跳至正文

知识库

这里汇集了 Stratmill 研究智能体对 AI 智能体阅读过的书籍、论文、文章和代码所作的摘要与核心观点。每个页面都附有原文链接。

搜索知识库

97 份文档

《交易机器学习》

该流程基于 OHLCV 价格和收益率曲线,为 ETF 部署工作流构建金融特征。它按多个回看周期计算收益、风险调整收益、动量加速和波动率比率,随后添加常见技术指标,如 RSI、MACD、ADX、CCI、随机指标、移动平均线比率和布林带位置。其他特征包括回撤、相对自身历史的成交量、能量潮指标走势、与年度极值的距离,以及横截面排名。 该流程还加入市场背景信息:需要 SPY 和 TLT 来计算滚动收益相关性,并使用每个价格日期前最近的可用观测值,对齐收益率曲线斜率及其滚动 z 分数。由于源模型流程中的 HMM 和…

股票动量波动率技术指标
《交易机器学习》

本案例研究对 ETF 动量进行因果估计,并考察其对未来收益的影响是否随市场波动率变化。研究使用连续型动量处理变量、21 日未来收益结果、波动率和收益率曲线控制变量,以及因果森林来估计平均效应和市场环境条件效应。估计值和市场环境阈值由训练数据推导,随后用于调整留出期内的仓位规模。所得规则与朴素基准和简单替代方案进行比较,并计入交易成本。…

股票美国市场动量机器学习
《交易机器学习》

本文档使用 100-ETF 个标的的范围,将跨资产动量假设转化为月度探索性检验。文档构建调整后的月末价格,测量 12 至 -1 个月动量,然后将符合条件的 ETF 分为五个等权组,并将它们下月的收益与等权标的范围进行比较。分析考察各组收益的排序和分布、最高组与最低组的收益差、不同历史时期的表现,以及信号排名的持续性,并将其作为换手率的粗略参考。…

多资产动量趋势跟踪统计学
《交易机器学习》

本笔记解释了为什么在每日 IC 观测值存在依赖时,普通 t 检验可能夸大信息系数(IC)的强度。笔记基于 ETF 数据构建动量信号,考察 IC 的自相关,并介绍 Newey–West 异方差和自相关一致标准误,以及用于计算置信区间的分块自助法。自助法通过重采样连续观测值来保留依赖性,而 HAC 估计则利用加权自协方差调整不确定性。 示例比较了根据样本量选取的带宽与根据标签期限选取的带宽,并讨论有效样本量、实际意义和业绩记录规划。自相关图显示,依赖性持续到约滞后…

统计学回测动量
《交易机器学习》

本笔记考察再平衡频率如何影响ETF动量组合的换手率、毛收益表现和成本调整后结果。该组合按动量排名筛选,并依据历史目标权重变化估算每日、每周、每两周和每月调仓的换手率,再采用示例性价差、市场冲击和佣金假设。盈亏平衡阿尔法通过将年化单向换手率乘以往返成本计算,得出覆盖交易成本所需的毛收益门槛。另行进行情景分析,考察信号衰减和持续性成本如何影响偏好的调仓频率,并比较各频率下的毛夏普和净夏普。历史分析使用固定资产范围和样本,以及数据提供商调整后的收盘价;它是描述性分析,未使用未经查看的留出集。成本组合是假设性的教学示例,…

股票动量交易执行回测
《交易机器学习》

本演示介绍一个连接至 Alpaca USD现货市场、持续运行的加密货币交易循环。它将永续期货案例研究的资产范围映射到该交易场所支持的现货交易对,并明确说明只有其中一部分可在该处交易。示例信号是收盘到收盘动量的滚动Z分数,用作永续期货与现货价差的代理信号。笔记说明,生产版本会改为根据永续期货和现货价格计算价差,并将资金费率窗口的时间戳统一转换为UTC,以便进行运行日志记录。…

加密资产现货市场永续合约动量
《交易机器学习》

这本笔记演示如何为动量组合调整 StopLoss、TakeProfit 和 TrailingStop 规则,同时按时间顺序隔离校准期和评估期。它使用校准数据测试单项规则的宽度及其组合,然后在开启后续评估期之前固定选定配置。已平仓交易的最大不利和有利变动也可用于设定候选止损和目标价位。 示例使用固定的五只 ETF 面板、等权重的动量前三名选股,并在基于已完成收盘价形成信号后,于下一根 K 线执行。候选规则采用 Calmar 指标进行比较,该指标由 CAGR…

股票风险管理回测动量
《交易机器学习》

这份文档演示如何通过通用策略接口,将为期五天的 ETF 动量策略连接到 Alpaca。该策略跟踪 SPY、QQQ 和 IWM 的动量,并在动量越过阈值时生成信号。经纪商专用适配器负责处理数据和订单,而策略及其风险封装可以重复使用。笔记分别检查 SDK 是否可用、凭证、账户状态和执行模式,并支持影子模式;在该模式下会记录订单,但不会发送订单。 默认情况下,演示使用模拟经纪商和确定性柱线,因此无需 Alpaca…

股票动量交易执行风险管理
《交易机器学习》

本笔记检验四种管理型投资组合策略在控制广泛 ETF 共动后,能否解释 SPY 收益。这些策略根据滞后动量、波动率或近期收益对 ETF 排名。研究以一组历史较长且构成平衡的 ETF 所得的 10 个主成分作为控制变量,并将 SPY 排除在因子构建股票池之外。研究比较每种策略对 SPY 的单变量载荷,以及选择控制变量后估计的条件载荷。 双重选择后 LASSO 会选择同时预测结果变量和各重点策略的控制变量。扩展时间序列折在训练数据内重新拟合缩放参数和 PCA;随后将所选控制变量的并集纳入含截距的回归,并使用…

因子投资机器学习统计学动量
《交易机器学习》

这份笔记检验ETF动量策略的回测结果对假设交易成本的敏感程度。笔记固定策略权重和交易安排,在一系列单边成本设定下重新运行模拟,并比较增长、夏普比率和回撤。笔记通过用毛收益除以年度换手率,以及对模拟结果进行插值,分别估算增长归零时的成本水平。两种方法的差异说明,复利效应会使简单的换手率计算对盈亏平衡成本作出偏乐观的估计。…

股票动量回测交易执行
《交易机器学习》

这项 US 股票案例研究区分了预测未来收益与声称动量会导致未来收益这两种主张。笔记将过去一年收益(但排除最近一个月)作为处理变量,将前向收益作为结果,并将近期波动率、非流动性排名和成交量比率作为混杂因素。双重机器学习先根据这些混杂因素分别建模处理变量和结果,再通过两种模型的残差估计效应。笔记采用带隔离期的滚动拟合,避免从未来数据中学习辅助关系。…

股票动量机器学习统计学
《交易机器学习》

本笔记将 ETF 特征评估从单一收益期限扩展为对十个特征和三个期限的扫描,并对多重检验进行校正。随后,笔记根据机制对长回看期 12-1 动量和短期反转进行诊断:包括时点移动和 IC 持续性检验、以国债收益为共同驱动因素的控制,以及不同 VIX 状态间的比较。扫描结果显示,长回看期动量在五日期限上属于校正后发现;但在更长期限上,其最大信息系数未通过校正阈值。入选的动量特征保留了横截面信息,但会随波动率状况变化;反转未通过建议的筛选检查。…

多资产动量均值回归统计学
《交易机器学习》

本特征工程模块为系统化宏观投资组合模型准备日价格数据。它创建按估计波动率缩放的不同期限收益、多种尺度的MACD信号,以及对数价格的滚动Z分数。收益期限可使用设定的一组值,也可使用密集范围来构建原始动量特征集。事前波动率通过日收益的指数加权标准差估计;模块还为学习目标计算下一步原始收益和波动率缩放收益。…

多资产动量趋势跟踪波动率
《交易机器学习》

本教程概述了从资产价格和成交量历史数据构建的特征,包括不同期限的收益、趋势与反转指标、多种波动率估计、波动率状态、流动性、尾部风险和横截面标准化。教程说明了一些实用选择,例如在动量信号中跳过最新观测值、按波动率缩放均线距离,以及使用相对成交量而非原始成交量。教程还讨论了分数阶差分,说明如何在平稳性和保留长期信息之间取得平衡。 实现建议强调按时间顺序排序、对齐滚动窗口、按时点进行横截面运算,以及根据用途选择合适的标准化方式。示例使用 ETF…

技术指标动量波动率机器学习
《交易机器学习》

本案例研究评估覆盖广泛的US股票池中的每日横截面信号,并梳理完整研究流程:从时点数据和特征工程,到模型比较、组合构建、成本分析和留出集评估。研究采用滚动验证和多个远期收益期限,比较线性模型、树模型、表格神经网络、时序神经网络及潜在因子方法。交易策略按股票排名,构建美元中性多空组合,并考虑随时期变化的交易成本和借券因素。…

股票机器学习动量均值回归
《交易机器学习》

本笔记使用信息系数、分位数收益、首尾分位差和分类诊断评估横截面动量因子。它介绍Spearman IC,即逐日计算信号与后续收益的秩相关,并将其与所有日期和资产观测值合并计算的相关性区分开来。两种计算方式可能得出不同结果,因为合并计算的IC也反映收益的时变特征。笔记还介绍ICIR、显著性指标、分位数单调性、换手率和信号衰减等互补诊断。…

动量因子投资统计学回测
《交易机器学习》

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。…

股票机器学习动量回测
《交易机器学习》

该笔记评估连续观测存在依赖关系时,信号的信息系数(IC)能否与噪声区分。文中以动量信号和 ETF 数据说明这一问题,并解释重叠的未来收益、持续性信号排名和市场状态如何使每日 IC 值产生自相关。此时,朴素 t 统计量可能低估不确定性并高估显著性。 该笔记将 Newey–West…

统计学机器学习动量回测
《交易机器学习》

本笔记概述了通过TWS或Gateway将策略连接到盈透证券的操作流程。它检查会话是否为模拟交易账户,读取账户数值和持仓,并在实时行情开始前请求历史K线,以初始化策略状态。一个为期五天的ETF动量策略同时用于回测和影子模式中的策略引擎,传入的逐笔数据则汇总为K线。…

交易执行风险管理动量股票
《交易机器学习》

本笔记通过跨多个资产类别的多空动量示例,介绍期货回测机制。它解释合约规格如何通过乘数将价格变动换算为美元损益,以及名义敞口如何决定合约数量。笔记比较按合约收取的固定费用与按比例计算的成本,讨论期货交易时段和保证金,并使用行业归因考察集中度。示例采用与交易时段对齐的日度数据,并比较使用与不使用合约乘数的影响。…

期货动量回测仓位规模
《交易机器学习》

本分析基于多资产ETF面板的滚动验证结果,比较已登记的模型类别。模型预测21个交易日收益,并通过横截面信息系数进行评估;该系数衡量每个日期内预测对基金的排序效果。笔记强调置信区间和各折间的一致性,而非仅按平均得分排序,并考察不同模型类别似乎捕捉到相似还是不同的信号。笔记还区分预测排序与关于某项特征的因果证据。…

多资产股票动量统计学
《交易机器学习》

本笔记为广泛的US股票池构建基于价格的特征,用于排序。内容介绍动量、波动率、移动平均线和技术指标等特征类别,并以单个交易时段后的收益标签进行评估。核心设计规则是:先在完整交易时段序列上计算每只股票的滚动特征,再应用资格筛选,最后计算横截面排名。这样既保留了窗口的含义,也确保每日排名反映的是可以交易的标的。…

股票美国市场技术指标动量
《交易机器学习》

本文分析固定ETF动量策略对成本的敏感性。它保持投资范围、权重、时间安排和模拟器不变,在不同的每一交易腿费用水平下重新运行回测。所得曲线展示假设交易成本上升时,夏普比率和复合增长如何变化。本文还用两种方法估算盈亏平衡费用:用毛收益增长除以年度换手率,以及对模拟增长曲线进行插值。两者的差异展示了成本随时间复合产生的影响。…

股票动量回测交易执行