知识库

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。…

本笔记追踪 ETF 排名信号如何形成投资组合，并进行简化回测。岭回归和逻辑分类采用滚动切分进行训练，随后与动量组合和等权组合进行比较。每月再平衡时，活跃信号会选出一个仅做多、包含排名前十标的且等权配置的组合。比较报告总收益和净收益表现指标、换手率及横截面信息系数，以展示信号的排名能力与交易其对应组合的结果可能不同。…

本笔记展示如何为动量投资组合调整止损、止盈和移动止损规则，同时保留按时间顺序划分的留出期。它比较单维参数扫描、联合规则网格，以及根据已平仓交易的最大不利和有利变动得出的止损或目标价先验。候选设置在校准数据上选出，并在之后的时期评估一次；使用基于 CAGR 的 Calmar 指标为冻结配置排序。 示例使用固定的五只 ETF 面板，在基于已完成收盘价形成信号后，于下一根柱执行交易。交易层面的统计数据和价格变动幅度估计仅使用已平仓交易，因为未平仓持仓的结果按市值计价。本笔记提醒，当前的 ETF…

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。…

本概览按资产类别、标的范围大小、数据频率、决策节奏、成本情景和评估方案整理了一组交易案例研究。它读取各项研究声明的设置，并展示比较表格，包括训练和验证窗口、折数、留出期以及信号到持仓的映射。案例涵盖股票、期权、加密货币、外汇、期货和多资产 ETF，展示研究选择如何随市场和可用数据而变化。…

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。…

本笔记本构建一个LSTM配置器，将ETF收益序列和滚动波动率特征直接映射为仅做多的投资组合权重。Softmax输出确保权重非负且满仓。该方法不预测收益再将预测值输入优化器，而是直接以可微夏普比率最大化作为训练目标。工作流程按时间顺序划分训练集、验证集和测试集，再将学习得到的权重与等权和逆波动率投资组合进行比较。…

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。…

本笔记本评估交易成本对研究流程其他环节所选定的固定CME期货配置有何影响。它采用全成本网格，将每一档成本平均分为佣金和滑点；并在回测中保留已选风险叠加层，因为该叠加层会改变持仓和换手率。解读时应关注净夏普比率降至零时的成本水平，而非某个任意选定成本下的表现。…

本笔记本将夏普比率视为存在抽样不确定性的估计值。它推导考虑样本长度、偏度和峰度的置信区间与概率夏普比率计算，再利用最低所需业绩记录长度和统计功效规划，估计区分目标夏普比率与基准可能需要多少数据。它还解释Lo针对序列相关收益年化的调整，而非依赖常见的频率平方根规则。…

本笔记本比较PyPortfolioOpt、Riskfolio-Lib和skfolio：在共享的ETF收益面板上拟合投资组合配置器，再用较晚观测值评估其冻结权重。内容涵盖均值风险、尾部风险、层次风险平价和惩罚项配置，同时按资产对齐返回的权重，并检查仅做多边界约束和满仓约束。滚动前向评估限制在训练期内；其中一种配置还被转换为执行引擎所需的每日目标。…

本笔记本使用分钟级NASDAQ-100数据，通过三种方法构建特征：用于短期方差预测的滚动异质自回归回归、用于描述近期活动周期结构的傅里叶变换，以及用于捕捉价格、订单流和交易强度变化顺序的二阶路径签名。文中解释，回归特征取决于拟合参数所用的数据窗口，而变换和签名则是在近期窗口上进行的固定计算。特征按时间柱逐一生成，并评估其横截面排序能力。…

本笔记本评估能否使用已发布的US公司面板研究基于公司特征的月度多空策略。它检查数据编码、可用股票池随时间的变化、每次再平衡是否有足够公司填满多空两侧、特征价差是否可能超过假设的交易成本，以及开发历史是否支持滚动评估并保持留出集未读取。文中描述的策略按公司排名，买入排名靠前的一组并卖出排名靠后的一组，以月收益为结果变量。…

本笔记本推导Almgren–Chriss清仓方案，在市场冲击与继续承受价格变动风险之间进行权衡。它以相对于到达价格的执行偏差为基准，分别建模永久冲击和临时冲击，并推导给定执行计划的成本和风险。改变风险厌恶程度可以描绘有效前沿；笔记本还用清算半衰期描述执行计划，使该参数具有实际意义。…

本笔记本展示如何分析金融事件图谱，同时区分事件发生时间、公开时间和图谱处理流程提取事件的时间。它载入带时间戳的8-K关系，衡量披露和提取延迟，并以公开披露截止时间构建图谱快照。笔记本还比较累积快照以计算关系变动，并检查较晚的披露或提取是否出现在较早的视图中。…

本文介绍潜在因子：它们是根据期货之间的共同变动推断出的共享收益驱动因素，而非预先给定的具名预测变量。文中比较了在每个训练折内拟合的两种方法。主成分分析（PCA）寻找能够解释最多收益方差的线性方向；神经随机贴现因子（SDF）方法则寻找能够解释横截面预期收益的共同定价对象。PCA仅使用收益；SDF还将特征作为工具变量，因此可以表示受特征条件影响的暴露。…

本文介绍如何比较线性模型、梯度提升模型、表格深度学习模型和序列模型对标普500期权的验证集预测。报告诊断结果前，先检查每个已登记预测样本是否符合其资格契约且完整，并确认所有样本共享同一交叉验证标识。由于序列模型需要回看历史数据，其符合资格的行有所不同；只有在资格组匹配时比较才有意义，不能自动跨模型家族比较。…

本笔记将已登记的NASDAQ-100微观结构回测转化为策略评估，不训练模型，也不重新运行回测。它从登记记录中读取指标和沿袭关系，按需生成衍生的群组表和配对比较表，并在共同日期上将策略与等权基准进行比较。其核心方法是分析逐日收益差异，而非用独立汇总统计量相减，从而保留配对观测中的信息。笔记使用区块自助法区间处理连续日收益之间的依赖性。…

本笔记将此前选定的CME期货配置应用于留出预测，采用既定的配置器、再平衡计划、集中度规则和交易成本假设。其核心方法是：在评估留出集之前冻结这些选择；观察该期间后再更改任何参数都会削弱测试。系统通过已登记的训练和回测标识解析选定配置及相匹配的预测集，并将运行结果记录为留出回测。…

本笔记介绍特征库如何保持训练数据与实时模型输入一致。文中通过实体键、事件时间戳、有效时长和特征列描述特征视图，并对比历史训练所用的时点连接与线上服务所用的最新已知值查询。示例使用存储在Parquet文件中的日频US股票财务特征和模型衍生特征，并进行检查以防训练数据跨越留出集边界。…

本笔记衡量经验证集选出的FX策略对比例交易成本变化的反应。针对每个预测标签，笔记从信号、配置和风险覆盖结果中选定一个母策略，然后在保留其他身份字段的情况下，按成本网格重新运行该策略。成本扫描属于扰动分析，用于描述已确定策略的稳健性，不会参与后续筛选。 文档解释了为什么基点适用于 FX…