知识库

该笔记展示如何使用 Optuna 的 TPE 采样器调优 LightGBM，以预测 ETF 收益。搜索内容包括树结构、采样和正则化设置，并通过提前停止选择提升轮数，再用自定义回调报告横截面信息系数（IC），以便剪枝。笔记比较了单个验证折与取平均的滚动目标，并在独立且时间范围固定的留出集上评估选定模型。 报告的证据提醒，单个窗口可能偏向一个退化的近乎常数预测器，其 IC…

本章介绍了在交易中使用预测模型的研究流程，其中样本外预测的稳定性可能比系数估计的无偏性更重要。内容涵盖 Ridge、LASSO 和 Elastic Net 等正则化回归方法，以及用于方向预测的逻辑回归。流程包括时点数据预处理、滚动验证、时间缓冲区、用于模型选择的嵌套交叉验证，以及考察特征归因及其稳定性的诊断。…

本笔记将机构13F持仓转换为机构—股票二部图，并为研究提取特征，包括股票共同持有相似度、持有人广度与集中度，以及已申报持仓的变化。笔记汇总重复的机构—股票记录，利用申报信息确定数据何时可用，并在所有选定机构完成申报前排除相关季度。这有助于避免将缺失申报误解为清仓。该图及其特征可用于相似度分析、聚类或下游预测模型。…

本笔记比较穷举网格搜索与Optuna的TPE贝叶斯采样器，后者用于为ETF前瞻收益预测任务调优LightGBM模型。首先，两种方法在一个较小的类别网格上获得相同的试验预算，穷举搜索覆盖每一种组合。随后，笔记探索连续参数空间，该空间可以表示离散网格无法表示的配置。笔记还研究随着试验次数增加，验证集与留出集的信息系数如何分化，以说明反复选择可能导致验证数据过拟合。…

本笔记使用多个交易时段的NVDA逐笔委托数据，研究如何校准时间柱、逐笔柱、成交量柱、成交额柱和失衡柱。笔记将交易筛选为常规交易时段，使用数据源提供的主动买卖方向标签，并考察交易笔数、成交量和成交额的逐日变化。柱线阈值以目标日柱线数量为基准进行校准，并使用逐日诊断评估这些设置在不同市场状况下的稳定性。…

本章将策略研究描述为对可执行决策流程的设计和评估，涵盖从最初的经济构想到仓位规模、约束、成本和模拟实盘测试。章节建议先对策略系列和潜在优势来源分类，再构建模型；随后定义带版本的设置，以确保比较有意义。章节还将模型诊断、信号诊断和投资组合结果区分开来，以降低所有研究选择都针对回测表现进行优化的风险。…

本笔记为US股票面板定义前瞻收益标签，并解释其构建方式为何会影响所有后续模型和回测。笔记按交易日设定调整后价格收益窗口，检查每只股票是否有必需的未来观测，并为无效标签的行指定明确原因。笔记还会在计算收益后应用价格和流动性资格筛选，防止剔除观测改变保留行的前瞻时长。留出期边界会根据每个结果所需的实现时间进行调整。…

本笔记使用标普500期权标的的收益率构建基于模型的研究特征。笔记拟合GJR-GARCH，该模型会赋予负收益冲击更大权重；还拟合随机波动率模型，其潜在方差通过MCMC估计，并用粒子滤波跟踪。参数只使用计划重新拟合时可用的历史数据估计，之后在生成预测时保持固定。特征包括模型对下一日波动率的预测，以及该预测与期权市场隐含波动率之间的差值。…

本笔记训练TabM神经网络，使用与线性模型和提升模型相同的平面特征表对ETF进行排名。每个集成成员共享一个两层骨干网络，但各自拥有缩放向量和输出层，因此，与为每个成员单独训练网络相比，新增模型容量大幅减少，同时仍可对预测取平均。实验同时调整骨干网络宽度和集成规模，在训练过程中保存检查点，并比较不同轮次和配置的样本外信息系数。…

本笔记介绍如何使用CAPM和Fama–French因子回归分解ETF收益与风险。笔记使用异方差和自相关稳健标准误估计全样本暴露，使用滚动窗口跟踪贝塔变化，并在将后续收益归因于暴露时使用滞后暴露，以避免前视偏差。分析还将手工计算结果与因子模型库进行比较，并使用收缩法稳定因子协方差估计。 示例涵盖全市场和风格聚焦型 US 股票…

本笔记将skip-gram Word2Vec改造用于机构持仓：把每个13F投资组合视为一个句子，把每个股票标识符视为一个词元，并按持仓规模排名排列词元。相邻持仓构成上下文，因此机构在相似投资组合上下文中配置的股票可以获得彼此接近的向量。该流程从一个季度持仓面板中选出一组大型申报机构，删除重复的机构—股票对，训练嵌入，并用向量邻近关系识别投资者以相似方式对待的股票。…

本笔记介绍一种受GT-GAN启发的生成模型，用于处理以不规则间隔采样的金融序列，例如逐笔、成交量或美元柱线。其编码器、生成器、判别器和解码器使用连续时间神经ODE动力学，使潜在状态能够跨越可变时间间隔演化，并支持在指定时间戳进行插值或生成。逐样本固定步长的欧拉或RK4积分可处理一个批次内不同的时间间隔。…

本笔记介绍如何使用一分钟NASDAQ-100数据拟合PatchTST，以预测多个前瞻期限的收益。模型将连续观测分组成片段，并在片段之间应用注意力机制，从而减少需要比较的条目数量，同时让网络能够关联回看窗口中相隔较远的部分。模型按个股构建窗口，仅使用训练数据标准化特征，并在既定的滚动折上评估。…

本笔记检查历史ETF数据在拟合模型或进行预测前，是否足以支持月度排名策略。笔记使用前一年的流动性检验可交易样本范围，统计再平衡日符合条件的基金数量，将每股佣金和估计的半价差换算为相对价格的成本，并将这些成本与调整后价格的变动进行比较。收益使用调整后价格计算，而交易成本和美元成交额使用实际成交价格和成交量计算。…

本笔记比较Polymarket以加密货币结算的事件合约与受监管的Kalshi平台，将其作为另类数据来源。笔记说明，准入规则、结算资产、持仓限额和上市政策会影响哪些参与者左右价格，以及数据中会出现哪些问题。在构建特征之前，笔记检查已提供快照的规模和覆盖范围，并强调极短的历史数据可用于横截面观察，但无法支持可靠的时间序列分析。…

本笔记介绍一种无条件、基于签名的瓦瑟斯坦GAN，用于生成金融时间序列。它将收益率转换为增广路径，计算截断路径签名，并训练由布朗噪声驱动的LSTM生成器，使其匹配期望签名。签名距离取代了学习得到的判别器；阶乘归一化会重新缩放签名层级以用于损失计算。本笔记还概述了论文中的条件扩展如何比较给定过去情况下可能未来的分布，但并未实现该扩展。…

本笔记展示在平静与承压时期检查ETF动量和技术特征的漂移，以及利用跨市场环境的溢价指数数据检查加密货币永续合约的漂移。笔记比较总体稳定性指数（PSI）及其分箱贡献与瓦瑟斯坦距离，并使用领域分类器检验参考样本和当前样本能否被联合区分。生产监控器将PSI和分类器分数映射为警报级别，并展示警报数量如何用于提出重新训练建议。…

本笔记将TSMixer作为适用于ETF面板的全局序列模型进行评估。模型在各基金间共享参数，同时使用每只基金自身的历史数据和协变量；其混合层学习时间关系和序列内关系，但不会把一只基金的观测值并入另一只基金的预测。本笔记将声明的模型样本与可用数据进行核对，检查训练配置和设备身份，并使用验证折选择训练轮次检查点，同时保持留出集不受触碰。…

本笔记为横截面期货策略定义远期收益目标；该策略根据期限结构为产品排序，做多持有收益较强的产品，做空持有收益较弱的产品。它区分用于衡量跨合约展期收益的展期调整价格，与保留同期曲线信息、适用于持有收益信号的原始结算价。标签涵盖多个交易时段期限，而仓位按周调整。…

本笔记介绍如何使用 TSMixer，根据每只股票按时间排序的特征窗口预测收益。每个样本包含 60 个连续交易时段；若窗口跨越股票历史数据中的缺口，则予以排除，因此各折可用样本数不同。模型交替在时间轴和特征轴上进行非线性混合，使信息能够在堆叠模块之间重新组合，而无需循环结构。 文中提出的动机是并行处理整个窗口，而不是像 LSTM 那样逐步处理，同时在相同面板和数据折上，将反复显式混合特征与循环模型和线性模型进行比较。配置采用两个模块、32 的隐藏维度和 100…

本文介绍分阶段流程，将申报文件、新闻和另类数据中的公司名称关联至证券。它区分 CIK 和 LEI 等实体标识符与 FIGI、CUSIP 和 ISIN 等证券标识符，并解释为什么股票代码需要结合交易所和日期信息。若有可用标识符，优先采用确定性连接；否则，先对名称进行规范化，再用模糊字符串评分或句子嵌入进行匹配，并通过带标签样本的精确率和召回率评估接受阈值。…

本文介绍一种用于股票期权分析研究、预测股票收益的监督式自编码器因子模型。与 PCA、IPCA 和无监督条件自编码器不同，该模型的训练目标将横截面重建与远期收益预测结合起来。因此，目标变量会影响瓶颈表示，可能改善预测，但也会削弱解释共同变动的约束。…

本文介绍针对已选定 CME 期货策略进行固定的样本外回测。配置、预测、资金分配器、再平衡频率、集中度和交易成本假设均沿用前期研究步骤，并在留出窗口中保持不变。文中强调，只有固定所有选择，得到的表现才能作为留出证据。…

本笔记研究用于预测 CME 期货产品横截面的线性模型，特征列按相关类别分组，包括持有收益、动量、波动率和滚动风险指标。由于同一类别内的特征列往往相关，文中比较岭回归、套索和弹性网络惩罚：岭回归收缩系数，而套索可以将系数设为零，从而筛选特征。套索和弹性网络的惩罚会根据各折特有的阈值缩放，使其强度在不同折之间更具可比性。…