知识库

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。…

本文研究在现有加密货币永续策略中加入的仓位级退出规则：固定止损、移动止损和基于时间的退出。文中说明这些控制措施只会平掉底层策略选定的仓位，并将其与未叠加控制的同一策略进行评估。指定搜索包含十四种控制措施，并应用于经过严格筛选的配置，以减少在相同验证数据上反复比较。…

本文介绍如何通过预测智能体的搜索接口约束其证据，并使其活动可审计。与服务提供方无关的协议会返回包含来源、发布日期、相关性评分和内容的类型化结果；截止时间过滤器则排除在预测边界当日或之后发布的有日期结果。无日期的结果会单独记录，因为无法验证其是否符合时点安全要求。…

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。…

本笔记研究一种监督式自编码器，根据公司特征预测未来收益。它保留了狭窄的神经网络瓶颈，但去除了相关模型采用的条件因子解释和定价约束。网络将特征直接映射到收益，先通过指定数量的单元压缩输入，再生成预测。 本笔记在滚动前向交叉验证折上拟合指定的收益和收益分类标签。在每个训练检查点生成验证集预测，随后报告信息系数诊断，以比较不同检查点和标签。它将该模型作为具有相同瓶颈的条件自编码器的对照，因此比较可以显示加入因子结构的作用。本笔记不选择模型：后续回测阶段会使用验证集夏普值进行选择。…

本笔记将FX货币对预测转化为基准交易结果。在每个决策时点对货币对进行排名，建立规模相等的多头和空头组合，并通过现有回测引擎运行选定的预测配置和检查点。等权设计让基准聚焦于排名：加入不同的仓位规模会混淆信号质量与配置选择。由此得到的收益序列将作为后续配置、风险和成本比较的参照。…

这项可行性分析检查能否使用现有面板数据评估基于 US 公司特征的月度多空策略。分析验证指标是否以排名形式编码，描述公司可观测时长，按再平衡日期统计公司数量并与多空两侧所需持仓数比较，将月度价差与假定的交易成本区间进行比较，并检查历史数据是否足以支持多轮滚动验证且不触及留出集。分析没有拟合模型，也没有进行预测。…

本笔记本比较同一个月度 ETF 动量策略的两种模拟。两者使用相同的目标权重、股票池、日期和总交易成本。一种根据滞后权重和资产收益计算收益；另一种按顺序处理订单，并跟踪成交、股数和现金。因此，结果差异揭示了执行假设的影响，例如目标何时生效、成交价格、整股限制和现金可用性。 笔记本建议使用同一套指标实现比较收益路径和期末财富，因为每日收益相关性相近可能掩盖复利差异，不同软件库也可能采用不同的统计计算方式。数组方法适用于快速参数扫描，顺序模拟则可表示依赖账户状态的决策。示例使用固定且人工选定的 ETF…

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。…

本文演示一个经纪商封装层：在转发交易前检查订单和投资组合状态。其控制包括单笔订单的股数和金额上限、持仓敞口上限、订单频率限制、资产允许列表和屏蔽列表，以及紧急停机功能。模拟经纪商会显示请求被接受或拒绝的情况，并通过断言确保每个情景都产生预期结果。…

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…

本笔记本估算执行成本如何侵蚀假设的日内策略收益。首先，使用分钟线报价测量 NASDAQ-100 成分股的成交量加权报价价差，再以成分股价差中位数作为穿价成本的经验基准。其他成本部分，包括市场冲击、滑点、佣金和费用，均为情景假设。笔记本将穿价、限价委托和被动执行的成本组合，与假设的毛夏普比率、波动率和每日往返投资组合 NAV 换手率特征进行比较。 该框架按交易名义金额比例年化成本，并在成本降低收益但不改变波动率的简化假设下计算净夏普比率。它还求出符合所选净夏普比率阈值的最高换手率。关键的实践启示是，应根据投资组合…

本笔记区分收益预测与声称动量会导致收益这两种说法。它将股票过去一年的收益（不包括最近一个月）视为处理变量，将未来收益视为结果变量。近期波动率、流动性不足排名和成交量比率被设为潜在混杂因素。双重机器学习分别根据这些变量对结果和处理变量建模，然后通过将残差化后的结果对残差化后的处理变量进行回归来估计影响。两个干扰项模型都采用滚动方式拟合，并设置隔离期，以避免使用未来信息。…

本笔记将 PatchTST 作为标普 500 期权序列模型集合中的一员进行拟合。PatchTST 将回看窗口划分为固定大小的片段，将其嵌入为词元，并通过注意力学习历史不同部分之间的关系。笔记将它与 LSTM 进行对比；后者按顺序处理各交易时段并传递状态。注意力机制可以直接连接窗口中的远距离部分并并行处理整个窗口，但它依赖学习得到的位置信息，且参数更多。…

本笔记汇总多个交易案例研究中的 LightGBM 结果，并与线性模型和 TabM 基线进行比较。它考察每个案例研究中 IC 最高的 IC 配置，报告异方差和自相关一致的区间，并分析损失函数、树深度和提升检查点与验证表现之间的关系。其他视图会比较标签期限、分类与回归指标、特征重要性排名，以及覆盖范围相符的模型家族结果。 证据来自已登记的实验网格和折级预测；比较仅限于覆盖相同折和日期的配置。本笔记会明确显示缺失或不匹配的覆盖范围，而不会用无关结果替代。结论主要是描述性的：按验证 IC…