知识库

此笔记本对一组流动性较高的 US 股票使用主成分分析，构建总敞口标准化的特征组合，并研究其作为潜在风险因子的作用。笔记本考察解释方差，通过行业 ETF 相关性解读成分，比较标准 PCA 与层次 PCA，并分析残差、组合风险贡献及因子在滚动窗口中的稳定性。笔记本强调，PCA…

此笔记本比较线性模型，使用重叠的价格衍生特征预测 ETF 收益。由于多个收益期限和指标类别可能编码相似信息，普通最小二乘法可能为近似重复的特征赋予不稳定且方向相反的系数。实验在滚动切分中调整岭回归、套索和弹性网络拟合的惩罚强度。岭回归会收缩系数但保留特征；套索可以将系数设为零；弹性网络则结合两者的效果。针对每个切分调整套索惩罚项的尺度，使声明的比例在各切分间具有可比性。…

此配置描述按公司特征排名的月度多空 US 股票组合。它规定了一个包含 46 项特征的完整案例样本空间、月末决策、次日开盘执行、多头和空头部分别等权，以及包括借券费用在内的显著交易成本。特征登记表将信号归为价值、质量、投资和动量等类别，并记录其假定的更新滞后和失效模式。该设置还定义了月度收益标签和滚动评估，并留出 2016 期间作为测试集。 核心设计讨论之一是配置器估计。使用 12…

本指南将因果问题与 Python 库对应起来，并阐明在假定因果结构下估计效应与从数据中发现可能结构之间的区别。指南介绍了用于调整处理效应的双重机器学习、使用 DoWhy 进行基于图的识别与反驳，以及时间序列或横截面结构发现方法，例如 PCMCI、PC、FCI、GES、LiNGAM 和 NOTEARS。指南还说明处理变量类型和目标估计量如何影响工具选择：将连续处理变量转为分组会改变所估计的问题。…

此框架展示了对日频 US 股票 OHLCV 数据进行的数据质量检查。结构验证会检查价格关系、价格是否为正、成交量是否非负、缺失值、重复日期、时间顺序、价格陈旧情况和极端收益。笔记本通过注入已知故障并确认预期检查能够报告这些故障，来检验验证流程是否有效。随后比较使用中位数绝对偏差、Z 分数和四分位距检测收益异常值的方法，并解释为何相同的乘数会使不同方法得出不同的阈值。…

本笔记介绍用于ETF横截面定价的随机贴现因子模型。该模型不是分别估计基金敞口和因子收益，而是训练神经网络寻找一个共同的贴现因子序列，使其与基金收益的协变关系能够解释平均收益。训练目标是最小化定价误差，预测收益和信息系数则作为后续诊断指标进行报告。区分优化目标与报告的预测评分，对于解读模型至关重要。…

本笔记重建单个 AAPL 交易日在 2020 年 3 月每笔交易发生时的最佳买价和卖价，然后应用 Lee–Ready 方法推断交易由买方还是卖方发起。它按时间戳顺序交错排列报价和交易事件，延续使用最新的买价和卖价，并将每笔交易价格与报价中点进行比较。偏离中点的交易通过报价检验分类；中点交易则以此前价格变动方向作为跳动检验。由此得到的带符号交易数据可用于分析整个交易时段的价差分布、订单失衡和交易主动性。…

本笔记研究SHAP特征归因是否足够稳定，能否用于模型精简、风险决策或报告。笔记以一项ETF预测任务为例，首先搜索预测结果接近但SHAP特征归因概况不同的测试样本。随后比较使用不同随机种子训练的LightGBM模型和随机森林模型的归因概况，并同时比较它们的验证集横截面信息系数。这些演示说明了解释结果多样性的两种形式：同一个模型对相似输出可能产生不同的特征贡献模式；预测能力相似的模型也可能重视不同的输入特征。…

此配置描述了一种每日多空US股票策略：按模型预测对广泛的股票范围排名，以等权方式买入最高十分位，并做空最低十分位。配置规定了下一交易时段开盘执行、整股仓位、起始资金、再平衡阈值，以及包括价差、佣金、市场冲击和借券成本在内的交易成本。配置还区分主要的百分比成本机制与探索性的每股敏感性分析，并指出历史交易摩擦因小数报价制度的不同时期而异。…

该数据工具支持使用Chen、Pelger和Zhu资产定价数据集，其中包含股票收益、公司特征、宏观经济序列和拆分前的特征张量。其转换方法根据已发布的训练、验证和测试张量生成Parquet文件。由于存档数据在每个区块中提供了持续匿名的公司位置，却没有跨区块映射，转换器会为各区块分配互不重叠的标识符范围。这能保留区块内的公司身份，但不意味着相同标识符跨区块对应同一家已知公司。…

本笔记考察金融特征是否有助于解释一个 10 个交易日的 Delta 对冲期权收益标签。它比较了使用单个隐含波动率特征、依赖和不依赖隐含波动率的特征组，以及完整特征集的 Ridge 模型。所有比较都使用相同的标签专属前向滚动折和验证集标识，并汇总每日秩信息系数及其不确定性估计。计算 IC 时始终采用最低横截面样本量要求。…

本实现介绍了如何为深度学习研究中的面板数据构建批量序列窗口。窗口遵循面板预期的日历，而不是将每项资产的观测压缩成连续行。缺失的交易时段仍以未观测单元表示，并附带观测状态和陈旧度指标，因此名义回看窗口不会在不知不觉中跨越超出预期的日历区间。纳入规则要求达到最低观测占比，并限制连续缺口长度。 为提高效率，每个证券的特征数组和目标数组会被展平，并通过一次索引操作收集批次，而不是针对每个序列分别调用…

本笔记介绍了市场和公司数据的实用清洗方法，包括处理重复项、标记缺口、领域过滤、基于反转的尖峰检测、异常值截尾、类别编码，以及对齐不同频率的数据集。核心要点是：从数据中学习到的任何预处理参数，例如缩放参数或截尾边界，都必须仅在训练集上拟合，再应用于验证集或测试集。在全样本上拟合可能会将未来信息泄漏到模型开发过程中。…

本笔记本考察在预测相近或使用不同随机种子和架构重新拟合模型时，SHAP 归因是否仍保持稳定。研究使用 ETF 远期收益，寻找预测接近但 SHAP 归因特征不同的样本对，然后比较多个 LightGBM 拟合结果与随机森林的特征重要性。研究使用横截面信息系数评估预测表现，并以 SHAP 平均绝对值比较归因特征。 示例表明，预测行为相似时，解释仍可能不同；归因模式也可能反映模型特定的拟合结果，而非唯一确定的数据真相。笔记本建议检查不同随机种子和模型类别下的稳定性，报告特征重要性的不确定性，并避免依据 SHAP…

本笔记本比较某横截面 S&P 500 研究中的预测性、结构性和因果模型证据。研究将股票特征与期权衍生指标结合，包括隐含波动率、偏斜和期限结构，并评估每周远期收益排序，同时考察其他标签期限、潜在因子结果、因果估计、十分位表现和信号相关性。核心问题是期权特征能否直接或通过潜在因子提供有用信息，以及哪些发现值得进一步进行策略模拟。…

本笔记本展示如何在明确的交易、融资和基金费用假设下，将毛收益换算为净绩效。成本构成包括价差和市场冲击、佣金和交易所费用、保证金利息、股票借贷成本、管理费和行政费用。参数化计算将这些扣减应用于真实的每日 ETF 收益序列，分别设为高换手单边做多、杠杆多空价差和低换手单边做多配置，然后比较毛收益与净收益、夏普比率和回撤。…

本笔记本展示一种交易级诊断工作流，将实际亏损与模型的 SHAP 解释联系起来。它使用滞后价格和波动率特征及宏观输入训练 LightGBM 模型，以预测下一交易时段的 SPY 收益。固定预测阈值决定开立哪些单时段多头交易；随后选出实际结果最差的交易，对齐其 SHAP 向量并进行聚类，再将所得模式转化为审查模型或特征的假设。 笔记本强调应解读聚类内 SHAP 贡献的分布和方向，而不能只依赖平均归因。SHAP…

本笔记使用双重机器学习，检验隐含波动率与已实现波动率之差同未来股票收益之间的关联，在调整可观测混杂因素后是否仍然存在。笔记在相同的交叉拟合观测上，将调整后的估计与朴素普通最小二乘结果进行比较，并使用实体内区块置换安慰剂检验。时间控制考虑了结果期限、处理变量的滚动构造、各折间隔以及观测间依赖性。分析排除了结果窗口可能延伸至最终留出集的观测。 该结果适用于开发期间当前标普 500…

本笔记比较了固定 NASDAQ-100 微观结构回测中的止损、移动止损和按时间退出叠加规则。策略每十五分钟做出决策，而风险规则每分钟监控价格，因此叠加规则可以在信号更新之间平仓。笔记评估这些控制如何改变夏普比率、最大回撤和市场持仓时间。…

本笔记演示如何将共享的 ETF 动量策略接口连接到 Alpaca，并默认提供模拟离线路径。笔记说明，经纪商和市场数据适配器可以变化，同时保持策略、订单日志和影子模式封装器不变。在连接 Alpaca 的实时模拟交易环境之前，笔记会分别检查可选的 SDK、凭证和账户状态；账户快照提供现金、净值和持仓。影子模式只记录拟议订单，不会发送订单。 离线运行让您无需账户即可使用策略接口和日志工作流，但无法证明 Alpaca…

本笔记介绍一种 ETF 随机贴现因子模型，该模型拟合一组权重来为各基金的价格收益定价。不同于分别估计基金暴露和因子收益的模型，它通过两个网络针对定价误差进行训练：一个根据横截面构造贴现因子权重，另一个估计各基金的暴露。目标设定为无套利定价，而非收益预测，尽管笔记也报告了预测收益评分。…

本工具介绍一套流程，用于收集公开的 SEC 10-Q、10-K 和 8-K 申报文件，并将其转换为供后续研究使用的统一表格数据集。它针对不同表格采用不同的文本提取方法：季度申报文件提取管理层讨论部分，年度申报文件优先提取供应商相关文本并在必要时回退到节选内容，当前报告则保留开头节选。记录包括标识符、申报日期和报告期日期、提取文本及文本长度，便于研究人员将公司披露与市场数据对齐。 实现流程会清理提取出的文本；必要时从解析后的申报文本回退到…

本实验考察一个选定的月度 US 股票多空信号在多大程度上依赖小盘股。它对验证预测应用滞后的市值筛选，剔除市值最小的四分位股票，然后在不重新训练模型的情况下，按相同的投资组合构建方法和成本假设重新运行。筛选后的股票池资产更少，而换手率仍接近完整股票池的结果。 报告的夏普比率从 4.27 降至 2.24，信息系数从 0.074 降至 0.048，最大回撤则从约 15% 加深至…

本笔记介绍 PatchTST 如何利用固定长度的连续市场特征片段预测 NASDAQ-100 标签。注意力机制在过去一小时的数据中关联各个片段，相较于逐分钟进行注意力计算，可缩短序列长度。该设置在滚动折上拟合多个预测期限的回归目标；笔记也说明当前序列运行器为何排除了分类目标。…