跳至正文

知识库

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。

搜索知识库

28 份文档

《交易机器学习》

本案例研究使用每日数据、滚动模型评估,以及佣金、价差和展期滑点成本,检验一组多元化 CME 期货上的每周多空套息排序策略。研究比较不同模型类别的信号质量,然后评估组合配置、风险覆盖策略和未参与调参的留出期。报告中横截面信息系数最高的是潜在因子随机贴现因子模型;但案例最终选用的策略则采用梯度提升模型、层级风险平价和移动止损。 验证回测报告的夏普比率为 1.236,但留出期估计为…

期货套息机器学习回测
《交易机器学习》

本笔记介绍如何从单一资产价格历史以外的数据构建特征。它根据同期近月和远月期货合约价格推算年化展期收益率,并使用三个期限计算标准化曲线斜率和蝶式曲率。笔记还概述滚动贝塔、领先滞后关系、相对价值,以及平值隐含波动率、风险逆转、隐含波动率期限斜率和方差风险溢价等期权指标。 示例使用期货、ETF 和 S&P 500…

期货期权套息波动率
《交易机器学习》

此配置定义了一个每周期货研究股票池,涵盖股指、政府债券、能源、金属、货币、农产品和畜牧产品。它将周五结算价设为决策快照,并以周一开盘作为执行时点。策略框架根据持有收益或动量为产品排序,支持多空头寸,并可按等风险或名义金额配置仓位。成本假设因产品流动性而异,包括佣金、价差和展期滑点。…

期货多资产套息动量
《交易机器学习》

本笔记构建一个截面研究假设的特征:永续期货中持有多头的成本异常高,可能先于拥挤交易平仓时的相对走弱。它将资金费率和溢价指数数据转换为水平值、历史 z 分数、结算周期内排名、衰减指标以及市场状态条件特征。由于资金费率有上限,且结算间隔可能缩短,设计还考虑了费率饱和,并按经过的时间汇总现金流,而非假设观测次数固定。 笔记强调信息时间点的重要性。它将供应商 K…

加密资产永续合约套息回测