知识库

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。…

本笔记将供应链知识图谱和机构持仓申报转化为下游金融建模特征。从公司网络中提取拓扑指标、供应商集中度、竞争暴露度和瓶颈指标。从特定时点的 13F 持仓中构建持有人广度、集中度和共同持仓信号，再将持仓与运营指标结合为跨图交互特征。…

本笔记介绍如何微调 Transformer 进行金融命名实体识别，以识别文本中的组织、人物、金额、日期和百分比等片段。重点说明 BIO 边界标签，以及词级标注与 Transformer 子词词元之间的对齐问题。每个词只有第一个子词获得标签，后续子词不计入损失。笔记还区分实体级评分（实体类型和片段边界都必须匹配）与词元级评分。…

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。…

本数据集指南介绍一个月度US股票面板，其中包括匿名公司及其用于机器学习资产定价研究的特征。数据包含会计和技术特征、收益，以及相隔十年的预定义训练期和测试期。该间隔旨在减少前视偏差问题；匿名标识可减少个股层面的数据挖掘。特征经过秩转换，部分观测缺失，面板还包含已退市公司。…

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。…

此笔记本说明随机贴现因子（SDF）如何为股票期权信号的横截面定价。与估计风险暴露和因子收益的因子模型不同，SDF方法估计一个随机变量，使资产收益能够得到一致定价。训练在提出贴现因子的网络与挑选能揭示其定价误差的投资组合的对抗网络之间交替进行。无条件、对抗和条件阶段各有单独的轮次预算；检查点数值则按共享坐标轴汇总展示各阶段信息。…

本文介绍潜在因子，即股票之间的共同收益模式；每只股票的载荷表示其对某种模式的暴露。它对比主成分分析与工具变量主成分分析：前者仅从收益面板提取因子和股票载荷，后者将载荷建模为可观测股票特征的函数。这样根据特征进行条件化，使载荷能随特征变化而调整，并为此前未观测到的股票分配暴露。…

本文说明如何为NASDAQ-100日内研究构造未来收益和方向标签。它采用明确的执行约定定义收益：观察一根K线收盘，在下一根K线入场，并按设定时长衡量结果。报价中点可减少测得收益中的买卖价反弹；报价价差则单独作为基础交易成本估计。只有在检查观测到的时间网格后，才会将期限换算为K线数量。…

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…

本章概述机器学习交易系统部署后的治理。它区分技术故障和统计衰减：前者指相同输入产生不同输出，后者指输出不再能预测收益。其框架结合了通过滚动表现指标和漂移诊断进行检测、通过影子评估和设门槛的分阶段发布进行受控响应，以及通过断路器保障自动安全。本章还讨论特征存储、数据血缘、模型注册表、实验跟踪和CI/CD等基础设施，说明如何根据团队的运维成熟度扩展系统。…

此索引介绍潜在因子，即从股票收益共同变动中提取的共享模式；每只股票的因子载荷表示其对某种模式的暴露。它对比主成分分析与工具变量主成分分析：前者仅根据收益估计因子和股票载荷，后者将载荷建模为可观测股票特征的函数。根据特征进行条件化有助于纳入新股票和不断变化的公司属性，但也假设特征与载荷之间的关系在股票和时间维度上保持稳定。…

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。…

此笔记本使用TreeSHAP解释LightGBM收益预测，包括全局特征重要性、单项预测解释、依赖图和成对交互值。它将SHAP排序与置换重要性和基于树的不纯度重要性进行比较，以展示特征排序在哪些方面一致，或依赖于测量方法。工作流还跟踪前向滚动折中的平均绝对SHAP值，作为特征漂移指标，并探索基于SHAP排序的特征子集重新训练。…

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。…

本文档介绍用于自动暂停交易的共享状态机，包含关闭、开启和半开启状态，并将这一生命周期应用于四种情况：组合回撤、单日亏损、连续亏损交易日和系统延迟。恢复超时后，熔断器进入半开启状态并允许试运行观察；该次观察要么恢复正常运行，要么重新触发暂停。状态转换事件会记录时间戳、原因、数值和阈值，以供后续审查；回调函数可用于支持向操作人员发送告警。 示例使用真实的 SPY…

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…

本文档介绍一种分阶段方法，将另类数据、申报文件、新闻和价格数据源中的公司名称与证券匹配。首先按既定的可信度顺序使用可用标识符进行关联，保留未匹配记录，并检查参考键是否唯一。缺少标识符时，会对名称进行规范化并使用模糊字符串相似度；通过在带标签的示例上测量精确率和召回率来选择接受阈值，其中也包括没有有效匹配项的名称。句子嵌入为语义变体提供了另一种评分方法。…

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。…