知识库

本笔记介绍工具变量主成分分析（IPCA），这是一种根据公司特征预测收益的潜在因子方法。IPCA不为每项特征直接分配收益权重，而是将每家公司的因子暴露建模为其特征的线性函数。共享映射根据整个面板估计，因子收益则随月份变化。交替最小二乘法结合岭惩罚，同时估计映射和因子收益；拟合得到的暴露和收益用于生成验证月份的预测。…

此工具介绍一种方法，可使用Fama–French三因子或五因子模型（可选加入动量因子）解释策略收益。它将每日因子数据与策略收益对齐，识别收益频率，并在策略观测频率低于每日时复合因子收益。普通最小二乘法估计阿尔法和因子暴露，Newey–West异方差与自相关一致标准误则用于统计推断。对于只做多策略，收益按超过无风险利率的部分建模；对于美元中性策略，则使用原始收益。…

本分析基于多资产ETF面板的滚动验证结果，比较已登记的模型类别。模型预测21个交易日收益，并通过横截面信息系数进行评估；该系数衡量每个日期内预测对基金的排序效果。笔记强调置信区间和各折间的一致性，而非仅按平均得分排序，并考察不同模型类别似乎捕捉到相似还是不同的信号。笔记还区分预测排序与关于某项特征的因果证据。…

本笔记分析NASDAQ TotalView-ITCH消息，以描述全市场活动并创建可复用的交易数据。笔记按类型统计消息数量，然后通过将股票位置标识映射到股票代码、将订单引用映射到其源自的新增订单消息，来丰富订单执行消息。由于替换消息可能形成新的订单引用链，笔记会沿链接追溯到原始订单，沿用股票代码和买卖方向，同时采用替换消息中的报价。随后汇总交易活动，并按成交金额对股票代码排序，以考察集中度。…

本笔记为广泛的US股票池构建基于价格的特征，用于排序。内容介绍动量、波动率、移动平均线和技术指标等特征类别，并以单个交易时段后的收益标签进行评估。核心设计规则是：先在完整交易时段序列上计算每只股票的滚动特征，再应用资格筛选，最后计算横截面排名。这样既保留了窗口的含义，也确保每日排名反映的是可以交易的标的。…

本分析使用NASDAQ TotalView-ITCH消息描述交易场所活动，并构建与股票代码、买卖方向和订单属性关联的成交表。分析统计消息类型，比较交易与数量多得多的报价和撤单事件，并按成交额对股票代码排序，以考察活动在交易场所内的集中程度。由此得到的、补充了属性信息的成交记录可支持后续日内模式和典型事实研究。…

本笔记利用时间加权平均价格（TWAP）执行规则的示范，比较行为克隆与逆向强化学习（IRL）。行为克隆将观察到的市场状态直接映射为动作；IRL则根据执行特征拟合线性奖励，并从推断出的目标导出策略。TWAP提供了已知的参考目标：将交易均匀分散，在降低每步市场冲击与承担价格随时间变化的敞口之间取得平衡。…

本笔记为多元化ETF投资组合构建仅做多且满仓的均值方差框架。它构造可行投资组合和有效前沿，再根据估计的收益和协方差求解夏普比率最大化和方差最小化的权重。笔记还将优化后的投资组合与等权重、波动率倒数加权和等风险贡献等所需估计较少的简单替代方案进行比较。核心结论是，预期收益难以估计；尽管协方差的估计使用了多得多的观测值，预期收益仍可能主导优化器的输出。笔记考察协方差矩阵的条件状况，固定训练窗口的权重，并在之后的测试期评估；比较时将配置时点的影响与交易成本区分开来。证据来自单一投资范围和一次训练测试划分，因此权重和排名…

本笔记筛选金融特征和模型衍生特征，评估它们对ETF后续收益的排序能力。它逐日计算信息系数，将每项特征的横截面排名与前瞻收益排名进行比较，再考察由此得到的时间序列。分析针对重叠收益标签调整不确定性，控制同时检验多个特征产生的假发现，检查关联在滚动验证窗口中是否保持同一方向，并识别代表重复证据的高度相关特征。分析还仅使用验证日期，并将留出期排除在筛选之外。…

本研究使用十个交易日的 NVDA 逐笔委托数据，考察每日交易活动如何影响柱采样。它将交易筛选为 US 常规交易时段内的数据，根据交易场所标签识别主动方，并报告每日交易笔数、成交股数和成交金额的变化。随后，它将时间柱、逐笔柱、成交量柱、成交金额柱和不平衡柱的阈值校准到目标日柱数，并比较每日柱数及柱统计数据，以判断参数在不同交易时段间是否稳定。…

本分析比较多个模型系列对永续期货资金费率的验证预测。它说明信息系数衡量后续收益的排名，AUC 衡量上涨和下跌结果的排序，而对数损失评估概率质量并惩罚过度自信的错误。这些诊断指标回答不同问题：排名更好并不保证概率校准更好，而单独描述预测结果的指标也不能确定哪种交易策略表现最佳。…

本案例研究评估 DeFi Llama 总锁仓价值数据，考察其能否作为 Ether 交易研究流程的输入。研究分别考察信号强度、数据质量、法律适用性和商业价值，并将法律问题以及无法重建历史版本视为硬性门槛。它将三种 TVL 变换与多个周期的 Ether 前向收益进行比较。由于这些收益存在重叠，分析采用与各周期匹配滞后的 Newey-West 标准误，并明确考虑所检验的信号与周期组合数量。…

本笔记评估已发布的因子收益作为潜在投资组合构件的价值。它区分三个问题：因子的平均收益是否达到严格的统计门槛；因子能否基于可能持续的原因实现相互分散；以及因子在所选危机时期的表现。它使用长期历史的 AQR 和 Fama-French 序列，对均值收益统计进行序列相关性修正，并比较常规显著性阈值与更高阈值，后者旨在考虑大量因子搜索的影响。…

本笔记比较案例研究回测中的风险覆盖规则，包括止损、移动止损、亏损限额、回撤熔断和波动率目标规则。它加载各项研究的覆盖规则结果，并在有分配阶段回测时从中选取基准，然后将基准表现与覆盖规则进行比较。它还按规则类别对配置分组，并考察夏普比率变化的均值和中位数、正向改善比例以及回撤结果。…

本案例研究将梯度提升树应用于 NASDAQ-100 微观结构特征，以预测多个日内周期的收益和方向。它将树模型与线性模型进行对比：树可以发现条件关系，例如订单流不平衡的作用随价差而异；线性模型则需要明确提供此类交互项。搜索过程调整树的容量、损失函数和提升迭代次数，并在多个检查点发布预测。…

本笔记构建了一个包含四个阶段的预测系统：研究智能体组、概率聚合、对抗式辩论，以及负责识别分歧、搜索澄清证据并给出最终概率的监督器。监督器的影响受其声明的置信度门控：可以忽略其意见、将其与先前结果融合，或允许其替换先前结果。相关性假设、阶段权重、搜索限制和置信度处理的配置值均集中声明。…

本笔记比较在机构 13F 持仓数据集上进行确定性关系检索与嵌入搜索。它通过保留固定截止时间前各机构最近一次报告的持仓，构建特定时点快照，随后围绕主要持有人、共同持仓和机构最大持仓提出问题。预期的支持记录根据同一份持仓数据定义。 图检索方法采用与支持记录定义相符的明确筛选和交集，因此其完美召回率由构造方式保证；它是类似预言机的结构化数据库基线，而非经过独立测试的模型。嵌入基线搜索持仓的文字描述，并返回固定数量的结果。比较衡量支持记录召回率和大致的词元预算；词元数是根据词数乘数估算的，并未使用实际分词器。…

本笔记演示如何对经过特征工程处理的 ETF 特征训练生成对抗网络，并使用差分隐私。它介绍隐私参数 epsilon 和 delta，解释为何 DP-SGD 会在聚合前裁剪每条记录的梯度并加入校准噪声，还使用 Opacus 管理逐样本梯度和累积隐私记账。判别器必须采用兼容的层，因为跨批次归一化可能泄露记录间的信息；生成器不会直接处理真实观测值。…

本笔记对 ETF 特征和前向收益应用经典普通最小二乘推断。它回顾系数估计、标准误、t 统计量、p 值，以及对异方差、残差自相关、非正态性和多重共线性的检验。样本是一个不平衡的资产日期面板；工作流程采用滚动训练折，使用训练数据标准化特征，并在估计稳健协方差指标前剔除若干线性相关的收益合成指标。…

本笔记比较时间柱、逐笔柱、成交量柱、成交金额柱、不平衡柱和运行柱，这些柱均由单日 AAPL 交易所成交数据构建。前四种采样方法分别按经过时间、交易笔数、成交股数或成交金额对观测进行分组。不平衡柱和运行柱还会使用推断出的交易方向来捕捉带方向的订单流。本笔记提出比较不同柱类型的收益分布和自相关性，包括基于成交量或成交金额的采样是否比时间柱更能改善正态性。 由于成交数据流没有可用的主动方标签，示例采用逐笔价格测试：价格上涨或下跌用于判定方向，价格不变时则沿用上一次方向。它还将这一估算与 Lee-Ready…

本笔记将 PatchTST（一种 Transformer 风格的序列模型）作为预先声明的模型集合中的一个成员，用于标普 500 期权研究。它将回看序列划分为固定长度的片段，将片段嵌入为词元，并通过注意力关联窗口中的不同位置。与 LSTM 逐步递归的方式相比，注意力可以直接连接序列中相隔较远的部分，并并行处理整个窗口。模型必须通过位置嵌入学习顺序信息，而且参数量较大，在数据有限时可能更难拟合。…

本文为前向收益窗口重叠的标签定义两种诊断方法：合并面板自相关，以及基于标签唯一性的有效样本量。自相关只在同一实体内，按原始时间柱网格上指定的间距配对观测值。合并前先在每个实体内部去均值，避免实体平均值差异造成虚假的持续性。没有有效配对的滞后期仍显示为NaN。…

本笔记本展示如何使用估计窗口内的相关性网络描述股票池并构建网络分散化投资组合。它仅使用评估前可得的数据选择流动性较好的代码，将收益相关性转换为距离，并提取最小生成树（MST）。度中心性、中介中心性和接近中心性用于概括该树中的枢纽和桥接节点；随后用中心性倒数降低结构上居于中心的资产权重。笔记本还介绍同步冲击传播敏感性分析，并比较较晚评估窗口期间的投资组合。…

这项探索性分析研究旧版Quandl WIKI US股票面板，重点关注价格口径、数据覆盖范围，以及其历史数据可用于何种回测。分析区分反映实际交易价格水平的原始价格，以及用于计算经拆股和股息调整后收益的调整价格。分析还建议通过逐年统计代码数量、查看首次和最后观测值检查覆盖范围，并进行行级空值与OHLC一致性检查。…