跳至正文

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

28 份文档

《交易机器学习》

本笔记本介绍如何根据每个产品的三个合约期限构建期货横截面特征矩阵。它从交易所结算价推导持有收益和曲线曲率,同时使用连续合约调整价格计算收益、动量和波动率指标。日历变量描述季节性背景;排名按日期和合约位置分组,避免比较曲线上不对应的点。特征类别预先声明回溯窗口和发布时间滞后,并根据这些设置进行预热检查和时间审计。…

期货大宗商品套息动量
《交易机器学习》

本文档介绍加密货币永续期货及相关链上序列的数据访问和对齐约定。文中说明,溢价指数柱线的时间戳记录其开盘时间:八小时柱线记录该区间末尾资金费结算前的溢价,因此应与随后发生的结算配对。可将小时级永续合约 OHLCV 重采样为与资金费时间对齐的八小时柱线,分别取首个开盘价、最高价、最低价、最后收盘价和成交量总和,再按交易对和时间戳与溢价数据连接。 数据加载器还支持按交易对和日期筛选、限制交易对集合,以及读取历史 DeFi TVL…

加密资产永续合约链上数据去中心化金融
《交易机器学习》

本笔记检查四小时现货 FX 数据是否支持日频横截面策略,即依据动量和套息收益为货币对排序。它检查已声明的交易品种在每个决策时点是否都有价格、投资范围是否包含足够多的独立押注、典型价格变动是否可能超过假定的点差成本,以及开发期历史是否足以支持多次滚动评估并保留留出集。由于 FX 全天候交易,笔记使用交易时段日历将 K 线分配到交易日,并对齐决策快照。…

外汇动量套息统计学
《交易机器学习》

本笔记评估止损、移动止损和固定期限退出规则,作为 CME 期货策略的叠加层。对于每个预测期限,它会对先前信号和配置结果中验证夏普比率最高的母策略应用已配置规则。叠加参数在验证运行前固定在配置中,并且每项声明的规则都必须完成,以保持测试候选集一致。…

期货风险管理回测套息
《交易机器学习》

该笔记为 CME 期货横截面构建规则型特征,重点是相邻交割合约价差所体现的持仓收益。笔记还构建动量、波动率、曲线形态和日历特征。设计区分描述当前期限结构的原始结算价,以及用于跨合约展期计算收益的展期调整价格。特征同时按决策日期和合约位置排名,以免混合不同期限的合约。…

期货大宗商品套息动量
《交易机器学习》

这项数据探索研究了以 USDT 保证金结算的加密货币永续合约八小时溢价指数观测,并解释溢价与资金费支付之间的关系。该指数根据价格指数计算可执行冲击买价和卖价;当价格指数落在两者之间时,会形成零值区间。笔记分析分布和时间序列特征,比较不同合约的波动率,并根据交易所的资金费公式和限幅机制,将溢价换算为预估资金费率和年化收益。笔记也介绍了正负资金费如何决定支付方,以及市场中性的现货与永续合约头寸如何收取资金费。…

加密资产永续合约套利套息
《交易机器学习》

本数据集指南介绍币安永续期货的价格和成交量数据,以及八小时溢价指数。每小时OHLCV记录描述市场活动;溢价衡量永续价格相对于现货价格的差额。正值表示溢价,负值表示折价;指南将该指标与每八小时结算一次的资金支付联系起来。…

加密资产永续合约现货市场套息
《交易机器学习》

本笔记为横截面期货策略定义远期收益目标;该策略根据期限结构为产品排序,做多持有收益较强的产品,做空持有收益较弱的产品。它区分用于衡量跨合约展期收益的展期调整价格,与保留同期曲线信息、适用于持有收益信号的原始结算价。标签涵盖多个交易时段期限,而仓位按周调整。…

期货大宗商品套息统计学
《交易机器学习》

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…

外汇动量套息回测
《交易机器学习》

本文解释了Binance永续期货溢价指数与现货价格的关系,以及交易所如何将该溢价转换为定期资金费率。指数根据相对于标的价格指数的可执行冲击买价和卖价计算,因此存在一个测量溢价恰好为零的死区。资金支付方向由资金费率决定,而非溢价的正负;即使溢价为负,利息部分和经过限幅的调整也可能使资金费率保持为正。本笔记本分析了溢价分布、时间变化和合约间差异,并根据溢价序列估算年化资金费率。…

加密资产永续合约套息套利
《交易机器学习》

本笔记本将期货持有收益(carry,即相邻到期合约之间的价格差)转化为基于模型的特征。它介绍按产品进行的一步 ARIMA 预测、衡量季节性周期强度的滚动傅里叶指标,以及用于推断广义期货持有收益状态的两状态隐马尔可夫模型。模型估计按预先声明的计划刷新,每个特征值均受限于当时可用的信息;笔记本还区分需要估计参数的模型与无需重新拟合的滚动变换。…

期货套息机器学习统计学
《交易机器学习》

该笔记评估四小时级现货FX数据能否支持一种日频截面策略:根据动量和套息为货币对排名,买入最强者并卖出最弱者。它不拟合模型,也不作预测,而是检查所选纽约换日决策时点是否有可用数据、标的范围是否包含足够的品种以建立仓位、典型价格变动能否超过假设的价差成本,以及开发历史数据是否足以支持滚动评估并保留留出集。…

外汇动量套息统计学
《交易机器学习》

该配置描述了一个覆盖20种FX货币对的日频多空策略。它设定在纽约收盘时决策、下一根柱执行、采用等权仓位,并根据动量或套息信号进行排名。配置还指定了价差和掉期点成本、再平衡阈值、候选投资组合规模、备选配置方法、交易成本情景,以及止损、移动止损和基于时间的退出。…

外汇动量套息均值回归
《交易机器学习》

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。…

加密资产永续合约套息回测
《交易机器学习》

本文研究在现有加密货币永续策略中加入的仓位级退出规则:固定止损、移动止损和基于时间的退出。文中说明这些控制措施只会平掉底层策略选定的仓位,并将其与未叠加控制的同一策略进行评估。指定搜索包含十四种控制措施,并应用于经过严格筛选的配置,以减少在相同验证数据上反复比较。…

加密资产永续合约风险管理回测
《交易机器学习》

本笔记使用双重机器学习估计期货持有收益能否在控制波动率、动量和横截面持有收益排名后,独立预测后续收益。它通过灵活模型和交叉拟合,将持有收益及收益率分别对这些混杂因素进行残差化处理,再根据残差估计效应。结果在两个收益期限上进行评估。HAC 置信区间考虑了波动率变化和结果重叠;区块置换反证检验则将观测到的 HAC 统计量与重新排列处理区块后的估计结果进行比较。…

期货套息机器学习统计学
《交易机器学习》

这本笔记使用双重机器学习,估计在调整波动率、动量和横截面展期收益排名后,期货展期收益是否会影响后续收益。它区分因果解释与预测表现:盈利的回测可以说明展期收益能够预测收益,却不能证明展期收益本身导致了这些收益。灵活的干扰模型根据混杂因素预测处理变量和结果,并通过交叉拟合减少样本内偏差。由于波动率聚集且收益标签相互重叠会导致残差相关,分析采用了异方差与自相关一致的误差估计。…

期货套息机器学习统计学
《交易机器学习》

本分析在拟合任何模型之前,检查结算数据是否支持每周横截面 CME 期货策略。它检验再平衡日期上的报价产品是否足以构建预期的多头和空头投资组合,使用交易所最小价格变动单位估算价差成本,并将价格调整后的变动与这些成本进行比较。分析还考察信号持续性,以及现有开发历史能否支持滚动验证,同时保留后续留出集不被使用。…

期货套息风险管理回测
《交易机器学习》

本笔记在拟合任何模型前,检查数据能否支持每周横截面期货策略。笔记介绍了一种设计:对 CME 产品排序,做多排名最高的合约、做空排名最低的合约,并检查再平衡日期是否有足够多的产品报价来构建多空两侧。为评估成本可行性,笔记使用交易所合约规格和最小价格变动单位来表示假设的买卖价差成本,再将价格变动与这些成本换算到共同尺度进行比较。笔记还检查信号持续性,以及开发期历史数据能否支持重复的滚动划分,同时不查看留出数据。…

期货大宗商品套息交易执行
《交易机器学习》

本文说明如何为按期限结构对产品排序的横截面期货策略构造未来收益标签。文中区分了两类价格:滚动调整价格适用于跨合约换月计算收益;原始结算价则保留了生成持有收益信号所需的同期曲线。标签使用近月合约;在向前移位之前,数据必须保持完整,以便每个期限都按该产品自身的交易时段计数,而不是按筛选后剩余的行计数。…

期货大宗商品套息回测
《交易机器学习》

本文介绍基于期货持有收益构建的三种模型特征:预测下一交易时段持有收益的 ARIMA、选定周期长度的滚动傅里叶指标,以及根据平均持有收益推断市场状态的两状态隐马尔可夫模型。核心经验是严格遵守时间顺序:参数只能用更早的观测拟合,按预先声明的计划更新,并在下次重新拟合前保持不变。对于隐马尔可夫模型,滤波后的状态概率只使用当前和过去的观测,不使用之后的数据。仅采用滚动评估划分并不能防止数据泄漏;如果特征是用未来观测估计的,仍会发生泄漏。…

期货套息机器学习统计学
《交易机器学习》

该配置规定了加密货币永续期货的多空策略研究流程。它定义了一个按成交量筛选的19种资产范围,决策与每八小时一次的资金费率结算对齐,并在资金费率结算时点执行。主要目标是八小时前瞻收益,并包含收益和方向变体;该方案还描述了资金费率、溢价、价格波动和横截面特征,以及套息、均值回归、动量和波动率假设。…

加密资产永续合约套息均值回归
《交易机器学习》

本笔记将预先设定的止损、追踪止损和时间退出规则,应用于每个期货收益期限上验证排名最高的信号策略或配置策略。每条规则都在自己的母策略上评估,参数事先固定,而非根据验证价格路径调优。所有预先声明的规则都必须完成评估,以保留后续筛选所需的候选策略范围。…

期货套息均值回归风险管理
《交易机器学习》

本文介绍CME期货数据集,包含多个产品组的小时线和日线、连续近月合约以及两个远期期限。文中说明数据覆盖范围、字段、载入选项,以及相关的每周CFTC持仓数据。期限结构支持期限结构分析和持有收益研究;重建和研究换月则需要单个合约记录。…

期货套息大宗商品市场微观结构