知识库

本笔记将共享权重的神经网络集成模型TabM应用于加密货币永续期货特征面板。各成员共享神经网络主干，但拥有独立的缩放向量和输出层，从而兼顾高效集成与相关输入之间的非线性交互。工作流处理回归、二元方向和三分类方向目标，并针对类别不平衡采用每折专属的类别权重。笔记还保存并登记多个训练检查点的预测结果，将每个检查点视为独立的候选模型。…

本笔记为仅做多的比特币策略建立可审计报告，该策略根据RSI阈值入场和出场。笔记比较毛收益与净收益，并将表现与使用相同数据、预热期、敞口、成交和成本运行的买入并持有基准进行比较。匹配这些条件有助于隔离交易规则的影响。报告分别呈现投资组合收益、相对基准指标、市场敞口和已平仓交易统计。报告还区分了影响样本期末权益的未平仓头寸，以及不计入胜率计算的未解决交易。…

本笔记围绕一个具体问题展开：学习得到的永续资金费率特征序列表示，能否优于对溢价——即永续价格与现货价格之间的差距——进行人工汇总的结果。笔记比较了两种模型：NLinear在近期窗口内对变化进行线性映射，循环LSTM则利用循环结构。两者使用相同的特征顺序、数据折、缺失数据规则和检查点安排，因此任何测得的差异都能更清楚地归因于架构。笔记定义了实验并记录验证集预测；策略筛选会在之后的回测中进行，而非在此处进行。…

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。…

本笔记逐一评估候选特征对20货币对后续收益的预测能力。分析仅限于滚动验证期，为每个交易时段标注所属数据折，并在留出集之前留出缓冲间隔，防止标签在该预留区间内结算。留出集本身不参与测量。工作流首先筛选覆盖率和变动幅度足够的特征，然后衡量特征值与下一交易时段收益之间的每日横截面Spearman等级相关性。它在允许相邻交易时段相关的情况下估计不确定性，检查各数据折中的效应方向是否一致，并通过错误发现率程序调整完整搜索的显著性检验。…

本笔记将模型排名转化为简单的加密货币永续合约投资组合。在每个资金费结算时间点，入场规则从排名靠前或靠后的合约中选取标的，并赋予相同权重。等权提供了一个参照点：在仓位规模保持不变时，比较结果便可将差异归因于排名。笔记将预先声明的预测配置应用于入场规则，并登记结果供后续分析。…

本笔记衡量平值标普500跨式期权的验证集夏普比率如何随假设执行成本和两个期权范围而变化。由于期权权利金与标的名义金额差异很大，笔记将价差成本表示为报价期权半价差的一定比例。它在预先声明的一组价差比例下，评估每个模型族中以可复现方式选出的一个基准策略，同时固定其他成本和集中度。笔记还比较完整期权曲面与按报价价差选出的高流动性子集。…

本模块介绍了一种为多个模型族准备滚动训练和验证数据折的通用方法。它将耗时且与模型无关的工作——切分时间窗口、应用每折特定的基于模型的特征、删除标签缺失的行，以及抽取训练样本——与后续的模型特定变换分开。复用原始数据折可以避免为每个配置重复相同的准备工作。线性模型进行缺失值填补和标准化，而梯度提升树保留缺失值，并使用其原生缺失值路由。…

本笔记评估用于期货预测的LSTM和NLinear序列模型。与每个决策只使用一行特征的模型不同，序列模型使用按时间排序的历史观测窗口，可能学习到固定摘要遗漏的模式。NLinear预测相对于每个窗口最后一个值的变化；LSTM则学习如何在窗口内传递信息。笔记说明了为何两种模型都要测试：复杂模型的容量可能更大，但线性基准模型在预测任务中的表现也曾颇具竞争力。…

本笔记比较了用于永续期货资金费率研究的多个模型族的验证集预测结果。它说明，信息系数衡量预测值与后续收益之间的排序关联，AUC衡量上涨或下跌标签的排序能力，而对数损失评估概率预测的准确性，并对自信却错误的预测施以重罚。由于这些指标回答的问题不同，AUC可能提高而对数损失却恶化；两种排序指标都不能证明收益幅度有用或概率经过校准。…

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。…

本笔记本针对期权市场特征拟合梯度提升树模型，特征包含隐含波动率、偏斜、期限结构和方差风险溢价等预期信息。研究使用滚动验证，比较不同树模型容量及回归损失函数在远期收益和方向标签上的表现。由于提升模型会在连续的树检查点生成预测，每个检查点都作为单独候选项参与评估和后续选择。笔记本还将其与惩罚线性模型进行对比，并说明树模型如何表示特征间的条件关系，而无需手动添加交互项。 证据基于较短的历史数据和两个验证折，其中包括覆盖 2020…

本笔记本将仓位规模与最大不利和有利波动分析结合起来。笔记本展示固定比例仓位法：根据组合风险预算和入场价至止损价的距离确定股数，并对仓位集中度设置上限。文中还介绍基于滞后估计值计算的标准化反波动率权重，并将这种仅考虑单个资产波动率的启发式方法与考虑协方差的风险平价区分开来。后续分析使用校准样本和未来样本考察波动幅度、止损和目标阈值，以及全部退出与分批退出策略。…

本案例研究使用每日数据、滚动模型评估，以及佣金、价差和展期滑点成本，检验一组多元化 CME 期货上的每周多空套息排序策略。研究比较不同模型类别的信号质量，然后评估组合配置、风险覆盖策略和未参与调参的留出期。报告中横截面信息系数最高的是潜在因子随机贴现因子模型；但案例最终选用的策略则采用梯度提升模型、层级风险平价和移动止损。 验证回测报告的夏普比率为 1.236，但留出期估计为…

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…

本笔记本比较行为克隆与逆向强化学习（IRL）如何从执行记录中学习。示范来自一个 TWAP 交易计划，其风险中性目标已知：将交易均匀分散，以限制冲击，同时接受时机风险带来的敞口。行为克隆直接从状态—动作对中学习动作，而 IRL 则估计一个能够解释这些动作的奖励函数，并可能为迁移到其他情境提供依据。…

本案例研究说明如何为横截面外汇策略构建远期收益标签。该策略对货币对排序，并根据相对排名买入或卖出。研究首先按照纽约收盘惯例将四小时现货柱映射到交易时段，然后衡量每个货币对的一期及更长周期收益。工作流程强调检查远期窗口是否完整、工具是否连续，并防止收益计算意外跨越不同工具。诊断分析也仅纳入在留出期开始前结束的结果。…

代码从样本外预测表计算标准化绩效指标，分别按分折计算并汇总为主要指标。它支持回归与分类，包括信息系数、误差指标、区分度指标和实体数量。对于分类任务，计算信息系数时需要连续收益列，同时使用类别标签计算 AUC、对数损失和准确率等指标。这一区分可以避免把二元标签当作收益排序的替代品。 进行推断时，该实现会汇总每日横截面统计量，并计算 HAC…

本笔记本根据 CME 期货收益面板构建主成分因子，而不是从套息、动量或波动率等工程化特征构建。PCA 用于寻找能够解释不同产品间变异的方向；第一主成分可能类似于共同市场走势，后续成分则可能反映板块间联动。这些模式并非由板块标签强加，成分按解释方差而非预测价值排序。 预测会将收益投影到各成分上，并用扩展均值推算因子收益。因子数量预先指定，拟合得到的 PCA…

本笔记介绍 PCA，将其作为不使用特征的潜在因子基准，用于预测 ETF 收益。笔记分解每个标签在训练窗口内的收益矩阵，使用各基金的载荷和估计出的因子溢价构建预测。由于整个窗口内同一基金始终占据同一列，该方法适用于固定的 ETF 标的范围；若实体身份随时间变化，则不适用。笔记将此方法与基于特征的模型进行比较，并介绍其滚动训练和预测记录。…

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。…