知识库

本文盘点九个案例研究中的跨市场模型特征产物。它读取 parquet 架构而不加载数据行，排除标识符列，统计特征列，并根据与 GARCH、隐马尔可夫状态、市场状态指标、卡尔曼滤波器、ARIMA 和分数差分等方法相关的词元对名称分组。列名样本有助于读者检查未匹配字段并理解词元计数。…

本文通过在每周五对日频数据采样，重新构建五个交易日股票收益预测问题。标签仍是五个交易日收益，但在周频网格上约等于一个模型步长。笔记比较直接回归与 N-BEATS 预测模型：前者使用固定回看窗口预测一个收益，后者配置为预测下一个周频数值。两者使用相同的周频观测和预测期限；本文也介绍了在有已登记结果时与日频模型系列的比较。…

本文介绍如何在所有符合条件的 -2021 之前历史数据上重新拟合早期验证阶段选出的配置，然后为 2021 留出集生成预测。训练区间根据声明的评估窗口、标签缓冲区、验证折和特征覆盖范围推导。若存在冻结的候选集，就从中读取选定配置，因此留出集用于评估一个沿用的配置，而非给备选配置排序。…

本笔记使用股票期权分析数据评估梯度提升树，其中隐含波动率、偏斜、期限结构和方差风险溢价等特征体现了市场预期。它探讨非线性模型能否有条件地组合这些预测，例如根据期限结构的不同而对偏斜作不同解读，以及这种方式能否改善相对于线性模型的横截面排序。网格调整树容量和回归损失，并记录多个提升检查点的预测。模型系列比较采用匹配的目标和滚动折，包括原始未来收益、风险调整收益和收益方向。…

本笔记测试梯度提升树能否在货币对横截面排序上优于惩罚线性模型。FX 范围内的货币对共享货币，因此观测之间存在依赖：一种货币的变动会同时影响多个货币对的收益。模型网格通过叶节点数量改变树的容量，并比较平方误差、绝对误差和 Huber 目标函数。每种配置会在多个提升检查点进行评估，因此每个检查点都是独立候选项，而不仅是拟合细节。比较使用匹配的标签、特征和滚动折，并以验证集信息系数作为排序诊断指标。…

本笔记使用近期 10-K 年报中的段落和一组固定的金融研究查询，比较两个在本地运行的开放权重嵌入模型。它将文本切分为两句一段，用每个模型对相同文档和查询进行嵌入，并以词汇重叠作为相关性的代理指标来评估检索效果。重点是如何解读这些测量：笔记将指标差异换算为文档数量，考察代理指标任意分配标签时出现的并列，并比较不同查询类型的结果。…

本笔记为广泛的 US 股票面板构建价格衍生特征，包括动量、移动平均线和波动率指标。其设计目标是对股票进行相互排序，使用可交易性筛选、逐标的滚动计算和每日横截面排名。操作顺序很重要：先计算时间序列窗口，再删除行；排名时只使用该日期符合条件的标的。特征值会在其测量所在的横截面内进行截尾。 笔记只用开发数据，以主要的未来收益标签评估特征。它讨论了在标签终点停止评估、校正信息系数的自相关，以及单独处理多重检验的必要性。笔记还通过基本定律联系 IC…

本笔记比较编排四阶段预测工作流的三种方式：直接使用 Python 组合、基于角色提示的 CrewAI 版本，以及委托给与原生实现相同专业类的 LangGraph 版本。笔记考察状态的存放位置、如何检查故障和中间结果、各方案增加了哪些依赖，以及是否支持检查点。 比较使用相同的预测问题，并包含基于已保存跟踪记录的回放模式，以及可选的实时模式。证据主要来自结构层面，例如编排代码、状态处理和跟踪边界。CrewAI…

本笔记检查四小时现货 FX 数据是否支持日频横截面策略，即依据动量和套息收益为货币对排序。它检查已声明的交易品种在每个决策时点是否都有价格、投资范围是否包含足够多的独立押注、典型价格变动是否可能超过假定的点差成本，以及开发期历史是否足以支持多次滚动评估并保留留出集。由于 FX 全天候交易，笔记使用交易时段日历将 K 线分配到交易日，并对齐决策快照。…

本笔记筛选金融特征和基于模型的特征，评估它们按未来收益为股票排序的能力。它计算每日横截面信息系数，在考虑序列依赖的同时估计不确定性，对多候选项检验进行显著性调整，并跨滚动周期评估结果。分位数收益分布有助于判断某种关系是否可支持排序型策略，冗余分析则识别证据相似的特征。…

本笔记对不同期限国债收益率的变动应用主成分分析。对变动进行标准化，使每个期限的影响相同；得到的主成分被解释为水平移动、曲线变陡或变平，以及曲率变化。移动区块自助法在考虑短期依赖的同时，评估载荷模式的稳定性。分析还会重构收益率变动，并将因子敞口与关键利率 DV01 联系起来，用于说明性对冲。 本文将 PCA…

该笔记介绍双重机器学习分析，用于估计 FX 动量处理的效应，并对指定混杂因素进行调整。灵活的干扰模型根据这些混杂因素估计结果变量和处理变量；交叉拟合随后利用未解释的残差估计处理效应。禁入期用于处理金融时间序列中相邻观测之间的依赖。…

该笔记使用每日 SPY 收益，比较三种线性预测器、一个 Transformer 编码器和两种无参数预测方法。线性模型将历史窗口映射为多日预测；有些变体会先分离平滑成分，或纳入最近一次观测值。笔记将模型与零收益预测和最近观测收益预测进行比较，并通过打乱每个输入窗口内的观测，诊断时间顺序是否重要。 讨论解释了为什么自相关较弱且收益接近于零时，简单预测很难被超越，也说明了架构比较为何需要有力的基准。按时间顺序划分可避免不同分区共享目标日期，而仅使用验证集进行窗口扫描有助于选择输入长度。笔记介绍了使用原版…

该笔记为 FX 货币对配置 NLinear 预测运行。模型使用固定长度的连续回看窗口，并减去最近一次观测水平，使拟合侧重于该窗口内的变化。笔记通过共享模型规划流程确定回看长度、归一化方式、设备、折和检查点计划。序列资格判定能够安全处理缺口：缺失的日观测会使受影响的回看窗口失效，而不会让基于位置的索引将间隔日期误当作连续日期。 笔记为每个已声明的深度学习标签规划一个 NLinear…

这段代码为可复现交叉验证、合格范围跟踪和折内时间特征定义了保护措施。代码统一折边界，将请求的折与生成时间性产物时使用的边界进行比较，并拒绝不兼容的折划分结构。对于留出集，代码会检查时间特征记录是否覆盖所需的训练日期和评估日期，包括评估终点；还会验证任何已声明的估计器截止时间是否早于评分窗口。 合格清单会记录实体、时间戳和折键，以及其数据结构、来源和逻辑身份、计数与排序后的摘要值。解析后的 CV…

该笔记概述了针对 10 个交易时段的 delta 对冲 S&P 500 期权收益标签所做的仅限验证集诊断。笔记将金融预测变量分为依赖隐含波动率和不依赖隐含波动率两组，再比较仅使用一个波动率特征、分别使用各组以及使用全部特征的 Ridge 模型。模型使用相同的滚动前推折和验证键，并以不确定性区间汇总合并后的每日秩信息系数。 其他检查衡量隐含波动率信号随滞后期的衰减，比较特征与 delta…

该笔记将 21 个交易时段的 ETF 远期收益预测改写为二元任务：正收益标记为上涨，其余标记为下跌。笔记使用按时间顺序进行的滚动折和清除间隔，拟合经过 L2 和 L1 正则化的逻辑回归。缩放参数在每个训练折内学习，再应用于其验证数据，以减少数据泄漏。评估指标包括准确率、精确率、召回率、F1、ROC-AUC、对数损失、校准和基于系数的特征分析。 笔记讨论类别不平衡、求解器选择、概率校准，以及将概率用于仓位规模计算的可能性。其结论提醒，AUC…

该笔记测试 LSTM 能否从 ETF 特征历史中提取平面特征模型可能遗漏的时间结构。拟合前，笔记会根据可用特征、标签、实体和滚动前推折确认所声明的序列总体。序列预测要求具备完整的先前历史，因此其合格样本小于表格模型的样本。笔记在验证折上评估各轮检查点，并将预测覆盖不完整的检查点排除在比较之外。 笔记将 LSTM 与 Ridge…

该笔记为 ETF 横截面定义两个交易日期限的收盘至收盘远期收益；每个期限均从复权收盘价计算到固定数量交易日后的收盘价。笔记解释了为何应先基于完整证券历史构建标签，再筛选符合条件的记录；还检查不完整尾部是否仍为空值、窗口是否局限于各证券内部，以及是否存在较大的日历间隔。较长期限标签用于月度持有假设，较短期限版本则对应每周持有。…

本教程通过最大化预期对数财富增长，推导二元赌注的凯利比例，并将这一思路扩展到连续收益和多资产投资组合。教程使用符号微分和共享抛硬币结果的模拟，比较按最优下注额不同比例下注时的财富路径。投资组合计算将预期收益和协方差与隐含杠杆联系起来，并考察不利变动可能如何威胁账户。…

该笔记使用某只股票一个交易日的 NASDAQ ITCH 成交数据，构建多种采样方式：日历时间、逐笔、成交量、金额、失衡和连续同向成交柱。笔记比较这些方式的统计性质，包括正态性和自相关，并展示在数据源未提供主动方标签时如何推断交易方向。逐笔测试根据价格变化判定方向，并在价格不变时沿用最近一次非零方向；Lee-Ready 方法则将成交与重建的报价中点进行比较。因此，带符号的失衡柱取决于交易方向推断的质量。 笔记指出，时间 K 线有助于与日历时间对齐，而逐笔、成交量和金额 K…

该笔记展示了针对两种线性股票模型配置的验证预测误差所设的两种顺序监测器：双窗口均值漂移检测器，以及监测坏日频率的监测器。每个检测器都在初始时段校准，然后应用于之后的交易时段。另有一项基于波动率的独立指标用于识别市场动荡时期，以便将预警时间与市场条件变化进行比较。研究范围仅限于流动性较高的股票，这些股票根据监测期之前的数据排名；笔记还检查了被比较的预测序列是否彼此不同且覆盖范围足够广。…

该笔记评估从新闻文本中提取的四种信号：加权意外度、平均情绪、情绪动量和文章覆盖度。笔记使用先前特征构建步骤准备的远期收益，然后为每种信号和收益期限计算每日横截面 Spearman 信息系数。评估汇总这些系数的均值与变异、信息比率和 t 统计量，并计算按信号将资产分为五组后最高组与最低组的收益。 文档给出的结论是，这些信号在本次评估中没有显示出可测量的优势。文档解释了为何推断应以每日系数而非合并后的资产观测为单位，以及为何重复的信号值可能扭曲分组规模和比较结果。t…

该笔记使用双重机器学习（DML）估计跳过近期动量对 ETF 远期收益的影响；这是因果问题，与收益预测不同。笔记使用指定的混杂因素建模结果变量和动量处理变量，再估计这些模型未能解释的关系。分析在拟合前界定研究总体和时间边界，按日期对观测分组以进行交叉拟合，并使用禁入期，防止重叠的结果期跨越验证边界。 笔记将 Driscoll–Kraay…