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
本笔记比较在预测中使用市场状态的三种方式：不包含状态输入的基准模型、接收高波动状态滤波概率的单一模型，以及在硬性状态划分内分别训练的模型。为避免前视偏差，笔记在每个滚动训练块内重新拟合隐马尔可夫模型，根据拟合方差排列状态，并通过测试块中的前向递推计算概率。针对每个折单独进行缩放，并在训练数据与测试数据之间留出间隔，有助于避免未来观测和重叠预测目标造成的数据泄漏。笔记对不同折的结果进行比较，并提醒，在此示例中折间差异大于设计间差异，折数量也不足以支持显著性结论。…
本笔记在拟合任何模型前，检查数据能否支持每周横截面期货策略。笔记介绍了一种设计：对 CME 产品排序，做多排名最高的合约、做空排名最低的合约，并检查再平衡日期是否有足够多的产品报价来构建多空两侧。为评估成本可行性，笔记使用交易所合约规格和最小价格变动单位来表示假设的买卖价差成本，再将价格变动与这些成本换算到共同尺度进行比较。笔记还检查信号持续性，以及开发期历史数据能否支持重复的滚动划分，同时不查看留出数据。…
本笔记介绍层级风险平价（HRP），这是一种旨在降低对噪声协方差估计敏感度的投资组合构建方法。笔记介绍了三个阶段：按相关性距离对资产聚类；根据得到的层级关系重新排序；然后递归拆分聚类，并向方差较低的一侧分配更高权重。笔记还将 HRP 与均值—方差优化进行对比；后者的协方差矩阵求逆可能放大估计误差。笔记也对比了先稳定协方差估计、再求逆的收缩方法。 示例将这些方法应用于固定的 ETF 宇宙，并在滚动分析中比较配置器。笔记提醒，该宇宙是事后选定的，比较结果不能证明哪种方法普遍更优。HRP…
本笔记评估策略流程中已登记的 ETF 回测，涵盖信号、配置、成本和风险叠加层。笔记读取现有预测和回测结果，不拟合模型或新增回测，并根据已登记结果计算群组及配对比较指标。分析内容包括策略指标的自助法置信区间、选择偏差度量、阶段间比较，以及验证期和留出期与等权 ETF 宇宙基准的比较。…
本笔记为一个 FX 配对案例研究设置 LSTM 预测任务。模型通过回看序列传递隐藏状态，笔记则通过共享配置和研究规划工具确定架构与训练设置。笔记使用研究中声明的标签和配置的 LSTM 架构，检查请求是否涵盖预期模型总体，并在运行拟合或加载已存权重之前记录预期的预测标识和检查点。 序列资格判断会考虑数据间断：缺失的日度观测会使跨越该间断的回看窗口失效，因此验证预测可能覆盖比原始面板更少的行。笔记会验证每个声明的检查点是否出现在目录中，并检查重放请求能否复现预测标识。这些是可复现性和覆盖度检查，并不能证明 LSTM…
本笔记比较六种方法，使用同一预测排名为所选 ETF 投资组合加权：等权、分数加权、反波动率、风险平价、均值方差优化和层次风险平价。它在比较配置方法的同时改变所选基金数量，因为在集中持仓中，各加权方法的差异较小；而当投资组合包含风险特征不同的基金时，方法间差异可能更明显。…
本笔记汇总多个交易案例研究中登记的双重机器学习估计，并比较其不确定性和诊断结果。它从各研究的注册表加载当前行，检查注册表完整性和标签唯一性，明确显示覆盖情况，并计算 HAC 统计量和置信区间。由于估计效应使用的原始单位不同，森林图比较无量纲的 HAC 统计量，而不按原始效应大小排序。分析还比较朴素的 OLS 系数与正交化估计，总结混杂偏差指标和区块置换反驳检验结果，并区分多个标签与真正不同的预测期限。 本笔记将这些估计视为识别假设的诊断，而非交易信号或预测。HAC…
本笔记拟合一个预先声明的 LSTM 模型，用于标准普尔 500 期权研究中的预测。网络接收每个标的按时间排列的历史窗口，并使用门控循环状态表示多个交易时段中的信息，而不是只依赖人工设计的特征。配置的回看期、网络规模、丢弃率、批量大小和训练检查点共同定义模型设置。共享工作流负责构建验证折、设置验证间隔、保存检查点、重启运行，并检查预测是否恰好覆盖所有符合条件的行。 本笔记将 LSTM…
本笔记训练一个 PPO 智能体，在逐小时永续期货柱数据上安排母单卖出。它在价格和成交量历史数据中加入永续合约溢价及距下一次资金费结算的时间，同时对每小时决策时尚未知晓的信息进行滞后处理。训练期和评估期按日期分开，并对拆分进行检查。笔记在匹配的评估窗口中将学得的执行安排与固定和基于规则的安排进行比较，并使用配对差值和标准误描述比较结果。…
本笔记介绍如何使用 SEC XBRL 数据构建并检查季度股票基本面面板。每条观测都包含其描述的财政期，以及信息公开时的申报日期。这一区别对历史测试至关重要：只按期末日期筛选，可能纳入投资者当时尚未知晓的数据。笔记衡量概念覆盖率和申报延迟，并比较考虑申报日期的 as-of 查询所能获得的最新观测与基于期间的查询结果。…
本笔记评估会计和价格特征作为下月 US 股票收益独立预测变量的表现。它计算每个特征与收益标签之间的月度截面排名相关性，再按开发期月份进行汇总。工作流程排除预留的留出集，检查面板完整性，要求达到最低覆盖率和截面广度，并考察不同关联能否在滚动训练期和验证期内持续存在。…
本笔记针对前瞻收益，为 CME 期货案例研究筛选候选特征。它对每个特征计算特征值与后续收益之间的截面排名相关性，汇总各日期的相关性，针对重叠收益期限调整不确定性，并对测试集合应用 Benjamini-Hochberg 错误发现控制。它检查覆盖率和数据陈旧情况，考察特征在滚动验证年份及不同标签期限中的一致性，并记录继续、修改或停止的评估及其支持证据。为保留后续确认环节，筛选时不使用留出期。…
本笔记为 ETF 配置回测提供诊断框架。它计算夏普、索提诺、卡玛、波动率、风险价值和最大回撤等风险与收益指标；跟踪滚动表现和回撤修复；并使用阿尔法、贝塔、跟踪误差、信息比率和捕获率指标与 SPY 比较投资组合。笔记还考察选定市场压力时期的收益。分析的投资组合从注册表中解析为验证夏普比率最高的配置回测，其收益已经计入注册的执行和交易成本假设。…
本笔记通过比特币永续合约市场数据中的仅做多 RSI 均值回归规则，介绍使用 VectorBT 进行向量化回测。它计算基于收盘价的 RSI，在前一日读数低于下限时入场，高于上限时离场。信号经过移位后，才能在下一个 UTC 日开盘时执行；模拟会在成交中计入费用和滑点。本笔记回顾交易记录、组合价值、回撤、参数敏感性，并在执行假设匹配的前提下与买入并持有基准进行比较。…
本笔记将仓位规模与最大不利和有利变动分析联系起来。笔记展示固定比例仓位确定法：根据每笔交易的风险预算和入场价至止损价的距离确定股数，同时受集中度上限约束。笔记还根据滞后的独立波动率构建仅做多的反波动率配置，并强调这种启发式方法忽略了相关性，也不是考虑协方差的风险平价。…
本笔记说明如何使用 SHAP 解读 ETF 面板的岭回归预测。对于线性模型，每个特征的归因等于其系数乘以该特征相对于训练背景均值的偏差，因此可以通过闭式计算核对这些归因。工作流程涵盖总体归因幅度、对单个预测的瀑布图解释、对高置信度正确和错误预测的比较，以及滚动验证折之间的重要性稳定性。…
本笔记说明条件自编码器如何扩展带工具变量的主成分模型：神经网络将股票特征映射为因子暴露，同时模型保留相同的暴露乘以因子收益的结构。模型通过重构每个训练窗口配置的前瞻收益标签进行拟合，随后评估将固定因子均值应用于验证日期的暴露后，能否对下一窗口的股票进行排序。由于重构使用的正是之后以信息系数评分的同一标签，正向得分并非独立出现的意外；验证排名仍在检验模型能否迁移到之后的截面。 估计器训练 50 个周期，并在十个检查点发布预测，每隔五个周期一个。这些检查点记录的是一次拟合的进展，不是十个可按验证 IC…
本笔记比较六种配置方法在已通过基准筛选流程的加密货币永续合约策略中的表现。它固定每个策略的预测和入场规则，只改变资金分配方式：一种配置器使用模型评分，几种使用资产波动率或协方差，另一种则使用历史预测不确定性。与逆波动率相比，估算协方差矩阵的方法需要从可用收益历史中估计更多参数，这可能导致权重更不稳定。…
本笔记演示如何对空头欧式看涨期权进行深度对冲。它使用几何布朗运动模拟标的价格路径，以Black-Scholes Delta为基准，并训练半递归神经网络选择对冲仓位。训练目标是最小化终端损失的条件风险价值。损益计算将建仓、每次再平衡以及到期平仓的比例成本计入模拟，从而能在相同假设下与离散Delta对冲进行比较。笔记还考察，随着学习到的交易策略接近Delta对冲基准，其交易活动是否会减少。…
本模块定义如何在不同验证阶段和策略标签之间构建留出集筛选字段。它处理可能导致冻结候选集与实时重建选出不同配置，或导致后续分析使用非胜出方案标签的差异。统一构造涵盖已声明标签中的信号、配置和风险覆盖阶段，并读取所选结果的标签供下游使用。…
本笔记展示如何检验四种管理型投资组合策略在控制十个主成分所捕捉的广泛市场波动后，是否能增加对SPY收益的解释力。候选投资组合依据近期动量、低波动率或短期反转对ETF排序，并使用滞后收益构建多空组合。它将每个因子未经调整的SPY载荷，与通过两次LASSO回归选择控制变量后估算的条件载荷进行比较。扩展时间序列交叉验证以及各折内单独进行的缩放和PCA，可避免未来观测进入较早的验证折；所选控制变量则进入包含截距项的OLS模型，并使用Newey–West方法进行推断。…
本文介绍如何使用工具变量主成分分析对ETF收益建模。普通PCA会为每只基金分配固定的因子敞口，而IPCA则将每只基金的敞口设为其可观测特征的共同线性函数。它通过交替最小二乘法同时估计从特征到敞口的映射和因子收益。该方法提出的约束会汇集不同基金和日期的信息，但仍假设特征关系是线性的。…
本笔记通过最大化预期对数财富，为二元赌注推导凯利仓位，然后展示下注规模如何改变模拟财富路径的分布。它将框架扩展到连续收益和多资产投资组合；其中常见的均值除以方差表达式依赖于对数函数的截断展开。笔记根据隐含杠杆和可能耗尽资本的不利波动来分析投资组合解。滚动估计展示了从市场数据估算预期收益和协方差时，仓位规模可能变得多么不稳定。…
本评估使用股票前向收益检验期权曲面、价格衍生和条件波动率特征。对于每个交易时段，它会计算特征值与后续收益之间的横截面秩相关，再考察这些信息系数（IC）的时间序列。评估内容包括平均关联度、针对重叠前向收益调整后的不确定性、滚动验证窗口中的表现，以及测试大量候选项的影响。在考察预测关联性之前，会先检查覆盖率和过时值以筛查特征定义；高度冗余的特征则被视为代表基本相同的排序。…