知识库

本笔记本测试标准投资组合配置能否改善一项每根K线交易一次、且已承受交易成本的NASDAQ-100交易策略。它根据成本可行的标的范围内的验证表现选择预测，然后在完整标的范围内评估配置组合。不同最高持仓数量下采用等权、按评分加权和逆波动率方法，并在每根15分钟K线上再平衡。文中报告所有受测组合均大幅为负，并据此认为交易频率是主要限制，配置方法的选择则居次要地位。…

本笔记本研究在模型已选定交易货币对后，头寸规模如何影响FX回测。它保留胜出基线的预测、信号映射、成本和执行设置，仅改变配置规则。验证集夏普比率在一组固定不变的等权候选项中进行排名，并将选定的检查点和映射沿用至后续流程。笔记本还会检查每项配置结果与相应基线结果之间的差异是否仅涉及配置相关字段。…

本笔记本查询九个案例研究的回测注册表，并汇总成可供后续分析的可比表格。它按资产类别和数据频率整理结果，记录信号、配置、成本和风险阶段的表现，以及模型系列信息和验证集至留出集的结果。其选择流程比较完整的策略规格——信号、配置方法和风险覆盖规则——并将选定配置用于重新训练后的留出集运行；若该候选项无法产生可用的留出集回测，则改用另一项符合资格且按验证排名的候选项。…

本笔记本介绍离线机器学习流程与QuantConnect的LEAN交易引擎之间的部署桥梁。它从注册表中可重复地选定一次模型运行，将其留出集预测导出为按日期索引的JSON，再使用一个小型平台算法应用投资组合规则，无需执行推理。来源溯源检查将导出文件与选定的训练配置和预测文件关联起来。由于评分已固定，可以通过回测探索阈值、持仓限额和再平衡规则，而无需重新训练模型。…

本章将投资组合构建介绍为把收益预测、风险估计和约束条件转化为权重、杠杆及再平衡决策的过程。章节提出一套研究流程，用于记录配置器选择、避免信息泄漏，并将预测与仓位规模确定分开。评估除常规风险和收益指标外，还应包括相对基准表现、集中度、多元化、风险贡献和实施稳定性。 本章将等权和波动率倒数等简单基准与凯利仓位、均值方差优化、收缩、风险平价、层次风险平价及深度学习方法进行比较。核心实践启示是，应使用相同输入和回测流程，将复杂配置器与公平基准比较，同时考虑其额外的估计选择。本章概述介绍了使用 ETF…

本笔记介绍如何评估持仓层面的退出规则，并将其与投资组合整体控制相结合。固定止损、止盈和时间退出规则与移动止损、收紧止损形成对照；分档退出则在连续达到盈利阈值时逐步减仓。RuleChain 按优先顺序应用第一个触发的规则，而 AllOf 要求所有规则都触发。这些示例展示了策略选择如何影响记录的操作和退出原因。…

本笔记汇总九个市场案例研究的结果，构建逐步累积的策略筛选漏斗。它依次检验模型的信息系数是否为正、选定配置的验证夏普比率是否为正、表现是否经受住适用的交易成本机制、留出集夏普比率是否为正，以及风险和不确定性证据是否足以支持采取行动。若某一阶段不适用于某案例研究，则标为不适用，而非失败。 另设排除分类体系，用以区分信号问题、实施不可行和证据质量不足。本笔记呈现淘汰数量和各案例结果，并将每项判断关联到流程数据。讨论强调，仅凭预测指标并不足够：成本取决于交易工具，报告中醒目的夏普比率必须结合风险控制和留出集证据来解读。…

本笔记构建一个投资组合配置器，在 LSTM 编码器之前加入类似 Temporal Fusion Transformer 的变量选择网络。选择网络分别嵌入每项输入特征并分配 softmax 权重，使模型能够随资产和时间变化调整所侧重的信号。LSTM 处理选定的表示，生成有界标量信号；投资组合层再将信号转换为目标波动率的多空权重。…

本笔记对不同期限国债收益率的变动应用主成分分析。对变动进行标准化，使每个期限的影响相同；得到的主成分被解释为水平移动、曲线变陡或变平，以及曲率变化。移动区块自助法在考虑短期依赖的同时，评估载荷模式的稳定性。分析还会重构收益率变动，并将因子敞口与关键利率 DV01 联系起来，用于说明性对冲。 本文将 PCA…

本教程通过最大化预期对数财富增长，推导二元赌注的凯利比例，并将这一思路扩展到连续收益和多资产投资组合。教程使用符号微分和共享抛硬币结果的模拟，比较按最优下注额不同比例下注时的财富路径。投资组合计算将预期收益和协方差与隐含杠杆联系起来，并考察不利变动可能如何威胁账户。…

本章将交易成本视为策略研究和部署全流程中的约束，涵盖因子评估、回测、投资组合构建、风险监督和生产监控。章中区分显性费用、隐性价差与冲击成本，以及容量限制，并介绍从价差假设到线性冲击和平方根冲击的基准成本模型。章中还解释了成本为何会随流动性、波动率、市场状态、紧迫程度和时段而变化。 执行方法如 TWAP、VWAP、自适应参与率和…

本笔记将机构13F持仓转换为机构—股票二部图，并为研究提取特征，包括股票共同持有相似度、持有人广度与集中度，以及已申报持仓的变化。笔记汇总重复的机构—股票记录，利用申报信息确定数据何时可用，并在所有选定机构完成申报前排除相关季度。这有助于避免将缺失申报误解为清仓。该图及其特征可用于相似度分析、聚类或下游预测模型。…

本笔记介绍如何使用CAPM和Fama–French因子回归分解ETF收益与风险。笔记使用异方差和自相关稳健标准误估计全样本暴露，使用滚动窗口跟踪贝塔变化，并在将后续收益归因于暴露时使用滞后暴露，以避免前视偏差。分析还将手工计算结果与因子模型库进行比较，并使用收缩法稳定因子协方差估计。 示例涵盖全市场和风格聚焦型 US 股票…

本笔记将skip-gram Word2Vec改造用于机构持仓：把每个13F投资组合视为一个句子，把每个股票标识符视为一个词元，并按持仓规模排名排列词元。相邻持仓构成上下文，因此机构在相似投资组合上下文中配置的股票可以获得彼此接近的向量。该流程从一个季度持仓面板中选出一组大型申报机构，删除重复的机构—股票对，训练嵌入，并用向量邻近关系识别投资者以相似方式对待的股票。…

本笔记比较US股票仓位的资金分配方式，同时固定模型、检查点、再平衡日期和所选股票。笔记考察基于预测强度、预测区间宽度、个股波动率以及考虑协方差的投资组合方法来设定权重。该设置可以单独观察仓位规模相对于现有等权基准如何改变回测。考虑协方差的方法可以计入股票之间重叠的风险敞口，但需要历史估计；基于个股波动率的规则则不会建模这些关系。…

本笔记将多个模型族的验证预测转化为等权多空组合。它按预测收益为股票排序，买入排名靠前的股票并做空排名靠后的股票，再通过统一回测流程测试多种组合集中度。使用固定随机种子的随机排序也会通过相同流程，作为流程检查；同时依据考虑有限样本波动的容忍范围评估其夏普率。…

本笔记比较六种仅做多的 ETF 配置方法，旨在降低对不稳定估计的依赖。对于使用协方差的方法，笔记应用 Ledoit-Wolf 协方差收缩，并比较均值方差最大夏普、最小方差、风险平价、分层风险平价、最小条件回撤风险和等权。每种配置均在训练窗口拟合后固定，并在之后的收益上评估；执行环节还计入声明的佣金和滑点。…

本章综合九个案例，追踪机器学习信号如何经过投资组合构建、交易成本、风险覆盖层和冻结的留出集评估。本章以每个案例的演进过程为分析单位，而不是只按夏普比率给策略排名。所述框架将信号质量、投资组合转化、成本下的存续能力和时间稳定性分开，再利用这些阶段识别限制因素所在，以及后续研究可能发挥作用之处。…

本笔记比较 US 股票面板上的头寸规模设定方法，同时固定模型、检查点、再平衡日期和所选股票。基于预测的方法按预测幅度或区间不确定性调整资金规模；逆波动率和更激进的风险平价变体使用各股票自身波动率。Ledoit-Wolf 均值方差优化和分层风险平价使用协方差估计来考虑资产间联动。等权是现有基准。…

本笔记考察已发表的投资因子是否具有可信的收益溢价，以及彼此之间能否分散风险。它采用AQR的长期及跨资产序列，并结合法马-弗伦奇股票因子，使用考虑序列相关性的统计方法和更高的显著性门槛，以应对文献中研究的众多候选因子。笔记比较因子间的相关性，包括价值与动量因子，并回顾危机时期的结果以及因子发表前后的表现。…

本分析将信息系数（IC）证据与预测转化为头寸后产生的夏普比率进行比较，评估选定交易信号是否可靠。它汇总不同资产类别的模型系列结果，可视化平均 IC 和信号夏普比率中位数，并考察各配置之间的差异。比较指出，预测准确度与投资组合排序表现可能不一致；某个系列的最佳结果与中位结果差距较大，可能表明其对配置选择敏感。 笔记还汇总系列层面的 IC 模式，并将验证期证据与分析流程其他部分的留出期结果进行比较。需要重点关注的限制包括：展示的 IC…

本笔记比较针对选定 S&P 500 标的卖出跨式期权的投资组合加权规则。标的保持不变，仅改变配置方法，并以等权作为基准。方法包括按预测分数加权、按波动率倒数加权、风险平价、层次风险平价、收缩均值—方差优化，以及按共形预测区间宽度加权。这些方法使用的信息不同，可能导致资金集中程度或风险估计各异。…

本文介绍一个面向读者的界面，用于查看登记表中保存的回测结果。界面支持汇总运行次数、检查规格和单次运行、对结果排序、比较配置方法、查看集中度曲线以及追踪策略演进。它读取登记数据库并返回结构化表格和详细记录，便于研究笔记本探索既往运行，而无需依赖单独的结果文件。…

本笔记比较基准 ETF 投资组合在历史危机、人工设定的同步资产冲击和蒙特卡洛损失情景下的表现。历史窗口涵盖重大股市抛售和利率驱动的抛售，并按明确的收盘至收盘区间复利计算投资组合收益。组合计算假设每日再平衡且权重恒定，并报告累计收益和最大回撤。情景分析对各项持仓施加指定冲击；状态表则根据滞后趋势和波动率信息划分市场状态，并比较不同状态下的收益表现。 为模拟尾部风险，笔记使用对称 Student-t…