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。
1,045 份文档
本笔记比较时间柱、逐笔柱、成交量柱、成交金额柱、不平衡柱和运行柱，这些柱均由单日 AAPL 交易所成交数据构建。前四种采样方法分别按经过时间、交易笔数、成交股数或成交金额对观测进行分组。不平衡柱和运行柱还会使用推断出的交易方向来捕捉带方向的订单流。本笔记提出比较不同柱类型的收益分布和自相关性，包括基于成交量或成交金额的采样是否比时间柱更能改善正态性。 由于成交数据流没有可用的主动方标签，示例采用逐笔价格测试：价格上涨或下跌用于判定方向，价格不变时则沿用上一次方向。它还将这一估算与 Lee-Ready…
本文档介绍一套数据集和工作流程，用于研究加密货币永续期货及其溢价指数。它概述了配置标的范围内的小时级 OHLCV 观测值和每八小时一次的溢价读数，以及下载、加载、筛选和基础概况分析步骤。溢价指数定义为永续合约价格与现货价格之间的相对差异；其正负表示永续合约交易价格高于还是低于现货价格。本文档将这些数据作为资金费率套利和溢价均值回归研究的输入，并未展示经过测试的策略。 数据来自 Binance…
本笔记展示如何为动量投资组合调整止损、止盈和移动止损规则，同时保留按时间顺序划分的留出期。它比较单维参数扫描、联合规则网格，以及根据已平仓交易的最大不利和有利变动得出的止损或目标价先验。候选设置在校准数据上选出，并在之后的时期评估一次；使用基于 CAGR 的 Calmar 指标为冻结配置排序。 示例使用固定的五只 ETF 面板，在基于已完成收盘价形成信号后，于下一根柱执行交易。交易层面的统计数据和价格变动幅度估计仅使用已平仓交易，因为未平仓持仓的结果按市值计价。本笔记提醒，当前的 ETF…
本笔记将 PatchTST（一种 Transformer 风格的序列模型）作为预先声明的模型集合中的一个成员，用于标普 500 期权研究。它将回看序列划分为固定长度的片段，将片段嵌入为词元，并通过注意力关联窗口中的不同位置。与 LSTM 逐步递归的方式相比，注意力可以直接连接序列中相隔较远的部分，并并行处理整个窗口。模型必须通过位置嵌入学习顺序信息，而且参数量较大，在数据有限时可能更难拟合。…
本概览按资产类别、标的范围大小、数据频率、决策节奏、成本情景和评估方案整理了一组交易案例研究。它读取各项研究声明的设置，并展示比较表格，包括训练和验证窗口、折数、留出期以及信号到持仓的映射。案例涵盖股票、期权、加密货币、外汇、期货和多资产 ETF，展示研究选择如何随市场和可用数据而变化。…
本文为前向收益窗口重叠的标签定义两种诊断方法：合并面板自相关，以及基于标签唯一性的有效样本量。自相关只在同一实体内，按原始时间柱网格上指定的间距配对观测值。合并前先在每个实体内部去均值，避免实体平均值差异造成虚假的持续性。没有有效配对的滞后期仍显示为NaN。…
本笔记本展示如何使用估计窗口内的相关性网络描述股票池并构建网络分散化投资组合。它仅使用评估前可得的数据选择流动性较好的代码，将收益相关性转换为距离，并提取最小生成树（MST）。度中心性、中介中心性和接近中心性用于概括该树中的枢纽和桥接节点；随后用中心性倒数降低结构上居于中心的资产权重。笔记本还介绍同步冲击传播敏感性分析，并比较较晚评估窗口期间的投资组合。…
本笔记本构建一个LSTM配置器，将ETF收益序列和滚动波动率特征直接映射为仅做多的投资组合权重。Softmax输出确保权重非负且满仓。该方法不预测收益再将预测值输入优化器，而是直接以可微夏普比率最大化作为训练目标。工作流程按时间顺序划分训练集、验证集和测试集，再将学习得到的权重与等权和逆波动率投资组合进行比较。…
这项探索性分析研究旧版Quandl WIKI US股票面板，重点关注价格口径、数据覆盖范围，以及其历史数据可用于何种回测。分析区分反映实际交易价格水平的原始价格，以及用于计算经拆股和股息调整后收益的调整价格。分析还建议通过逐年统计代码数量、查看首次和最后观测值检查覆盖范围，并进行行级空值与OHLC一致性检查。…
本笔记本评估交易成本对研究流程其他环节所选定的固定CME期货配置有何影响。它采用全成本网格，将每一档成本平均分为佣金和滑点；并在回测中保留已选风险叠加层，因为该叠加层会改变持仓和换手率。解读时应关注净夏普比率降至零时的成本水平，而非某个任意选定成本下的表现。…
本文介绍CME期货数据集，包含多个产品组的小时线和日线、连续近月合约以及两个远期期限。文中说明数据覆盖范围、字段、载入选项，以及相关的每周CFTC持仓数据。期限结构支持期限结构分析和持有收益研究；重建和研究换月则需要单个合约记录。…
本笔记本将夏普比率视为存在抽样不确定性的估计值。它推导考虑样本长度、偏度和峰度的置信区间与概率夏普比率计算，再利用最低所需业绩记录长度和统计功效规划，估计区分目标夏普比率与基准可能需要多少数据。它还解释Lo针对序列相关收益年化的调整，而非依赖常见的频率平方根规则。…
本笔记本比较PyPortfolioOpt、Riskfolio-Lib和skfolio：在共享的ETF收益面板上拟合投资组合配置器，再用较晚观测值评估其冻结权重。内容涵盖均值风险、尾部风险、层次风险平价和惩罚项配置，同时按资产对齐返回的权重，并检查仅做多边界约束和满仓约束。滚动前向评估限制在训练期内；其中一种配置还被转换为执行引擎所需的每日目标。…
本笔记本比较三种将财经新闻句子分类为正面、中性或负面的方法：使用TF-IDF词语及词对特征的逻辑回归、使用预训练GloVe词向量均值的逻辑回归，以及预训练FinBERT情绪分类器。它采用Financial PhraseBank中一致标签子集的分层训练集和测试集划分。两种词汇方法使用相同划分进行训练；FinBERT则作为预训练模型应用，因此其得分同时反映学习到的表示和此前的任务训练，并非单独的特征比较。…
该共享配置模块将横截面预测转化为投资组合权重。它根据得分对资产排序，以选择多头持仓，或选择多空投资组合的顶部和底部篮子。仓位权重可根据保形预测区间宽度设定，区间越窄权重越大；也可根据波动率倒数设定，并分别对多头和空头归一化。缺少保形预测区间宽度会触发错误；缺少波动率时，可以使用决策时点的横截面数据填补。上限程序会限制资产权重的绝对值，并将超出部分分配给未触及上限的持仓。…
本笔记本使用分钟级NASDAQ-100数据，通过三种方法构建特征：用于短期方差预测的滚动异质自回归回归、用于描述近期活动周期结构的傅里叶变换，以及用于捕捉价格、订单流和交易强度变化顺序的二阶路径签名。文中解释，回归特征取决于拟合参数所用的数据窗口，而变换和签名则是在近期窗口上进行的固定计算。特征按时间柱逐一生成，并评估其横截面排序能力。…
本数据集指南介绍获取FRED序列、将观测值对齐到日历日并载入所选指标进行分析的流程。示例包括国债收益率、10年期减2年期利差、VIX、就业指标、通胀、工业生产和GDP。合并后对不同原始频率的数据向前填充，使生成的面板能够与每日策略数据进行比较。…
本文将经纪商和交易所的订单处理建模为有限状态机。它为提交、确认、接受、部分成交、取消、拒绝、过期和暂停定义明确状态，再将事件映射到有效的状态转换。有状态订单会记录转换历史和成交信息，使订单路径可供运营审查和对账。…
本笔记本评估能否使用已发布的US公司面板研究基于公司特征的月度多空策略。它检查数据编码、可用股票池随时间的变化、每次再平衡是否有足够公司填满多空两侧、特征价差是否可能超过假设的交易成本，以及开发历史是否支持滚动评估并保持留出集未读取。文中描述的策略按公司排名，买入排名靠前的一组并卖出排名靠后的一组，以月收益为结果变量。…
本笔记本推导Almgren–Chriss清仓方案，在市场冲击与继续承受价格变动风险之间进行权衡。它以相对于到达价格的执行偏差为基准，分别建模永久冲击和临时冲击，并推导给定执行计划的成本和风险。改变风险厌恶程度可以描绘有效前沿；笔记本还用清算半衰期描述执行计划，使该参数具有实际意义。…
本笔记本展示如何分析金融事件图谱，同时区分事件发生时间、公开时间和图谱处理流程提取事件的时间。它载入带时间戳的8-K关系，衡量披露和提取延迟，并以公开披露截止时间构建图谱快照。笔记本还比较累积快照以计算关系变动，并检查较晚的披露或提取是否出现在较早的视图中。…
本文说明如何从汇总为日内时间柱的 NASDAQ 成交数据中构建基于逐笔交易的市场微观结构特征。内容涵盖 Kyle lambda、Amihud 非流动性指标、Roll 价差估计量、交易强度和订单流失衡（OFI）。文中强调，汇总前必须先将 OFI 中的每笔交易判定为买方或卖方发起；如果只根据时间柱收盘价赋予方向，衡量结果就会退化为时间柱收益的方向。文中还区分了描述交易活动的订单流特征与价差、深度等订单簿状态特征。 一个重要注意事项是，已安装的Kyle…
本文介绍潜在因子：它们是根据期货之间的共同变动推断出的共享收益驱动因素，而非预先给定的具名预测变量。文中比较了在每个训练折内拟合的两种方法。主成分分析（PCA）寻找能够解释最多收益方差的线性方向；神经随机贴现因子（SDF）方法则寻找能够解释横截面预期收益的共同定价对象。PCA仅使用收益；SDF还将特征作为工具变量，因此可以表示受特征条件影响的暴露。…
本文介绍如何比较线性模型、梯度提升模型、表格深度学习模型和序列模型对标普500期权的验证集预测。报告诊断结果前，先检查每个已登记预测样本是否符合其资格契约且完整，并确认所有样本共享同一交叉验证标识。由于序列模型需要回看历史数据，其符合资格的行有所不同；只有在资格组匹配时比较才有意义，不能自动跨模型家族比较。…