知识库

本笔记评估已发布的因子收益作为潜在投资组合构件的价值。它区分三个问题：因子的平均收益是否达到严格的统计门槛；因子能否基于可能持续的原因实现相互分散；以及因子在所选危机时期的表现。它使用长期历史的 AQR 和 Fama-French 序列，对均值收益统计进行序列相关性修正，并比较常规显著性阈值与更高阈值，后者旨在考虑大量因子搜索的影响。…

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…

本笔记通过两种方式应用同一个月度ETF动量与收益率曲线市场环境策略：向量化收益计算和顺序式账户模拟。两者使用相同的目标权重、资产、日期和总交易成本，因此比较可以聚焦于执行选择，例如目标生效时间、成交价格、整股约束和现金跟踪。信号依据回溯期收益相对于已实现波动率为ETF排名，在风险偏好时期持有选中的基金，否则持有债券ETF。…

这项探索性分析检验：在100-ETF资产范围内，剔除最近一个月的十二个月动量信号是否与下月收益相关。分析依据调整后收盘价构建月度面板，每月将符合条件的ETF划分为五分位组，并比较各组等权收益与全体资产的等权收益。相对于基准的结果旨在揭示动量关系的排序、幅度和形态，多空组合（最高组减最低组）的收益差则提供相关概览。…

本笔记介绍一项扩展窗口双重机器学习分析，考察在调整贝塔、特质波动率、市值和方差后，12至-2个月动量是否能预测下月US公司的收益。分析使用较早月份拟合辅助模型，在训练期与测试期之间设置禁入期，并排除最后的2016留出集。在相同的折外观测值上，将调整后的估计与朴素OLS进行比较，并使用 Driscoll-Kraay 推断处理时间和公司间的依赖。…

该模块定义一种月度 ETF 配置基准，使用风险调整后的动量得分：过去的累计收益除以年化已实现波动率。当 10 年期减 2 年期收益率曲线斜率超过阈值时，模块选择排名最高的资产；否则在综合债券和长期美国国债之间进行防御性配置。资产范围还包括广泛市场股票、国际市场、房地产、黄金和大宗商品基金。等权、波动率倒数加权和静态股债投资组合作为比较基准。…

本示例介绍连接至 USD 现货经纪商的加密策略持续运行时的操作形态。它将规模较大的永续期货案例资产范围映射到较小的可用现货交易对集合，再通过面向经纪商的循环流程传递动量 z 分数代理信号。示例还说明资金费率检查必须将时间戳统一为 UTC，并指出周期性资金费率结算时段可作为永续仓位的时间标记。…

这份教学笔记本概述量化研究中使用的价格和成交量特征。内容涵盖不同期限的简单收益和对数收益、跳过最近一期的动量、隔夜和日内收益、价格与移动平均线的距离、趋势与反转指标、多种波动率估算方法、波动状态指标、成交量与流动性指标、风险统计量，以及横截面排名和标准化值。示例使用 ETF 数据，展示手动计算方法，并与一个面向生产环境的特征库并列介绍。…

这份笔记本介绍一套工作流程，用于研究跳过最近一期的六个月动量是否影响 21 日远期收益，以及其影响是否随市场波动率变化。它使用双重机器学习，根据训练数据估计效应，并控制波动率和收益率曲线，同时将市场波动率作为效应修饰因素。市场波动状态依据留出期之前的数据定义，所得估计用于制定经过截尾和收缩的仓位缩放规则。随后使用留出期数据比较该规则与朴素基准和简单启发式规则，并计入交易成本。…

本笔记本在一个ETF面板上，将两个预训练时间序列基础模型 Chronos 和 TinyTimeMixer…

本分析估计跳过近期数据的动量是否与 ETF 未来收益的因果变化有关，而不是考察动量对收益的预测能力。双重机器学习使用声明的混杂因素分别对结果和处理变量建模，再根据这些模型未能解释的部分估计二者关系。混杂因素包括已实现波动率、市场状态指标和收益率曲线斜率。拟合前，分析确定了研究总体、时间规则、禁入期和安慰剂设计，并将结果作为独立的因果证据记录，而非预测模型候选项。…

本笔记本研究用于预测加密货币永续合约收益和方向的梯度提升模型。网格搜索改变树的容量和损失函数，包括平方误差、绝对误差和 Huber 目标，并在训练过程的多个阶段为模型打分。文中说明，树可能反复按高度相似的溢价特征进行拆分，从而拟合训练样本的细节，却没有增加信息。候选模型只在相同标签内比较，不会跨不同预测目标比较。…

本文介绍如何衡量信号触发、财报发布或宏观数据公布等事件前后的收益。示例使用流动性较高的 ETF 动量突破策略。对于每个事件，先用事件发生前的估计窗口拟合市场模型，得出预期收益；用实际收益减去预期收益，得到异常收益。随后对各事件的异常收益取平均，并累积为平均异常收益和累计平均异常收益，同时计算标准误和显著性统计量。…

此配置描述按公司特征排名的月度多空 US 股票组合。它规定了一个包含 46 项特征的完整案例样本空间、月末决策、次日开盘执行、多头和空头部分别等权，以及包括借券费用在内的显著交易成本。特征登记表将信号归为价值、质量、投资和动量等类别，并记录其假定的更新滞后和失效模式。该设置还定义了月度收益标签和滚动评估，并留出 2016 期间作为测试集。 核心设计讨论之一是配置器估计。使用 12…

本笔记从投资组合收益到模拟交易，构建月度ETF轮动回测。笔记根据过去一段时间的风险调整后收益对十只基金排名，使用美国国债收益率曲线所处状态，在排名靠前的基金与防御性债券配置之间进行选择，并于下一交易时段开盘执行。费用、现金限制和60/40基准均由同一模拟器处理。该方案强调只使用信号日期可获得的信息，并在日期、价格和成本匹配的条件下比较投资组合。…

本案例研究说明如何为横截面外汇策略构建远期收益标签。该策略对货币对排序，并根据相对排名买入或卖出。研究首先按照纽约收盘惯例将四小时现货柱映射到交易时段，然后衡量每个货币对的一期及更长周期收益。工作流程强调检查远期窗口是否完整、工具是否连续，并防止收益计算意外跨越不同工具。诊断分析也仅纳入在留出期开始前结束的结果。…

本笔记演示如何将共享的 ETF 动量策略接口连接到 Alpaca，并默认提供模拟离线路径。笔记说明，经纪商和市场数据适配器可以变化，同时保持策略、订单日志和影子模式封装器不变。在连接 Alpaca 的实时模拟交易环境之前，笔记会分别检查可选的 SDK、凭证和账户状态；账户快照提供现金、净值和持仓。影子模式只记录拟议订单，不会发送订单。 离线运行让您无需账户即可使用策略接口和日志工作流，但无法证明 Alpaca…

此配置定义了一个每周期货研究股票池，涵盖股指、政府债券、能源、金属、货币、农产品和畜牧产品。它将周五结算价设为决策快照，并以周一开盘作为执行时点。策略框架根据持有收益或动量为产品排序，支持多空头寸，并可按等风险或名义金额配置仓位。成本假设因产品流动性而异，包括佣金、价差和展期滑点。…

本笔记介绍一个框架，用于检查动量信号表面上的质量能否经受合理的研究选择。它使用指定留出期之前的真实ETF数据，一次改变一个回看参数，并通过HAC调整统计量衡量截面信息系数。它不把观测到的最佳参数视为目标，而是根据表现接近峰值的设置范围宽度定义参数稳健性，以此区分宽阔的平台区和狭窄的最优点。…

本笔记比较基于ETF特征的线性模型，这些特征由重叠收益窗口及相关动量、波动率和振荡指标构成。此类预测变量存在共线性，会使普通最小二乘系数不稳定。实验在滚动验证折上拟合岭回归、Lasso 和 ElasticNet 配置，按每折数据确定惩罚强度，并检查每种配置是否都在相同资产、日期和折上评估。…

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…

本文介绍一个每日ETF数据集，作为动量和跨资产研究的候选标的池。它涵盖九大类别，包括US和国际股票、固定收益、商品、特色基金及货币。数据来自Yahoo Finance，配套流程会下载、存储、加载、筛选并概览记录。您可以按代码和类别检查数据覆盖情况，以了解历史记录和交易量的差异。…