知识库

这个共享分析工具通过注册表指标和预测级诊断，支持比较交易模型的预测。它会加载预先计算的信息系数结果，可按标签或模型系列筛选，并默认排除已废弃的预测版本，避免覆盖不完整的过时运行扭曲排名。它还提供折级指标，并支持在覆盖率约束下选择代表性模型、对齐预测，以及检查一致性、分桶单调性、学习曲线和条件于市场状态的表现。 实现中强调了实用的防护措施：在共同日期范围内比较模型，在联接时保留预测身份，分别处理 null 值与 NaN…

本文说明如何为按期限结构对产品排序的横截面期货策略构造未来收益标签。文中区分了两类价格：滚动调整价格适用于跨合约换月计算收益；原始结算价则保留了生成持有收益信号所需的同期曲线。标签使用近月合约；在向前移位之前，数据必须保持完整，以便每个期限都按该产品自身的交易时段计数，而不是按筛选后剩余的行计数。…

本文介绍基于期货持有收益构建的三种模型特征：预测下一交易时段持有收益的 ARIMA、选定周期长度的滚动傅里叶指标，以及根据平均持有收益推断市场状态的两状态隐马尔可夫模型。核心经验是严格遵守时间顺序：参数只能用更早的观测拟合，按预先声明的计划更新，并在下次重新拟合前保持不变。对于隐马尔可夫模型，滤波后的状态概率只使用当前和过去的观测，不使用之后的数据。仅采用滚动评估划分并不能防止数据泄漏；如果特征是用未来观测估计的，仍会发生泄漏。…

本文介绍仅有每日 OHLCV 数据时估算买卖价差的两种方法。Corwin-Schultz 比较相邻的一日和两日高低价区间，利用波动率与价差的不同表现将二者分离；低于零的估计值会截为零。Roll 根据收益率的负序列协方差推断相对价差，这种协方差可能由成交在买价和卖价之间交替产生。若协方差为正，则估计值为零，表明买卖价反弹假设可能不成立。 本文介绍了如何用常规交易时段的 NASDAQ-100…

本文档介绍如何将滚动的ETF收益窗口转换为双通道图像，供常规卷积神经网络使用。格拉姆角场将归一化观测映射为角度，并记录成对角关系；马尔可夫转移场则将观测分箱为分位数，并表示箱间转移。图像CNN和带惩罚项的线性基准模型接收相同的编码输入，预测结果按日期通过横截面秩相关进行评估。这种编码在信息和评估方面存在重要局限。逐窗口归一化会去掉收益水平和范围，因此形状相似的窗口之间的波动率差异会被掩盖。窗口会重新采样到固定图像网格；当网格大于原始回看窗口时，可能会加入插值像素。工作流程还通过保留较新的完整日期来限制样本量，只使…

本文档介绍陈、佩尔格和朱的月度US股票面板，该面板用于评估资产定价模型。它描述了按经济主题分组的46项公司特征、下月超额收益，以及面板按时间排序的训练集、验证集和测试集划分。每项特征都在每个月进行横截面排名，再映射至共同的有界尺度。这能减弱极端原始值的影响并使单位可比，但会舍弃水平信息。分析衡量每项特征与后续收益之间的月度秩相关，然后对训练数据中的信息系数取平均。相邻月份可能存在序列相关，因此文档建议使用Newey–West统计量调整显著性，而不应将月度观测视为相互独立。匿名公司标识符仅在各自的数据划分内连接观测…

本笔记介绍建模前刻画市场序列的工作流程。首先绘制SPY价格和收益、VIX水平以及收益分布，以识别趋势、波动聚集和厚尾。随后解释如何结合阅读增广迪基-富勒检验和KPSS检验：两者的原假设方向相反，因此可以综合判断平稳性证据、单位根、结果分歧或样本结论不明等情况。…

本笔记使用SPY日收益率介绍频域分析及其作为交易特征来源的局限。小波分解将变化拆分到一系列时间尺度逐渐变慢的频段中；频谱估计则描述收益变化如何分布于不同频率。示例比较不同小波族，使用滚动窗口创建因果特征，并讨论主导周期、频谱扩散、低频占比和归一化谱熵等指标。…

本笔记比较在预测模型中使用市场状态的三种方式：不纳入市场状态信息、将波动状态的过滤概率作为特征，或为硬分类的市场状态分别拟合专家模型。它在每个逐步扩展的时间序列折内，通过隐马尔可夫模型计算市场状态概率；模型仅在训练区块内拟合，并在测试区块中使用向前过滤的概率。训练集和测试集之间留出间隔，以对应多交易时段的未来收益目标；缩放也只在训练数据上拟合。…

本案例研究使用线性模型作为基准，预测广泛US股票面板的未来收益。它解释了为何重叠的价格和成交量特征会造成共线性，使普通最小二乘系数不稳定，并比较岭回归收缩与Lasso和ElasticNet特征选择。模型在多个滚动前向折和若干预测期限上进行评估，预测和运行记录留待之后回测。信息系数排名展示正则化的影响，但并不用于选择最终交易策略。…

本分析比较九项交易案例研究中已登记的双重机器学习处理效应。它从各研究的登记库载入当前结果，检查登记完整性和重复标签，并明确展示覆盖范围。效应和置信区间保留原有单位，而HAC统计量用于支持跨面板比较。笔记还比较朴素OLS估计与正交化估计，应用分块置换反证检验，并区分多个标签与真正不同的预测期限。…

本笔记提供一个框架，使用每日投资组合收益和匹配的SPY基准评估ETF配置回测。内容涵盖夏普、索提诺、卡玛和最大回撤等风险与收益指标、滚动指标、回撤恢复、相对基准的阿尔法、贝塔、跟踪误差和信息比率，以及特定压力时期的表现。收益来自一项已登记且考虑成本的回测；执行假设沿用该回测产物中的设定，不会再次扣除成本。…

本笔记说明模型不确定性如何在点估计之外提供信息。它拟合一个随机波动率模型，其中潜在对数波动率随时间演化，收益服从Student-t分布。笔记提取后验分布离散程度、区间宽度和参数估计作为特征，并关注采样器收敛和蒙特卡洛误差。笔记还介绍ARIMA模型的预测区间，并说明为何应在估计所用的尺度上衡量不确定性。…

这套评估工具将金融检索增强生成流程中的失败分为四类：检索相关证据、依据该证据回答、拒绝无法回答的问题，以及抵御检索文本中的不安全指令。工具使用手工编写的测试样例，其中包含问题、真实申报文件摘录、生成的答案、引文，以及预期的拒答或安全行为。笔记为各项行为定义了单独的指标，并考察组件得分和综合得分，指出混合后的结果必须追溯到其底层指标。…

本笔记展示了针对存在争议的概率预测进行多轮多空辩论的方法。双方根据共享的研究智能体摘要展开论证，查看对方此前的观点，并修正各自的概率预测。当预测差距达到预先设定的共识阈值时，流程便会停止。差距变化轨迹被视为诊断指标：差距收窄可能意味着一方纳入了另一方此前忽略的证据，而持续分歧则记录了尚未解决的不同意见。还可以按给定权重将辩论中点并入小组汇总预测。笔记提醒，两个角色只是对同一模型的提示，并非独立分析师；双方依据的都是摘要，而没有检查底层证据。演示只使用了一个已记录的问题，因此无法说明差距在不同案例中的表现是否可靠。…

这项探索性分析介绍期权合约和期权链结构，随后分析涵盖八种标的资产的2020年标普500期权样本。内容解释价内外程度、内在价值与时间价值、隐含波动率、希腊值，以及行权价、到期日和看涨或看跌方向如何构成多维期权链。分析还考察波动率微笑、偏斜和期限结构，并通过求解器状态和希腊值有效性检查指导数据清理。笔记也研究不同价内外程度下的买卖价差，以及隐含波动率变化与随后标的资产收益之间的基准关系。该样本展示了波动率曲面模式，以及2020市场承压期间隐含波动率急剧且持续上升的情况，但标的数量少且仅覆盖一年，无法据此确立普遍规律。…

本分析读取一个已登记的回测流程，评估基于公司特征的月度US股票策略。它报告夏普不确定性、概率夏普和去膨胀夏普指标、配对策略比较、留出期衰减，以及旨在反映微型股流动性差异的成本分析。验证集用于选择策略规格；留出集用于评估冻结后的选择，而非进行新一轮选择。配对指标和置信区间用于区分实际测得的变化与点估计差异。本文强调了解释结果的局限：留出期仅涵盖一个日历年，分析针对主要月收益标签，而且窗口较短可能导致区间较宽。多空组合假设能够按随时期变化的费率借入股票；成本分析显示，容量限制可能大幅压缩价差。队列调整处理了选择效应，…

本笔记基于外汇价格历史构建拟合模型特征，补充直接根据历史价格计算的指标。它介绍三种方法：状态空间滤波器用于估计缓慢变化的价格水平及相关量；双状态隐马尔可夫模型用于估计美元动荡状态的概率；固定阶数的ARIMA收益模型则用一步预测误差衡量意外变化。四小时柱通过共享日历汇总为交易时段。…

本笔记介绍将S&P 500公司的季度MD&A披露转化为交易特征的流程。它以申报文件的受理日期作为时点锚点；若一家公司在同一天提交多份申报文件，则保留其中对应期间最新的申报文件。笔记构建两种信号：将FinBERT分块级情绪汇总为文档均值和离散度，以及基于句子转换器嵌入计算的季度间语义变化。笔记还解释了年度报告所在季度为何会造成10-Q覆盖的季节性缺口。…

本章围绕一个实际问题综述时间序列深度学习：观测顺序何时包含横截面预测遗漏的信息？哪些模型设计能够利用这些信息？内容涵盖循环网络及其顺序训练负担、N-BEATS等分解模型、基于注意力的方法、时间卷积、混合网络、状态空间模型、图像编码和预训练预测器。笔记系列比较不同架构，并包含强大的线性基准、滚动评估和打乱顺序等诊断，以检验模型是否利用了时间结构。…

这项只读分析汇总多个模型类别的验证预测，用于评估预测是否完整、对股票的排序效果如何、排序能力能否跨折持续，以及表面相似的模型是否提供不同信息。分析采用信息系数，即预测与后续收益之间的横截面秩相关，并使用考虑重叠收益窗口依赖性的区间。两两比较使用共同日期和面板键，避免样本不匹配或重复连接导致结果失真。…

本笔记应用TabM，这是一种在集成成员间共享两层特征网络的表格神经网络架构。每个成员用自身学习到的向量缩放共享表示，并使用独立输出层；对成员预测取平均，旨在以低于分别训练完整网络的成本保留集成多样性。三个预先指定的配置在其他训练设置保持不变的情况下，改变层宽和成员数量，预测目标为卖出跨式期权的收益。…

本笔记使用SHAP解释ETF收益的岭回归预测。对于线性模型，特征归因与拟合系数及其相对于背景特征值的偏差之间存在闭式关系，因此分析可以根据精确分解检验解释器。笔记演示全局重要性、单次预测的瀑布图解释，以及对高幅度且预测正确或错误的结果进行比较。模型在最后一个滚动验证折上训练，其他各折的拟合则展示特征重要性如何随时间变化。…

本笔记介绍如何使用卡尔曼滤波从金融价格中提取特征。局部线性趋势状态会跟踪潜在价格水平及其斜率，观测模型则处理收盘价中的噪声。每次更新都会产生滤波后的水平、斜率、创新项和不确定性估计。卡尔曼增益根据模型和观测的不确定性，控制新观测对状态的影响程度。笔记还使用滤波估计两个资产之间随时间变化的对冲比率。…