知识库

本章介绍一条从研究走向实盘执行的路径，核心是让同一策略逻辑能够用于回测、模拟交易和实盘场景。内容涵盖经纪商和平台集成、部署循环、数据与特征一致性检查、订单生命周期处理以及运维准备。订单工作流被建模为状态机，以便明确处理部分成交、撤单、拒单和中断后的恢复。风险控制包括订单和持仓限额、过期数据检查、影子交易、对账和熔断开关。…

本笔记构建一个截面研究假设的特征：永续期货中持有多头的成本异常高，可能先于拥挤交易平仓时的相对走弱。它将资金费率和溢价指数数据转换为水平值、历史 z 分数、结算周期内排名、衰减指标以及市场状态条件特征。由于资金费率有上限，且结算间隔可能缩短，设计还考虑了费率饱和，并按经过的时间汇总现金流，而非假设观测次数固定。 笔记强调信息时间点的重要性。它将供应商 K…

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。…

本笔记介绍一种LSTM模型，它根据US股票面板中按顺序排列的特征窗口预测收益。与扁平表格模型不同，LSTM按顺序处理交易时段，并在每个窗口中传递隐藏状态。训练得到的门控机制控制哪些新信息进入该状态、哪些既有信息被丢弃，以及哪些信息传递到下一步。该设置使用堆叠循环层，并为每种配置保存多个训练轮次检查点。…

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…

本笔记使用事件驱动回测引擎，为 BTC/USDT 永续合约行情实现仅做多的 RSI 均值回归规则。它将日内观测汇总为 UTC 日线，计算滚动涨跌指标 RSI；指标低于超卖阈值时买入，高于超买阈值时卖出。策略以声明的资本比例为目标，并对佣金和滑点建模。顺序引擎明确表示决策、待处理订单、成交、仓位和现金，支持依赖路径的逻辑。…

本文说明 TWAP 和 VWAP 如何将大额母订单拆分为交易时段内的子订单。TWAP将相同份额分配到每个时间间隔；VWAP则按预测的区间成交量比例分配份额。笔记根据历史分钟线估计该成交量预测，再在之后的 NASDAQ-100 交易时段测试两种时间表。它模拟按各区间成交量加权价格成交，并使用平方根模型估算市场冲击，依据子订单占可用成交量的比例计入成本。 比较使用多个交易时段的基准滑点，并区分平均偏差与结果离散程度。本文强调，紧密跟踪当日 VWAP…

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…

本可行性分析评估报价数据能否支持市场中性横截面策略：按十五分钟频率对 NASDAQ-100 成分股排名，并持有排名两端的股票。它检查是否有足够数量的合格标的提供报价、比较中间价变动与标的特定的往返成本、考察标的内部的价格依赖性，并核实开发数据未覆盖留出期。笔记将报价价差和每股佣金换算为基点，并使用中间价收益避免最后成交价中的买卖价跳动。…

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…

本笔记将验证集预测用于仅做多的股票组合，按等权重选择排名前 K 的股票，并根据各标签的频率安排决策。它通过带随机种子的随机信号运行检查收盘后至次日开盘的事件顺序，再用同一回测流程比较不同的组合集中度。期权衍生变量用作预测输入，实际交易标的是股票。…

此共享工具模块为量化研究提供通用的梯度提升流水线。它定义不同容量的预设配置，并将规范参数名称映射为 LightGBM、XGBoost、CatBoost 和 scikit-learn 直方图提升算法对应的设置。它还处理运行选项，例如使用 CPU 或 CUDA 执行、线程数和特定库的兼容性，并记录配置及执行来源以支持复现。…

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。…

本笔记介绍 TimeGAN 的五部分架构：嵌入网络和恢复网络负责在原始观测值与潜在空间之间映射，监督网络学习时间转移，生成器和判别器则进行对抗训练。笔记描述了分阶段训练，并将模型应用于一组 US 股票的日对数收益。选择收益与输出受 Sigmoid 函数限制及最小最大缩放有关：趋势性价格水平可能超出训练范围，使留出期评估变得复杂。…

本笔记比较案例研究回测所用成本扫描中的毛夏普和净夏普。对于每个已部署的策略配置，它从记录的产物中读取假设的单边成本和再平衡频率，插值得到假设成本下的夏普，并估计夏普降至零时的成本。如果扫描范围上限处策略仍有盈利，则将盈亏平衡点视为被删失的数据，而不报告为已观测到的交点。频率分组使用明确的换手倍数；笔记指出，这些倍数是设定值，而非实测换手率。…

本笔记将滚动的 ETF 收益窗口转换为用于卷积神经网络的双通道图像。格拉姆角场求和将每个窗口内的数值重新缩放、映射为角度，并记录不同时间位置对之间的三角关系。马尔可夫转移场将数值分箱至窗口特定的分位数，并表示不同位置对之间的分箱转移。因此，两种方法都编码了各位置之间的关系，而不是直接呈现原始序列。 实验使用一个五日 ETF 收益特征预测未来收益，并比较使用图像衍生输入的 CNN 与岭回归模型；预测评分采用横截面 Spearman…

本笔记解释了为何通用目标权重风险叠加层不适用于所述的标普 500 空头跨式期权引擎。该引擎为每周批次分配固定资本份额，并在每个批次内将权重归一化至总和为一。因此，下调这些权重会被归一化抵消，无法留出现金供回撤或波动率叠加层控制。相关控制应纳入策略规格，包括对冲阈值、结算约定、入场成本和批次数量。…