知识库

本章概述从验证市场数据到评估模型的研究步骤。内容涵盖考虑数据划分的预处理、编码和缺失数据处理决策，随后介绍与执行规则一致的目标构造，包括固定期限标签和基于事件的标签。标签重叠情况、结果解析规则以及目标所隐含的交易频率，都会影响模型实际被要求预测的内容。…

本文介绍一个用于训练日度 FX 配对数据时序卷积网络的共享工作流。模型接收固定长度的序列；如果某个预期日期缺失，任何跨越该缺口的窗口都不符合使用条件。运行程序会推导有效序列终点网格，只使用更早且当时可观测的行来初始化验证序列，记录各轮次检查点，并将已发布的预测与符合条件的键对齐。 笔记本会在拟合前规划请求，模型设置和执行层级都会影响训练身份。它会检查计划标签与检查点是否符合声明的覆盖范围，然后拟合模型或重新载入已保存的权重，并将完整预测发送到目录。验证集是用于模型选择的数据划分；只有在锁定模型后才会使用留出集。…

本笔记本介绍一个基于 Mamba 的教学用选择性状态空间模型，并评估其在 ETF 收益预测中的表现。与固定参数的状态空间模型不同，该模型根据当前输入计算输入到状态项、状态到输出项和步长。步长控制先前状态衰减的速度，另一个单独学习的门控则调节状态空间输出。笔记本对比模型的线性时间递推与二次复杂度的序列混合和注意力机制，并解释仿射更新如何支持并行结合式扫描。 此实现经过有意简化：它使用 Python…

本笔记本介绍如何在之后的留出期评估一项选定的加密货币永续合约资金费率策略。它复用由仅使用留出期之前数据训练的模型生成的预测，沿用所选信号、配置方法和退出叠加规则，并计入交易成本和实际资金费率结算。笔记本还载入评估窗口之前的价格历史，以便基于协方差的配置器在首次再平衡时拥有足够数据。…

本笔记本介绍路径签名，将其作为定长特征，用于保留时间序列窗口中观测值的顺序和联合几何结构。第一层记录每个坐标的总变化；第二层捕捉坐标对之间的带符号面积，从而揭示单独的汇总统计量无法描述的运动顺序。加入持续递增的时间坐标，可区分上下波动的路径与保持平坦的路径。更高层级编码更精细的路径结构，特征数量会随深度和维度增加而快速增长。对数签名通过移除代数冗余项，以更紧凑的表示保留信息。 示例使用归一化时间、价格和成交量构建向后延伸的路径，再比较路径签名特征与人工构建的形状特征，用于预测 ETF…

本笔记说明如何基于 US 股票的 SEC XBRL 数据构建并检查季度基本面面板，同时保留每项事实所描述的期间及其公开日期。要进行历史上有效的回测，数值可用的时间取决于申报或公告日期；选择最新可用季度时，则应按财季结束日期排序。仅按期间结束日期筛选，可能会纳入尚未申报的信息，从而造成前视偏差。…

本文演示使用 VectorBT 实现比特币仅做多 RSI 均值回归规则的工作流。它根据每日收盘价计算 RSI；当上一日读数低于较低阈值时进场，高于较高阈值时出场。将信号延后一日后，订单可在下一个 UTC 日开盘时执行，避免在生成指标的收盘价成交。模拟包括手续费和滑点、交易记录、投资组合价值与回撤视图，以及在相同成本惯例下与买入并持有基准的比较。…

本教程介绍如何在 ETF 和宏观经济数据中检测并防止前视偏差。教程展示了居中移动平均会使用未来观测值，而特征水平与下一期收益之间的简单相关性可能漏掉数据泄漏——即使特征直接包含了明天的价格。随后，教程提出一种尺度不变的检查方法，将特征收益与未来价格收益进行比较，并配合决策时点对齐检查：按交易日行而非日历日期应用执行延迟。 对于宏观数据，笔记本会调查时间戳代表发布日期还是参考期间标记，展示应用发布滞后的效果，并使用 FRED…

本文评估交易成本如何改变一个先前选定的 S&P 500 股票与期权配置的验证表现。它将单边费用设为交易金额的一定比例进行扫描，并与按股收取的固定佣金和半个买卖价差进行比较。这些成本维度代表不同假设，不能视为等同。曲线上标出了设定的单边费用；由于进场和出场都产生费用，相应的往返费用是其两倍。…

本笔记对行业 ETF收益进行基于相关性的主成分分析，以描述共同风险因子和行业轮动。标准化收益后，每个行业的方差均为一，从而降低波动性更高的行业主导主成分的可能性。方差占比和碎石图有助于评估收益变化的集中程度，载荷则显示不同行业如何组合成市场整体方向以及防御型与周期型方向。 移动区块自助法会重采样连续时段，以保留短期依赖关系并估计载荷的不确定性。在不同重采样结果间匹配成分并对齐符号，因为 PCA 符号具有任意性且成分顺序可能变化。滚动 PCA…

本笔记比较蒙特卡洛 Dropout 和深度集成模型这两种估计每日 ETF 收益预测不确定性的方法。Dropout 在重复预测期间保持启用，集成成员则分别训练；任一方法的预测分散程度都可估计模型不确定性，但仅凭此无法确立区间覆盖率。Ridge 模型提供点预测基线，笔记使用每日横截面 Spearman IC 评估预测排序。…

这项审计使用相同的历史输入，在多个回测引擎间比较 ETF 配置、CME 期货、带资金费的加密货币永续合约、外汇和 US 股票。每个受支持的引擎组合都会接收由内容哈希标识的相同市场数据和冻结的模型目标，从而将执行行为与模型拟合或信号构造差异隔离开来。只有成交记录和估值时间戳相同、金额精确到分一致，并且能够检测到人为篡改的成交时，比较才算通过。结果显示所有必需比较均通过；无法表示同一合约的资产与框架组合则列为不受支持，而非用近似方式处理。…

本笔记使用事件驱动回测引擎，为 BTC/USDT 永续合约实现一项仅做多的 RSI 均值回归规则。它将日内K线汇总为 UTC 日频 OHLCV 数据，计算滚动涨跌幅 RSI；指标低于下限阈值时入场，高于上限阈值时离场。订单以组合价值的指定比例为目标，并计入佣金和滑点。…

本笔记介绍一种用于预测 CME 期货收益的主成分基线模型。PCA 在训练折的品种收益面板上拟合，因此其成分代表合约之间的共同变动方向，而非压缩后的展期收益、动量或波动率特征。每个折次拟合的变换都会原样用于验证数据，避免评分收益影响主成分。 预测会将收益投影到预先声明数量的成分上，并使用扩展窗口均值延续因子收益。成分数量固定，不会单独根据验证集表现调优；保存拟合状态和运行身份标识有助于复现。笔记强调，成分按解释方差排序并不意味着具有预测价值，且该分解没有纳入行业划分。笔记将 PCA…

本笔记比较每周网格序列模型与每日网格模型，二者预测相同的未来五个交易日收益。在周五采样使该标签近似成为单步前瞻目标，因此可以将直接回归形式与用于预测下一条观测的预测模型进行比较。两者都使用十二个每周特征向量的历史序列。比较旨在检验仅改变采样网格是否有帮助，同时也承认每周采样会减少观测数量，可能削弱模型拟合。…

本文介绍如何根据估算的往返交易成本，选出用于验证集和留出集回测的固定股票集合。成本代理指标将每股成本占平均股价的比例与两倍的中位数半价差相加，二者均以基点表示。股票代码按该指标排序，并为每个数据拆分选择成本最低的股票。…

本笔记将 TabM（一种权重共享神经网络集成模型）应用于由股票期权特征构建的股票收益目标。其成员共享一个两层网络主干，但分别使用激活缩放向量和输出头，并对预测结果取平均。这样，模型可以组合彼此相关的曲面指标，而不必像树模型每次分裂时那样只选一个指标，同时参数量增幅小于使用多个独立网络。配置同时改变隐藏层宽度和集成规模，因此无法区分二者各自的影响。…

本笔记介绍如何为八小时频率的加密货币永续合约面板构建前瞻价格收益标签。它将K线开盘时间戳移至完整K线数据实际可用的时点，然后在合约价格序列上计算未来收益，再与预测特征合并。断言会检查结算时间网格、代码与时间键的唯一性、完整的前瞻窗口和行数；同时根据可用历史数据核对未标记观测。诊断还会处理标签结果跨入留出期的情况，并量化重叠窗口造成的依赖关系。 笔记使用横截面秩相关和考虑依赖关系的标准误，评估简单的溢价指数拥挤信号与标签之间的关系。它区分价格收益目标与资金费现金流，并指出固定包含 19…

本章概述生成合成金融数据的方法，以及如何判断生成结果是否有用。内容从已实现市场路径数量有限这一事实出发，并讨论反复搜索策略可能抬高表面回测表现的风险。章节比较了可解释的模拟基线方法，包括自助法和随机模型，以及用于结构化表格的学习型生成器，例如 GAN、扩散模型和语言模型。示例涵盖收益序列、尾部风险、时间结构、不规则观测和混合类型金融数据。…

本案例研究比较预先声明的 FX 持仓固定止损和移动止损规则。它先从封存的验证样本中为每个标签选出一个母策略，然后只改变持仓风险规则。由于止损会对持有期内的价格变动做出反应，即使两条路径的期末收益相同，止损也能区分它们。笔记还将风险结果与成本比较中使用的相同母策略关联起来，使不同阶段的差异仍可解释。…

本文解释了为什么每日恒定期限期权序列并不等同于实际持仓的收益序列。它先筛选通过流动性、期限、波动率估计和 Delta 条件的同执行价、同到期日看涨期权与看跌期权，再按候选跨式组合与目标期限和 Delta 的接近程度排序。由于每天独立重复筛选，到期日变化可能重置已累积的时间衰减，并制造出实际上没有任何持有合约赚取的表面收益。…

本笔记将 TabM 应用于由 US 个股票特征构成的结构化表格，并将其定位在线性惩罚模型与树集成模型之间。每个集成成员共享神经网络主干，但各自拥有缩放向量和输出层；对成员预测取平均，可用较少的额外计算形成集成，而无需分别训练多个完整网络。非线性层可以组合特征交互，第一层则使用所有输入特征，包括彼此相关的特征。…

本分析在共享的跨资产面板上，比较多个系列中已登记的 ETF 预测模型。分析使用信息系数评估各模型按后续收益为基金排序的能力，考察置信区间和分折一致性，并检查不同系列的预测是否一致。特征来自价格历史，包括动量、波动率和收益率曲线指标；基金涵盖股票行业、国家、债券、大宗商品和货币。…

此工具为策略回测组群计算筛选偏差和表现不确定性指标。它按策略系列、阶段与标签组合以及标签粒度构建组群，并计算去膨胀夏普比率、有效试验次数、复杂度调整后的领先者上界、White 现实检验、回测过拟合概率，以及领先者的夏普比率、索提诺比率和最短记录长度等指标。结果按案例研究登记，供后续策略分析使用。 组群仅纳入预测覆盖率完整的验证运行，并排除退化的预测集；标签级组群还会排除成本敏感性扰动。可选的标的范围和实盘总体筛选条件，会使比较集合与报告中的策略保持一致。基准值从较早阶段或等权基准中确定，而 PBO…