知识库

此笔记本将货币对预测排名转化为可交易的基准。每个决策时点，它从排名最高和最低的货币对中构建规模相等的多头和空头组合，再用FX回测引擎进行评估。采用等权配置是为了单独考察排名的贡献，不受之后头寸规模和配置决策的影响。投资组合规模网格会改变多空组合的集中度，而投资范围的大小则限制每一侧可持有的不同货币对数量。…

此工具为实时演示笔记本准备预测产物，将不同的列名和日期格式规范为统一的时间戳、资产和预测结构。它会对重复的时间戳—资产观测分组，并计算其评分均值。加载器先搜索已提交的模型输出，找不到这些文件时再查询注册表。…

这段验证脚本演练了一个精简的CME期货研究流程，从模型预测到投资组合权重和回测。脚本检查预测是否恰好覆盖预期的产品、时间戳和折键，拟合状态与预测文件是否匹配其记录的摘要，以及重新运行请求是否会复现相同产物。脚本还检查预览输出是否与正式总体及候选集分离。…

本笔记比较两种Transformer架构，使用历史动量特征预测21日ETF收益。PatchTST将连续日期分组成多个片段，使每个词元包含局部形态的短序列。iTransformer则将每个特征的历史数据作为一个词元，使注意力能够关联不同变量，同时在各词元内保留时间顺序。比较使用相同的ETF面板，并以岭回归和零收益预测为基准，通过横截面秩信息系数和平方误差评估两种模型。…

本笔记使用小型、带情感标签的金融新闻语料训练Skip-gram Word2Vec模型，并考察其近邻词揭示的内容。该方法根据词语出现时的上下文来表示词语。示例中，profit（盈利）和loss（亏损）成为近邻，是因为金融报告常在相似句式中使用这两个词，尽管它们的含义在情感极性上相反。笔记还指出，简单分词时保留数字词元，可能会使数字和货币符号片段成为某个词的近邻。…

本笔记通过分别建模交易摩擦、融资和基金费用，说明如何将总收益转换为净业绩。其参数化成本结构根据换手率和交易规模计算交易成本，根据杠杆和空头敞口计算融资成本，并依据管理和行政费用假设计算年度费用。随后将这些扣减项应用于每日 ETF 收益序列，涵盖三种配置：高换手率 QQQ、杠杆化 QQQ-IWM 多空价差，以及低换手率 SPY。…

本文介绍收集FRED国债收益率和经济指标、将不同报告频率的序列对齐到日历并加载或筛选所得数据集的工作流程。指标包括国债利率与利差、VIX、劳动力指标、通胀、工业生产和GDP。材料主要是数据准备指南，并介绍将10年期与2年期国债收益率之差用于市场状态分类的交易应用。…

本模块介绍供研究智能体使用的搜索接口，包含实时服务提供方和确定性模拟服务提供方。搜索可以限制结果数量并设置发布日期截止点，通过移除截止日当天及之后发布的结果支持时点研究。域名允许列表和屏蔽列表用于筛选来源；工具执行器则通过策略执行和记录操作日志来封装搜索调用，以供审计。…

本模块定义一个用于端到端投资组合学习的可微目标函数。它通过波动率缩放，将有界的资产级风险权重转为投资组合敞口；计算可用资产的平均毛收益，并可选择根据相对先前权重的变化扣除交易成本。评估收益序列时可以排除预热期。…

本笔记分析重建的NASDAQ订单簿，描述盘中最佳买价和卖价处的价差与深度，并研究订单流不平衡是否与下一时间桶的收益相关。价差以基点表示，以便比较不同股价下的成本；笔记绘制一个交易时段内的价差和最优报价深度，并根据解析后的消息中的新增和撤单构造不平衡指标。笔记将原始不平衡指标与带符号的对数变换进行比较，以减轻厚尾时间桶的影响，并考察跨股票的相关性，而非依赖单只股票。…

本笔记介绍条件自编码器如何扩展工具变量PCA，用于ETF收益建模。两种方法都将基金特征映射到因子暴露，并将暴露与因子收益结合；自编码器用神经网络取代了IPCA的线性特征到暴露映射。训练使用滚动验证折，按预先声明的轮次计划为每个标签生成多个检查点。笔记发布全部检查点，供后续模型选择在候选集可见的情况下使用验证回测夏普比率，而不是在此根据验证信息准则选择轮次。…

本案例研究说明，为什么无法对基于月度观测构建的US公司特征组合检验止损、移动止损及其他头寸级覆盖规则。向量化回测将一个权重向量应用于当月已实现的前向收益，因此不包含入场和退出之间的价格路径。止损行为以及最大不利或有利变动取决于缺失的路径；若要模拟这些情况，就必须捏造数据。…

本笔记建立信号阶段基准，用于评估模型对CME期货的预测。每周决策时，按预测收益为品种排序，买入排名靠前的一组，做空排名靠后的一组，并为每个头寸赋予相同权重。笔记改变每条腿所含品种数量，以展示集中度如何影响比较。此阶段不纳入配置方法、风险控制和交易成本，以便后续组合方法有明确的参照。…

本笔记围绕比特币永续期货的极端溢价比较两个因果问题：溢价状态是否能预测前向收益，以及是否能预测之后的溢价回归。处理变量是溢价z分数高于指定阈值的二元指标。研究设计以回看收益和波动率为控制变量，以前向结果变量进行测量，并对两个结果使用相同的调整变量集和验证检查来估计效应。…

本笔记介绍一套用于确定如何建模金融时间序列的工作流程。首先绘制SPY价格与收益、VIX水平和收益分布，以识别水平漂移、波动聚集和厚尾。接着结合原假设为存在单位根的增广迪基-富勒检验，以及原假设为水平平稳的KPSS。两者的原假设方向相反，因此联合解读可得到四种可能结论，而非简单的是或否。…

此配置规定了一项只做多的ETF排序与再平衡实验。它定义了一个涵盖股票、债券、商品和地区敞口的广泛100-ETF股票池，采用月度决策并在次日开盘执行。主要标签预测21日收益；五日标签采用每周时间表，使回测频率更贴合其期限。持仓按排名选出并等权配置，同时测试不同组合集中度下的前K名选择。…

本笔记为梯度提升预测构建预测区间，并比较拆分保形预测、分位数回归、保形化分位数回归和自适应保形推断。拆分保形预测按时间顺序划分训练集和校准集，并在边界附近移除观测值以考虑标签期限，再根据有限样本残差顺序统计量设定区间宽度。该框架使用清除了边界样本的滚动验证折，在ETF、加密资产和期货数据上进行评估。…

这项US股票面板研究使用惩罚线性模型作为基准，根据收盘时观测到的特征预测前向收益。特征集包含相互重叠的动量和波动率测量，产生多重共线性，可能使普通最小二乘法的系数不稳定。笔记比较了用于收缩系数的Ridge、可将系数设为零的Lasso，以及结合两种惩罚的Elastic Net。通过惩罚强度网格，研究正则化对滚动验证各折及多个收益期限的验证信息系数有何影响。…

本基准测试使用相同的确定性OHLCV面板，对比CSV、Parquet、Feather（Arrow IPC）和HDF5。测量写入时间、物化读取时间、文件大小，以及仅读取指定列的影响。计时方法是写入一次，并在预热后对多次读取求平均；因此，读取测量反映的是热缓存情形。Feather的内存映射打开时间会与物化时间分开报告，避免将其误认为数据加载成本。…

这项ETF特征研究构建了三种模型衍生输入：用于估计市场状态的隐马尔可夫模型（HMM）、参考基金价格的分数差分，以及每只ETF的GARCH（1,1）条件波动率。笔记强调，避免前视偏差要求参数和推断都只能使用截至每个交易时段可获得的信息。重新拟合计划会将每个预测区段之前估计的参数应用于该区段；经过滤的HMM概率则避免纳入平滑概率会包含的未来信息。…

本笔记介绍工具变量主成分分析（IPCA）：该方法估计共同因子，同时将每只股票的因子暴露设为其当日期权曲面特征的共享线性函数。这些特征包括隐含波动率、看跌看涨偏斜、期限结构斜率，以及隐含方差与已实现方差。交替最小二乘拟合特征到暴露的映射和因子收益；笔记将其与普通PCA进行对比，后者的暴露来自收益历史，并要求面板平衡。…

本教程使用SPY日线数据，对比固定止损和止盈障碍、移动止损、按ATR缩放的退出、机器学习退出信号及这些方法的组合。固定障碍以入场价格为基准进行模拟；隔夜跳空按开盘价成交；若一根K线同时触及止损和目标价，则采用保守的止损优先假设。ATR根据近期价格变动缩放退出距离。机器学习部分使用技术特征和按时间顺序划分的数据，并在边界附近清除样本，以减少前瞻标签造成的信息泄漏。…

本研究比较梯度提升树与惩罚线性模型，按未来收益对货币对排序。研究动机是：树模型可表示条件关系，例如在一种市场状态下使用动量、在另一种状态下使用 carry；同时，各货币对共享货币，统计上并非相互独立。预先设定的网格通过叶节点数量改变树模型容量，并比较平方误差、绝对误差和 Huber 损失目标。每种配置都会在多个提升检查点进行评估，因此停止点也是一个候选选择，而不只是拟合细节。…

该笔记在共享的模拟交易环境中比较 DQN、PPO和A2C；该环境根据比特币永续期货的小时收益校准。一个 GARCH(1,1) 模型提供波动聚集特征；环境会对持仓变化收费，并将动作延迟一个时间步执行，以免智能体获得行动时已可见的收益。每种算法获得相同的训练交互预算，并在匹配的未见回合种子上评估。 比较不只看平均奖励，还关注其他诊断指标：配对回合差异用于量化策略间的不确定性；持仓分布和切换次数则显示智能体是否会响应观测，或固定在单一持仓上。文中还解释了为何 DQN…