益等重复前缀可用于比较不同市场；而专用指标和不一致的命名方式意味着，按系列统计的数量只能粗略参考。…

本章综述金融文本表示方法，从词典和词频统计到 TF-IDF、静态词向量、循环网络和 Transformer。文中解释了各种方法的权衡：简单方法速度快、易于解释且适合金融领域；上下文模型则更善于处理歧义和段落内的关系。实际流程使用预训练模型、可选的领域适配和面向任务的微调，以生成情绪、叙事意外、主题敞口和结构化事件等信号。…

本笔记构建金融检索增强生成评估框架，分别衡量检索覆盖率、回答忠实度、适当拒答和安全行为。它使用六个人工编写的测试样例，部分上下文取自真实公司申报文件，用于检验可回答问题、缺失证据、提示注入和无依据引用。设计目标是诊断哪个组件出了问题，而不是把不同问题压缩成一个准确率分数。…