本笔记介绍了一个共享工作流,用于在日度 FX 货币对数据上拟合时间卷积网络。模型不将每个日期视为独立特征行,而是使用连续观测值组成的固定回看窗口。运行器确定符合条件的预测日期,排除跨越缺失日度观测值的窗口,仅用更早的可观测数据为验证折序列提供初始上下文,并在训练前记录请求身份和周期检查点。预测在进入目录前会根据计划的资格网格进行核验。…
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
691 份文档
本案例研究评估了小型且相关的 G10 即期货币对集合中的日度动量和套息信号。工作流程包括可行性检查、未来收益标签、工程化特征和基于模型的特征、交叉验证、多个模型家族、因果分析、回测、配置与风险比较、成本敏感性分析以及封存留出集。研究设计强调经过选择偏差调整的评估,并与等权基准比较,而非将模型分数单独视为策略证据。 报告中的训练模型信息系数在所考察的各个期限上,其置信区间都跨越零。使用 21…
本笔记改造 TSMixer,利用历史动量特征预测未来 ETF 收益。其架构交替使用沿时间轴共享的线性变换,以及在每个日期分别应用的特征 MLP。预归一化和残差连接支持堆叠模块,小型输出头则将特征表示映射为单一收益预测。笔记解释张量维度置换如何决定各层组合哪些数值,并将参数开销与对展平输入进行稠密映射的方案进行比较。…
本笔记解释了为什么从多次试验中选出的策略,其观察到的夏普比率需要调整。笔记介绍去膨胀夏普比率(DSR),该指标将选中结果与一个随测试策略数量和离散程度上升的基准进行比较,同时考虑收益偏度和峰度。对零优势策略进行模拟,展示了仅凭选择就可能出现表面上最优的夏普比率;第二项实验则考察从具有相同真实优势的候选策略中进行选择。…
此笔记本将监督式自编码器应用于日频US股票。模型重建经过排序的价格和成交量特征,同时通过辅助与主分类头训练共享潜在表示,以预测多个未来期限的收益是否为正。笔记本介绍特征构造、精确的全局交易日期标签、扩展式验证折、检查点选择,以及用于期限AUC的移动分块不确定性。…
此笔记本介绍一种工作流,将大量ETF特征缩减为供后续建模使用的候选特征。它按日期计算特征与未来收益之间的横截面Spearman信息系数,再对各日结果取平均,以此进行排序。Newey–West调整统计量用于处理每日IC序列的序列相关性;Benjamini–Hochberg校正则控制大量特征检验中的假发现。随后,通过相关性筛选和层次聚类剔除冗余候选项;自助法重抽样用于评估每个特征的IC正负号是否一致。LightGBM重要性提供另一种基于模型的比较。…
此笔记本使用月度公司特征研究适用于表格数据的神经网络设计TabM。它比较三个预设配置:逐步增加隐藏层宽度和集成成员数量,同时保持其他训练设置不变。共享运行器固定了学习目标:收益目标使用平方误差,分类目标使用交叉熵。因此,笔记本考察模型容量、训练检查点和目标构造,而非比较损失函数。…
此笔记本将此前选定的S&P 500股票与期权策略应用于独立的2021留出期预测。它原样沿用所选配置,包括资产配置规则、集中度规则、风险叠加规则和交易成本,并要求留出预测符合预期的训练规范。这样评估的重点是同一策略在新预测上的表现,而不是根据留出期调整策略。 笔记本将留出结果与验证表现进行比较,并解释表现下降可能同时反映了选择偏差和不同的市场时期。单个留出年份的噪声较大,报告的不确定性区间描述的是该结果,而非检验它与验证结果之间的差异。评估还采用当前S&P…
此分析说明如何解读CME期货预测模型目录中的信息系数。它将每个日期的IC定义为各产品预测收益与实际收益之间的秩相关,然后跨折对这些每日数值取平均。这与基于产品排序的等权策略相符,因为策略使用的是排序,而非预测收益的大小。汇总产品与日期的观测值会混合共同市场走势和横截面排序能力,可能造成误导。…
此笔记本汇总ETF案例研究中已登记的回测,对策略进行考虑不确定性的评估。它读取带有分块自助法置信区间的表现指标,并用配对自助法比较连续的流程阶段、策略变体和留出结果。流程阶段涵盖信号选择、资产配置、交易成本和风险叠加规则。它还将选定策略与等权跨资产ETF基准在验证期和留出期的表现进行比较。…
此笔记本说明,按所衡量时期标注的宏观数据面板可能将未来信息泄漏到交易回测中。它先将时期长度加到标注日期上,再根据机构日程应用保守的发布滞后,以估算发布日期。月度和季度观测按所属时期还原;周度观测则使用数值最常发生变化的星期几。…
此笔记本为多元化的ETF资产集合实现端到端的组合策略。模型结合时间特征、资产元数据、横截面注意力,以及允许在资产类别内和特定经济关联之间进行注意力计算的宏观图先验。SoftMin目标侧重于表现最弱的滚动训练窗口中的夏普表现,成本感知惩罚项则考虑各资产特有的换手成本。笔记本按时间顺序划分训练、验证和测试窗口,然后将完整模型与不含SoftMin的消融版本及更简单的组合基准进行比较。…
此笔记本将财经标题转化为个股信号,并根据未来收益进行评估。它对标题进行嵌入,以语义距离衡量新闻相对于滚动嵌入基线的意外程度,并将意外程度与情绪方向结合,区分异常利好和异常利空新闻。它还计算平均情绪、分歧、情绪动量和文章覆盖度。标题按股票代码和日期去重,股票代码与日期经过标准化,并对信号进行滞后处理,避免过早使用发布当日的信息。…
本文说明如何在配置保持不变的情况下,使用留出数据评估此前选定的US股票策略。它根据所选模型的训练标识和检查点推导正确的留出预测集,然后应用既定的资产配置规则、集中度规则、再平衡频率、风险叠加规则和交易成本假设。结果会登记为留出回测,并在执行前检查完整回测哈希,防止在同一留出窗口测试第二个经过修改的策略。…
本笔记探讨序列模型能否改进对永续资金费率溢价历史的人工摘要。它比较了读取有序窗口的简单线性模型 NLinear 与两层 LSTM。两者使用相同的特征顺序、滚动验证折、缺失数据策略和检查点计划,因此差异可以更直接地归因于架构。比较旨在检验,与现有溢价变化、波动率、z 分数和分位数特征相比,学习得到的表示是否能增加价值。 窗口使用最近 60 个预期的八小时结算点,约 20 天。跨越预期但缺失结算点的窗口会被丢弃,而非填补。每种配置训练 100…
本文档介绍如何结合调整后的股价历史与汇总的期权隐含波动率曲面,为标普 500 股票构建横截面特征矩阵。它按用途、输入、回看期和可观测延迟组织特征。期权衍生值延迟一个交易日,价格特征则在收盘时可用;稀疏期权数据首先与每只证券的交易日历对齐,以确保移位和窗口按交易日正确计数。特征包括波动率水平及其变化、曲面形态、已实现波动率、动量和方差风险溢价,部分列还会在每个日期内进行排名。…
本笔记运行或重放一组相同的研究智能体,让它们回答同一个预测问题,然后检查其预测、搜索活动和对话轨迹。分别记录每个智能体的轨迹,可在并行调用期间保留来源归属。示例表明,即使提示和工具相同,智能体仍可能给出不同预测;但采样和检索到的文档都可能解释这种差异,而该设计无法区分两者的影响。…
本笔记为横截面 US 公司特征研究定义月度总收益标签,并检查这些结果与数据提供方的行记录如何对齐。面板将前一个月的特征与每行对应月份的收益配对,因此再次将收益向前移位会意外多出一个月。不同标签方案会对收益进行缩尾处理,并根据当月横截面划分公司;阈值按月确定。…
本笔记说明时间卷积网络(TCN)如何根据有序金融数据预测收益。因果卷积确保某个时点的输出只依赖当前和之前的输入。膨胀率在不同层间按几何级数扩展感受野,使网络无需使用过宽的滤波器就能覆盖较长的输入窗口。残差连接、权重归一化和通道随机失活支持这种堆叠架构,最终状态预测头则生成预测结果。 示例使用某个 ETF 面板中的滞后收益特征预测远期收益,并通过日均 Spearman 信息系数评估横截面排名,同时计算相对于零预测的平方误差。它将 TCN…
本笔记研究 Ridge 正则化选择如何影响 ETF 面板上的信息系数,以及超参数搜索如何抬高报告的表现。首先在滚动验证折上评估宽范围的 alpha 网格,并在每个训练折内缩放特征;随后比较单层选择与嵌套验证。在嵌套验证中,内层划分选择 alpha,未参与选择的外层折则评估完整的选择流程。清除和隔离处理了远期收益标签重叠的问题。 笔记还检查了不同验证折和 alpha 值下的稳定性,并对搜索进行三西格玛诊断。核心结论是:如果评分所用数据与选择超参数所用数据相同,那么评分既反映模型拟合,也反映搜索本身。选出的…
本笔记说明如何为固定的 FX 货币对范围构建以交易日计的一日、五日和 21 日远期现货收益。首先使用纽约换日历将四小时 K 线映射到交易日,然后在移位前不删除任何行,进而计算收益。断言检查每个结果是否具有完整的远期窗口、是否始终属于同一货币对,以及是否跨越该货币对观测历史中的缺口。…
本笔记研究了应用于所选加密货币永续策略配置的六种配置方法。排名和入场规则保持不变,仅改变分配给各仓位的资金。这些方法使用模型评分、单个合约波动率、跨合约协方差或历史不确定性。根据验证集回测夏普比率,配置从基准方案逐步推进;不同模型配置与其预测集合分别计数。每种配置都与其匹配的基准方案比较,同时保持预测、检查点、入场规则、成本和资金费率不变。…
本笔记本考察市场冲击如何影响不同流动性股票中的动量策略回测结果。它固定订单规模和策略,根据形成期估算流动性与波动率,并在后续评估期应用不同强度的平方根冲击模型。股票选择也使用形成期数据,因此评估期收益不会进入选股过程。…
本笔记本构建了N-BEATS模型,用于预测SPY收盘价。全连接模块处理完整回看窗口,每个模块都会生成一个反向预测结果,并在进入下一模块前将其扣除,同时预测未来期限内的价格。受约束模块使用多项式和傅里叶基,因此其输出可以绘制为趋势和周期成分;无约束版本则用于对照。预测误差还与一种将最新价格延续至未来的持续性规则进行比较。…