知识库

本笔记使用信息系数、分位数收益、首尾分位差和分类诊断评估横截面动量因子。它介绍Spearman IC，即逐日计算信号与后续收益的秩相关，并将其与所有日期和资产观测值合并计算的相关性区分开来。两种计算方式可能得出不同结果，因为合并计算的IC也反映收益的时变特征。笔记还介绍ICIR、显著性指标、分位数单调性、换手率和信号衰减等互补诊断。…

本模块定义了面向读者的CME期货研究流程，涵盖模型请求、预测与回测执行、候选池和最终筛选。它从共享设置声明中读取已配置的标签扫描范围，保留其顺序，并检查各标签下是否存在所请求的模型配置。研究构建会区分标准运行与缩减版预览运行，并记录执行详情，确保预览输出不会被视为标准总体成员。…

此笔记本使用最大有利变动幅度（MFE）和最大不利变动幅度（MAE），根据观测到的价格路径确定三重障碍标签的宽度。对于在行情柱收盘时进入的头寸，它从下一根行情柱开始，测量前向持有窗口内最有利和最不利的变动。多头和空头头寸采用相反的定义。笔记本还介绍基于真实波幅和怀尔德平滑法计算的平均真实波幅，并说明可以通过波动率调整障碍宽度。…

这项分析在拟合模型或进行预测之前，先判断数据能否支持横截面加密货币永续合约策略。拟议方法是在每次资金费率结算时按溢价对合约排名，然后买入排名一侧并卖出另一侧。笔记本检查决策时点挂牌的合约是否足够、典型价格变动是否有可能覆盖平台费用，以及考虑序列相关性后还剩多少独立历史数据。分析使用开发期数据，并未读取指定的样本外数据。…

本文介绍一项FX投资组合配置扫描，旨在将头寸规模与信号选择分开。它从依据验证回测表现排名的固定等权基准候选项开始，在推进配置时保留各自的模型检查点和信号映射。扫描会改变配置规则，同时保持预测、所选货币对、交易成本和执行假设不变。它将每个生成的策略规格与基准进行核对，并拒绝对配置以外字段的更改。…

本文介绍GReaT框架：将混合数值和类别型金融数据的行序列化为文本，在这些记录上微调语言模型，再将生成的文本解析回表格。示例根据历史收益、波动率、成交量及类别型方向或状态标签构建ETF特征，并以远期收益为目标。它将合成记录与留出的真实数据进行比较，并讨论先用合成数据训练、再用真实数据测试的下游评估方式。…

这项跨案例分析考察预测信息如何转化为投资组合夏普比率，其中预测信息以信息系数（IC）衡量，分析涵盖九个交易案例。核心观点是，实施方式会影响两者关系：入场规则、头寸规模、再平衡频率和交易成本决定信号的排名能力能否转化为策略表现。分析将样本外IC与样本外夏普比率进行比较，并对同一入选配置比较验证夏普比率和样本外夏普比率。它还考察在IC上领先的类别是否也在夏普比率上领先，并描述了不同策略变体的结果。…

此笔记本介绍时间卷积网络（TCN），用于根据滞后收益特征序列预测ETF远期收益。因果卷积确保输出只使用截至相应日期的观测；指数递增的膨胀率则扩大输入窗口内的感受野。残差连接支持更深的网络堆叠，权重归一化和通道丢弃也是模块设计的一部分。模型与岭回归基准进行比较，评估指标包括横截面排名相关性，以及相对于零预测的平方误差。…

此笔记本介绍成交笔数失衡柱和成交量失衡柱，并用NVDA成交数据比较自适应、固定阈值和滚动窗口方法。成交笔数失衡会累积带符号的交易方向，直到达到阈值；预期阈值取决于每柱预期交易笔数，以及估计的买卖失衡程度。笔记本用库实现核对手工计算的成交笔数柱，并通过参数扫描考察柱数、平均柱大小、收益正态性、自相关和方差比。…

此笔记本说明如何根据即将到期的单个合约构建连续期货价格历史。它根据成交量识别近月合约，采用不可回退约束以避免错误切换，并将按日历确定的换月时间与实际交易活动进行比较。笔记本还指出一些数据陷阱：必须将非价差期货合约与跨期价差区分开来，合约代码可能不包含完整年份，而且在将构建序列与供应商序列比较前，必须对齐行情柱频率。…

此笔记本说明如何将拟合后的GJR-GARCH和隐马尔可夫模型转化为交易特征，同时控制前视偏差。GJR-GARCH估计条件波动率，并捕捉负收益冲击的更大影响；两状态高斯HMM对横截面资金费率结算中的状态进行建模，并给出压力状态的滤波概率。两个模型都按固定频率在扩展的历史数据上重新拟合，验证期间参数保持不变，且在初始预热期内不提供特征。…

此笔记本将货币对预测排名转化为可交易的基准。每个决策时点，它从排名最高和最低的货币对中构建规模相等的多头和空头组合，再用FX回测引擎进行评估。采用等权配置是为了单独考察排名的贡献，不受之后头寸规模和配置决策的影响。投资组合规模网格会改变多空组合的集中度，而投资范围的大小则限制每一侧可持有的不同货币对数量。…

此工具为实时演示笔记本准备预测产物，将不同的列名和日期格式规范为统一的时间戳、资产和预测结构。它会对重复的时间戳—资产观测分组，并计算其评分均值。加载器先搜索已提交的模型输出，找不到这些文件时再查询注册表。…

这段验证脚本演练了一个精简的CME期货研究流程，从模型预测到投资组合权重和回测。脚本检查预测是否恰好覆盖预期的产品、时间戳和折键，拟合状态与预测文件是否匹配其记录的摘要，以及重新运行请求是否会复现相同产物。脚本还检查预览输出是否与正式总体及候选集分离。…

本笔记比较两种Transformer架构，使用历史动量特征预测21日ETF收益。PatchTST将连续日期分组成多个片段，使每个词元包含局部形态的短序列。iTransformer则将每个特征的历史数据作为一个词元，使注意力能够关联不同变量，同时在各词元内保留时间顺序。比较使用相同的ETF面板，并以岭回归和零收益预测为基准，通过横截面秩信息系数和平方误差评估两种模型。…

本笔记通过分别建模交易摩擦、融资和基金费用，说明如何将总收益转换为净业绩。其参数化成本结构根据换手率和交易规模计算交易成本，根据杠杆和空头敞口计算融资成本，并依据管理和行政费用假设计算年度费用。随后将这些扣减项应用于每日 ETF 收益序列，涵盖三种配置：高换手率 QQQ、杠杆化 QQQ-IWM 多空价差，以及低换手率 SPY。…

本模块介绍供研究智能体使用的搜索接口，包含实时服务提供方和确定性模拟服务提供方。搜索可以限制结果数量并设置发布日期截止点，通过移除截止日当天及之后发布的结果支持时点研究。域名允许列表和屏蔽列表用于筛选来源；工具执行器则通过策略执行和记录操作日志来封装搜索调用，以供审计。…

本笔记介绍条件自编码器如何扩展工具变量PCA，用于ETF收益建模。两种方法都将基金特征映射到因子暴露，并将暴露与因子收益结合；自编码器用神经网络取代了IPCA的线性特征到暴露映射。训练使用滚动验证折，按预先声明的轮次计划为每个标签生成多个检查点。笔记发布全部检查点，供后续模型选择在候选集可见的情况下使用验证回测夏普比率，而不是在此根据验证信息准则选择轮次。…

本案例研究说明，为什么无法对基于月度观测构建的US公司特征组合检验止损、移动止损及其他头寸级覆盖规则。向量化回测将一个权重向量应用于当月已实现的前向收益，因此不包含入场和退出之间的价格路径。止损行为以及最大不利或有利变动取决于缺失的路径；若要模拟这些情况，就必须捏造数据。…

本笔记建立信号阶段基准，用于评估模型对CME期货的预测。每周决策时，按预测收益为品种排序，买入排名靠前的一组，做空排名靠后的一组，并为每个头寸赋予相同权重。笔记改变每条腿所含品种数量，以展示集中度如何影响比较。此阶段不纳入配置方法、风险控制和交易成本，以便后续组合方法有明确的参照。…

此配置规定了一项只做多的ETF排序与再平衡实验。它定义了一个涵盖股票、债券、商品和地区敞口的广泛100-ETF股票池，采用月度决策并在次日开盘执行。主要标签预测21日收益；五日标签采用每周时间表，使回测频率更贴合其期限。持仓按排名选出并等权配置，同时测试不同组合集中度下的前K名选择。…

本笔记为梯度提升预测构建预测区间，并比较拆分保形预测、分位数回归、保形化分位数回归和自适应保形推断。拆分保形预测按时间顺序划分训练集和校准集，并在边界附近移除观测值以考虑标签期限，再根据有限样本残差顺序统计量设定区间宽度。该框架使用清除了边界样本的滚动验证折，在ETF、加密资产和期货数据上进行评估。…

这项US股票面板研究使用惩罚线性模型作为基准，根据收盘时观测到的特征预测前向收益。特征集包含相互重叠的动量和波动率测量，产生多重共线性，可能使普通最小二乘法的系数不稳定。笔记比较了用于收缩系数的Ridge、可将系数设为零的Lasso，以及结合两种惩罚的Elastic Net。通过惩罚强度网格，研究正则化对滚动验证各折及多个收益期限的验证信息系数有何影响。…

本基准测试使用相同的确定性OHLCV面板，对比CSV、Parquet、Feather（Arrow IPC）和HDF5。测量写入时间、物化读取时间、文件大小，以及仅读取指定列的影响。计时方法是写入一次，并在预热后对多次读取求平均；因此，读取测量反映的是热缓存情形。Feather的内存映射打开时间会与物化时间分开报告，避免将其误认为数据加载成本。…