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

72 份文档

《交易机器学习》

本笔记研究当加密货币永续合约特征矩阵以多种方式衡量同一经济量——溢价时,岭回归、套索回归和弹性网络的表现。输入特征以溢价水平、变化、波动率、标准化位置、排名及相关资金费指标为主,描述其他情况的特征较少。岭回归会收缩相关系数但保留特征集;套索回归可以将系数置零,并在近似重复特征中进行选择;弹性网络结合了两者的作用。套索惩罚按各折中可使所有系数归零的阈值进行缩放,从而使不同配置在各折中形成可比较的惩罚路径。…

加密资产永续合约机器学习统计学
《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》

本笔记为小时级加密货币永续合约开发双模型离场策略。入场分类器识别异常强劲的未来收益,离场分类器则预测下一段未来收益是否为负。离场模型将入场模型的概率作为额外特征,其训练值通过扩展窗口折外预测生成,因此每个值都来自未用该观测训练的模型。为限制信息泄漏,采用按时间顺序划分,并在标签期限边界进行清除。 比较将分类 AUC…

加密资产永续合约机器学习回测
《交易机器学习》

本文介绍一套账本,用于在回测中将资金现金流计入永续期货持仓。每个资金费时间戳,它都会使用持仓的带符号数量、当前标记价格、合约乘数(如有)以及资金费率计算现金调整。因此,正资金费率对多头和空头的影响相反。 账本会将时间戳标准化为…

永续合约回测衍生品定价风险管理
《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》

本案例使用线性模型预测加密货币永续合约的收益和方向。其特征矩阵主要由永续溢价的各种变化构成,即合约价格与现货价格之间、决定资金费支付的价差。文中对比岭回归和套索、弹性网络:岭回归会收缩相关系数但保留特征,而套索和弹性网络可以剔除特征。惩罚参数针对每个训练折单独确定,并使用共同的滚动折和预测行评估各项配置。 分析使用验证集信息系数展示正则化在冗余测量下的表现:岭回归会在相关特征间分配权重,而较强的 L1 惩罚可能只保留一列。稳定的负 IC…

加密资产永续合约机器学习统计学
《交易机器学习》

本笔记筛选金融及模型特征,考察其与加密货币永续合约未来八小时收益的关系。每个结算时点都会计算符合条件合约之间的横截面 Spearman 相关性,再汇总各滚动验证折的得分。笔记还考察得分按验证年份的稳定性、特征冗余、分位数收益特征,以及针对所检验特征数量进行的显著性调整。结果和决策记录在逐特征证据台账中。…

加密资产永续合约机器学习统计学
《交易机器学习》

本笔记在一篮子加密货币永续市场的小时收益率上训练一个基础自编码器。收益率使用训练期数据进行标准化,神经网络先将多资产输入压缩为二维潜在表示,再进行重构。模型以最小化均方重构误差为目标进行训练,随后在较晚的测试期评估。本笔记考察重构误差能否作为异常信号,将其与滚动比特币波动率比较,可视化潜在表示,并报告各资产的重构质量。 异常阈值取自训练误差分布的第 95…

加密资产机器学习统计学波动率
《交易机器学习》

这份审计记录定义了如何在真实策略案例和合成压力工作负载中比较多个回测框架与 ML4T。记录规定了有序成交、时间戳、账户资金金额、数量和其他数值字段的比较规则。它还记录框架版本、不可变标识符、支持状态、性能测量规则,以及正确性、计时和规模证据的引用。运行时间仅在引擎调用期间测量,不包括输入加载、推理、准备、提取和报告。 这些记录说明,一致性声明必须限定到具体资产模型和实现。例如,由于缺少原生合约乘数和保证金核算,VectorBT OSS 被标记为不支持 CME 期货工作负载;两个 VectorBT…

回测交易执行市场微观结构期货
《交易机器学习》

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…

加密资产机器学习永续合约回测
《交易机器学习》

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。…

加密资产永续合约仓位规模投资组合构建
《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》

本笔记本估计,在干预条件下,加密货币永续合约溢价z分数是否与随后八小时收益相关,同时调整价格波动率、资金费率及溢价偏离近期均值的程度。双重机器学习分别根据这些混杂因素预测结果和处理变量,再分析二者的残差。交叉拟合会将每个观测排除在生成其残差的模型之外,而按时间顺序划分的折和隔离期则防止干扰模型使用未来数据。…

加密资产永续合约机器学习统计学
《交易机器学习》

本笔记本构建一个模拟做市任务,由近端策略优化智能体选择报价偏斜和价差宽度。环境使用根据加密货币永续期货小时收益校准的 GARCH 波动率过程、根据库存调整报价的保留价,以及随报价距离增加而下降的成交概率。奖励结合盯市财富变化、库存惩罚和期末清算成本。学习到的策略与固定宽度规则进行比较;这些规则已采用相同的库存保留价,从而分离出智能体额外调整报价偏斜和可变价差的贡献。…

做市机器学习加密资产永续合约
《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》

该笔记本使用一组加密货币永续市场的标准化小时收益训练基础自编码器。编码器将跨资产收益向量压缩为二维潜在表示,解码器则重构输入。观测收益与重构收益之差以均方误差衡量,并被视为市场状况异常的信号。基于训练误差分布设定的阈值会标记测试观测,供进一步检查。…

加密资产永续合约机器学习波动率
《交易机器学习》

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。…

加密资产永续合约均值回归技术指标
《交易机器学习》

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…

加密资产永续合约均值回归统计学
《交易机器学习》

本案例研究从一个冻结的加密货币永续期货策略池中选出一种配置。策略池涵盖多种收益和方向标签、投资组合规模设定方法及风险叠加规则。研究选择验证集夏普比率最高的配置,再通过区块自助法区间、概率夏普、最短记录长度,以及考虑候选数量和相关性的去膨胀夏普变体来考察不确定性。研究还将交易成本与资金费率分开,后者是与持仓相关的独立收益流。 报告中的验证集胜出者夏普比率为 1.57,其自助法区间不包含零;但考虑到从 2,807…

加密资产永续合约回测统计学
《交易机器学习》

本笔记使用双重机器学习,估计永续期货溢价偏离是否与随后八小时收益相关,以及这种估计关系在高波动和低波动市场中是否不同。文中介绍了跨加密货币品种的面板设计,对观测到的处理前特征进行调整,采用带清除和隔离期的滚动交叉拟合,并在标准误中考虑共同时间冲击和序列相关性。按状态分别拟合模型,并加入处理与状态的交互项,以分析不同波动状态之间的差异。 本笔记还使用品种内的区块置换作为反证检验,区块的选择旨在保留处理变量的持续性。文中提醒,由于置换后的处理变量残差方差不同,应使用 t…

加密资产永续合约机器学习统计学
《交易机器学习》

本笔记训练一个近端策略优化智能体,在指定期限内执行固定订单。它将学习得到的交易节奏策略与 TWAP 和 Almgren–Chriss 排程进行比较,衡量实施缺口并考察各策略的交易时点。评估对所有策略使用相同的模拟市场路径,因此可以逐个回合进行比较,并说明库存风险和偏离均匀交易节奏的程度如何影响学习策略。 笔记还详细说明了模拟市场的局限。波动率和市场机制行为根据小时级 BTC…

加密资产永续合约交易执行机器学习
《交易机器学习》

本笔记介绍如何为选定的加密货币永续合约资金费率策略生成留出期预测。它根据验证结果确定配置,沿用所选检查点,并使用截止于留出期开始之前的数据构建新的训练规范。标签缓冲区可防止训练结果延伸至该窗口,笔记还检查生成的训练标识是否不同于验证拟合的标识。…

加密资产永续合约机器学习回测
《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