知识库

本笔记使用 Ridge 回归和三种保形方法，为ETF远期收益构建不确定性区间：分割保形预测、保形化分位数回归和自适应保形推断。它使用滚动验证折进行评估，并说明有限样本校准规则：选择达到所需排名的校准分数，而非插值分位数。自适应保形推断会随时间更新误覆盖目标，反馈则延迟至远期收益标签确定后。…

本笔记使用双重机器学习估计永续期货溢价 z 分数在调整六项处理前控制变量后，是否与随后八小时收益相关。它通过分别拟合并加入处理与状态的交互项，比较高波动和低波动状态下的效应。数据采用多交易对面板结构，因此进行交叉拟合、设置禁用期和计算 Driscoll–Kraay 标准误时，方法将每个时间戳视为一个决策周期。 笔记还介绍一种区块置换反证程序：在每个交易对内部打乱处理值，同时保留时间持续性，区块长度则与处理窗口相对应。文中说明，当置换处理的残差方差不同时，安慰剂比较为何应使用 t…

本笔记比较基于ETF特征的线性模型，这些特征由重叠收益窗口及相关动量、波动率和振荡指标构成。此类预测变量存在共线性，会使普通最小二乘系数不稳定。实验在滚动验证折上拟合岭回归、Lasso 和 ElasticNet 配置，按每折数据确定惩罚强度，并检查每种配置是否都在相同资产、日期和折上评估。…

分数阶差分对对数价格的滞后差分算子应用非整数次幂。其二项式权重随历史观测逐渐衰减，因此结果将价格变化与部分保留的水平信息结合起来。分数阶数决定这种权衡：较低阶数保留更多记忆，但平稳性证据通常较弱；较高阶数使用较短的历史并去除更多水平信息。…

本章梳理市场、基本面和另类金融数据来源，并比较资产类别如何影响价格、流动性和观测值的含义。文中强调，时间戳、调整方式、标识符和修订记录都是数据集定义的一部分，可能改变研究结论。示例包括考虑存续偏差的股票价格、公司行为调整、期货交易时段 K 线与连续合约、期权指标以及加密货币资金费率数据。…

本笔记介绍 TimeGAN，这是一种用于生成合成金融序列的循环生成对抗模型。它的五个模块学习嵌入与重构、预测后续潜在状态、从噪声生成序列，并区分生成序列与真实序列。训练分为表示学习、时间监督和联合对抗学习。示例使用由US只股票构成的面板中的日对数收益率，并留出最新的一段数据用于评估。 评估结合分布检验、判别器以及“合成数据训练、真实数据测试”的比较。笔记说明，仅匹配均值和标准差，无法证明序列结构、波动聚集或股票间依赖关系已被复现。笔记还比较收益率与价格水平：由于模型输出受 sigmoid…

本文介绍一种根据案例研究评估设置生成滚动验证切分的通用方法。它将折的构建交给能够感知日历的切分器，使用唯一时间戳以保持面板行对齐，并从明确的留出边界向后推进。训练和验证窗口可以采用滚动时长，并通过标签缓冲区将二者隔开，以减少跨越边界的结果造成的信息泄漏。 一个关键设计选择是如何计算缓冲区。对于具有市场日历的交易时段网格数据，以天表示的时长可以按交易时段数解释；以日历时间为基准的结果则使用经过的日历时间。同样的区别也用于清除结果期限触及留出集的验证观测。本文还建议在缩减折集合时标明折…

本笔记将两种顺序检测器应用于一年内两种 US 股票线性模型配置的实际验证集预测误差。双窗口均值漂移检测器寻找误差幅度的变化，错误日频率监测器则追踪方向预测出错的频率。每个检测器都在初始时期校准，再监测之后的交易时段，避免使用评估期数据拟合阈值。分析将警报与基于滚动波动率的市场剧烈波动代理指标进行比较，并保留警报相对剧烈波动事件的有符号距离，以区分提前预警和延迟发现。…

本笔记介绍一种用于预测 ETF 未来收益的监督自编码器。网络将基金特征行压缩为低维表示，并直接根据该表示预测收益。与同一模型家族中的条件自编码器不同，它不假设收益由少数共同因子生成。重建损失和收益预测损失共同参与训练，因此更改目标标签会产生一个单独拟合的模型。…

本文说明如何根据现有滚动验证规范推导单一留出集训练区间。它从研究配置读取声明的留出日期，采用验证折中最早的训练起始日期，并提前结束训练，留出足以覆盖最大标签缓冲区的间隔。该缓冲区可防止训练结果延伸到留出评估期。如果特征仅存在于较窄的折级历史范围内，训练起始下限可将留出拟合限制在这些特征实际覆盖的日期。 实现还会验证选定标签、折边界和已解析的 CV…

本笔记为标普 500 股票上的平值卖出跨式期权构建未来收益标签。由于每日面板中的名义 30 天跨式期权每个交易日都对应不同合约，平移价格序列会混合不同工具。标签改为跟踪建仓时确切的看涨和看跌期权合约，获取其后续价格或结算价值，并检查每笔交易的进场和出场数据是否有效。它还区分主要的持有至到期收益与固定期限诊断指标，包括 Delta 对冲变体。…

本笔记说明如何检验交易信号或公告等事件是否能预测超出市场基准的收益。它以流动性较好的 ETF 动量突破为例，演示完整流程：用事件前收益估计市场模型，在事件窗口内计算异常收益，再将每日均值汇总为累计平均异常收益（CAAR），并计算置信区间和显著性统计量。 一个关键实现细节是将资产和基准对齐到共同日期索引，使事件窗口使用相对行偏移。示例将生成的事件彼此错开，并讨论如何解读事件前漂移、事件日跳升、事件后漂移和反转。它还介绍常见推断风险：事件聚集可能夸大 t…

本分析比较九个交易案例中的特征筛查记录。它区分 Benjamini–Hochberg 错误发现率显著性与另一种得出 PROCEED 决策的路径；后者结合案例特定的效应量下限和各折符号稳定性。由于决策可由任一路径满足，PROCEED特征数量可能超过通过 FDR 阈值的数量。随后，笔记将各案例的 PROCEED 占比与验证集和留出集夏普比率配对，探讨特征存活是否能预测策略存活。 证据明确有限：记录是重新生成的，候选特征彼此相关，且仅少数案例登记了回测。不同案例的 PROCEED…

本笔记微调三个 Transformer 检查点，用于金融句子的三分类情绪分析，并比较准确率、宏平均 F1、混淆矩阵、参数数量和训练时间。它对 Financial PhraseBank 进行分层训练集、验证集和测试集划分，为通用随机性和 Trainer 随机性设置种子，并采用动态批次填充。模型包括领域专用的 FinBERT 检查点和两个通用检查点。 核心经验是：解读测试分数前，先检查检查点的训练历史。FinBERT…

本文记录一场结构化的多空辩论，讨论美联储是否会在 2026 上调目标利率。三位智能体评估这一问题，论据涉及美联储预测、通胀、劳动力市场状况、金融机构预测和历史政策变化。多方强调通胀持续存在以及美联储可能逆转政策的可能性；空方则指出预期降息或利率维持不变、就业降温，以及限制性政策可能继续发挥作用。…

本笔记说明如何从原始 SEC Form 4 XML 中提取用于股票研究的公司内部人交易记录。它以每个交易区块为解析单位，保留交易代码、日期、股数、价格和方向之间的对应关系。遍历 XML 树可避免混淆不同交易的字段，或混淆普通股与衍生品部分。联合申报必须保留所有申报人，而非只将交易归给最先找到的姓名。…

本文介绍两种用于期货收益的潜在因子方法。主成分分析找出能解释最多收益变化的不相关方向；神经随机贴现因子则寻找与预期收益横截面相关的组合，并可使用展期收益（carry）或波动率等产品特征。因此，两种方法回答的问题不同：一种关注广泛的共同变动，另一种关注可能被定价的收益结构；推断因子的经济含义仍需进一步解释。…

本笔记介绍用于日常交易决策的缓慢变化背景特征：会计比率、宏观经济状况和日历编码。它概述收益率、盈利能力、应计项目、杠杆和现金流收益率等价值与质量指标，并使用公告日期和时点连接，将季度基本面数据与每日观测对齐。宏观序列需要考虑发布时间延迟并向前填充；日历模式可使用周期编码和距事件时间变量。…

本笔记筛选适用于卖出平值跨式期权并持有至到期策略的候选特征。对每个交易日，它比较可用标的按某项特征进行的横截面排名与这些标的最终跨式期权结果的排名，再计算多个验证期内排名一致性的平均值。由于同时检验多个候选项，它会针对仓位重叠调整不确定性，并控制错误发现率。…

本文说明如何使用观测日和之后交易日的复权收盘价，为 ETF 构建每日未来收益标签。它创建一个主要的月度期限标签和一个较短的周度变体，并在应用资格筛选前，基于每个标的完整且已排序的价格历史计算标签。断言会检查不完整的尾部、异常长的日历跨度、标的边界和标签类型。 笔记还讨论结果窗口相互重叠、清除收益窗口在留出期内结束的开发样本行，以及在计划用于特征评估的同一合格样本上衡量简单动量基准。它报告标签覆盖率和质量检查结果，并将该基准视为后续工作的下限。作者提醒，收盘到收盘收益与次日开盘执行的经济结果不同，固定的 ETF…

本笔记比较拆分共形预测、共形化分位数回归和自适应共形推断，用于预测 ETF 的未来收益。在滚动交叉验证中，模型用一个子集训练、用另一个子集校准区间误差，再对之后的观测进行评估。拆分共形根据校准残差的秩确定区间宽度；CQR在校准前拟合上下分位数模型，因此区间宽度可随条件变化。延迟结果变得可用后，ACI会更新其失覆盖率。…

本笔记研究订单簿活动能否预测 NVDA 的短期收益。它根据按订单市场数据中的新增、撤单和成交构建距离加权的订单簿压力指标，再对带符号的活动进行平滑，以表示中间价附近的流动性变化。笔记评估多个未来期限的订单流失衡，并比较不同收益相关性和十分位数模式，使用的收益指标包括中间价、经延迟调整的价格和可执行价格。这一比较说明，考虑延迟和买卖价差后，统计相关性可能不同于可交易表现。…

本笔记解释了为何在许多因子或策略中搜索会抬高最终选中者的表面表现，即使每项估计本身计算正确。模拟的一组噪声因子说明，最高的信息系数可能只是偶然看起来很高。随后，笔记构建了先进行异方差和自相关稳健推断、再控制错误发现率的校正流程，并讨论了适用于更保守筛选的族错误率控制。…

此案例研究比较了标普 500 股票和期权特征面板上的序列模型。研究将能够在回看窗口中传递门控状态的 LSTM，与去除最新水平后拟合线性映射的 N-Linear 基准模型进行比较。该基准用于检验，与对同一窗口进行更简单的映射相比，循环记忆是否带来额外价值。目标包括股票未来收益和风险调整收益标签。…