知识库

本笔记本介绍如何改造 Diffusion-TS，生成合成的 ETF 收益序列。去噪器将干净序列预测为多项式趋势、傅里叶季节性和残差分量之和；结合时域和傅里叶域的损失函数，以兼顾逐点和频谱保真度。DDIM 采样器减少了生成时所需的反向步骤。另一个在加噪序列上训练的分类器会提供引导，生成标记为低波动或高波动状态的样本。…

此笔记本介绍一种用于生成金融时间序列的无条件 Sig-Wasserstein GAN。它以基于期望路径签名的距离取代通过学习获得的真实与生成数据判别器；路径签名是对路径连续变化的数学概括。神经生成器从噪声中生成路径；增强后的路径被转换为截断签名，按签名级别归一化，并通过训练匹配真实数据的期望签名。示例使用单资产标普 500 对数收益样本，并说明一种基于过去观测生成期货数据的条件扩展方法，但并未实现该扩展。…

此笔记本使用日频 ETF 收益，说明 GARCH 模型如何捕捉波动率聚集，并将其转化为逐交易时段特征。首先使用可视化诊断和 ARCH-LM 检验，评估平方收益是否依赖自身滞后项。随后，GARCH(1,1) 模型将近期冲击的影响与先前方差估计的持续性区分开来；参数之和决定冲击衰减的速度。拟合时收益以百分比表示，波动率则视为每个交易时段的标准差，并在需要时年化。 笔记本还考察了…

此案例研究构建特征，用于研究标普 500 成分股的平值隐含方差是否高于后续实现方差，以及这种差异是否因证券而异。它结合跨式期权报价与标的价格，衡量方差溢价、波动率、期权市场状况及相关风险特征。由于跨式期权并非每个交易时段都有报价，滚动窗口是在标的市场交易时段网格上计算，而不是基于稀疏的报价行。特征类别在配置中声明回看期和滞后期，并检查证券身份，以免将代码变更误认为收益。…

本笔记本针对期权市场特征拟合梯度提升树模型，特征包含隐含波动率、偏斜、期限结构和方差风险溢价等预期信息。研究使用滚动验证，比较不同树模型容量及回归损失函数在远期收益和方向标签上的表现。由于提升模型会在连续的树检查点生成预测，每个检查点都作为单独候选项参与评估和后续选择。笔记本还将其与惩罚线性模型进行对比，并说明树模型如何表示特征间的条件关系，而无需手动添加交互项。 证据基于较短的历史数据和两个验证折，其中包括覆盖 2020…

本笔记本将仓位规模与最大不利和有利波动分析结合起来。笔记本展示固定比例仓位法：根据组合风险预算和入场价至止损价的距离确定股数，并对仓位集中度设置上限。文中还介绍基于滞后估计值计算的标准化反波动率权重，并将这种仅考虑单个资产波动率的启发式方法与考虑协方差的风险平价区分开来。后续分析使用校准样本和未来样本考察波动幅度、止损和目标阈值，以及全部退出与分批退出策略。…

本笔记介绍 Tail-GAN，这是一种生成对抗方法，用于生成金融收益情景，同时针对风险价值（VaR）和预期损失（ES）。该方法使用可微排序，使梯度能够通过分位数估计传播，并将风险估计投影到 VaR 与 ES 的关系约束上。ETF 收益被整理成滚动情景，并与随机多空投资组合权重结合，形成盈亏示例。缩放同样重要：输入会映射到生成器输出截断范围内，使极端观测仍可表示。…

该配置描述了一项针对标普 500 成分股的每周期权平值跨式卖出研究。头寸在周五建立并持有至接近到期；期权 Delta 变化会触发每日股票对冲。投资组合将资金分散到相互重叠的批次中，主要结果指标是持有至到期的收益。评估采用按时间顺序划分的训练期、验证期和留出期，同时使用多种投资组合配置方法，并分析方差风险溢价能否解释收益。…

本笔记介绍如何从单一资产价格历史以外的数据构建特征。它根据同期近月和远月期货合约价格推算年化展期收益率，并使用三个期限计算标准化曲线斜率和蝶式曲率。笔记还概述滚动贝塔、领先滞后关系、相对价值，以及平值隐含波动率、风险逆转、隐含波动率期限斜率和方差风险溢价等期权指标。 示例使用期货、ETF 和 S&P 500…

本笔记说明隐马尔可夫模型如何根据收益和近期波动率推断不可观测的市场状态。首先设定简单的对照规则：以波动率指数阈值识别压力状态，以价格相对长期移动平均线的位置识别趋势。一个两状态示例展示了前向算法如何利用截至当前交易时段可用的观测值更新状态概率。…

本笔记使用双重机器学习估计永续期货溢价 z 分数在调整六项处理前控制变量后，是否与随后八小时收益相关。它通过分别拟合并加入处理与状态的交互项，比较高波动和低波动状态下的效应。数据采用多交易对面板结构，因此进行交叉拟合、设置禁用期和计算 Driscoll–Kraay 标准误时，方法将每个时间戳视为一个决策周期。 笔记还介绍一种区块置换反证程序：在每个交易对内部打乱处理值，同时保留时间持续性，区块长度则与处理窗口相对应。文中说明，当置换处理的残差方差不同时，安慰剂比较为何应使用 t…

本笔记为标普 500 股票上的平值卖出跨式期权构建未来收益标签。由于每日面板中的名义 30 天跨式期权每个交易日都对应不同合约，平移价格序列会混合不同工具。标签改为跟踪建仓时确切的看涨和看跌期权合约，获取其后续价格或结算价值，并检查每笔交易的进场和出场数据是否有效。它还区分主要的持有至到期收益与固定期限诊断指标，包括 Delta 对冲变体。…

这项案例研究比较了用于预测平值空头跨式期权到期收益的梯度提升模型。研究改变了树的容量和三种拟合目标：平方误差、绝对误差和Huber损失。滚动验证使用两个时期，其中包括发生波动事件的一年，并通过信息系数（IC）对预测评分。由于每个提升阶段都会生成自己的预测，因此不同检查点被视为独立的模型候选。…

本笔记介绍如何为 US 股票面板构建基于模型的特征，同时避免未来观测影响历史数值。核心方法是安排估计时间表：模型先经过预热期，只使用待描述数据区块之前的数据进行拟合，在该区块内生成特征，并在下一区块开始前重新拟合。本笔记将这一做法用于市场状态距离、分数阶差分价格和条件波动率，其中包括个股波动率模型，以及在历史数据较短时采用的市场层面替代估计。…