知识库

本文介绍共享回测运行器的实现原则，重点说明年化表现时如何正确解读收益网格。本文根据收益观测之间的典型间隔估计实际采样频率，剔除异常长的间隔，再将估计结果与案例研究声明的频率进行校准。如果观测网格与声明的约定相符，则保留该约定；如果观测网格明显更稀疏，则可能意味着收益只保留了再平衡日期，因此需要采用较低的年化因子。…

本文介绍一种监督式自编码器，作为条件潜在因子模型的对照模型。它将公司特征直接映射为远期收益，同时通过狭窄瓶颈压缩 57 个输入。将其与使用相同瓶颈的条件自编码器进行比较，旨在检验因子结构是否能在降维之外带来额外价值。目标变量包括原始收益、按月缩尾处理的收益和收益类别，因此改变目标变量也会改变网络所学习的内容。…

本笔记解释股票拆分和现金股息如何打断原始历史价格序列并扭曲计算出的收益。笔记展示后复权调整，即按后续公司行动重新缩放历史价格，并将此方法用于股票 OHLCV 数据。调整后的序列与预先调整的参考序列进行比较，以验证实现是否正确。较长的苹果股价历史说明，未调整的收益可能把拆股相关的价格变化误认为亏损，并遗漏股息影响。…

本笔记使用 ETF 特征和远期收益，展示从经典普通最小二乘推断转向以预测为重点的方法之前的分析过程。笔记考察系数检验和标准误，随后诊断异方差、残差自相关和多重共线性。由于 ETF 历史数据构成不平衡面板，且远期收益标签彼此重叠，笔记强调诊断统计量和协方差估计量必须考虑资产和时间结构。稳健标准误可以处理部分方差估计问题，但无法修正模型设定错误或内生性。 分析发现误差方差并非常数、资产内残差存在自相关，且特征之间存在明显共线性。笔记还说明，不谨慎的行排序会误导面板诊断，并据此提出使用 Driscoll-Kraay…

本实验将梯度提升树模型、表格神经网络和潜在因子模型对月度 ETF 排名的验证预测结合起来。首先通过横截面 z 分数对预测进行标准化，然后取平均。实验使用含异方差和自相关稳健不确定性估计的信息系数（IC）评估集成模型，同时进行考虑成本的只做多回测，选取少量 ETF 并为其配置权重。 集成模型的总体 IC 高于 LSTM 基准，但夏普比率较低，最大回撤较大。分折结果揭示了原因：集成模型的秩相关性波动很大，部分折甚至为负；而 LSTM…

本文介绍一套生成拟合模型特征的通用方法，避免使用未来观测值。对于隐马尔可夫模型，文中区分了基于截至当前时点观测值的过滤状态概率，以及以完整序列为条件、可能泄漏未来信息的平滑状态概率。本文还介绍因果 GARCH 波动率递推和滚动重新拟合安排，包括时间戳检查，以及将每个拟合模型应用于前缀或新输出区块的选项。状态排序和相关拟合辅助函数旨在使不同折的特征具有可比性。 示例解释了为什么看似固定的 GARCH…

本文介绍一种滚动方法，将预测残差转化为按实体区分的不确定性宽度，用于设定仓位规模。在每个决策时点，校准只使用已经有足够时间得出结果的残差，滞后期根据预测期限确定，且至少为一个时间步。较早的折和当前折中已经经过的历史数据都符合使用条件。如果某个实体的观测值不足，该方法会使用汇总宽度，避免未校准的实体在未被说明的情况下从选定篮子中剔除。宽度按预测集和 alpha 保存，并将实体标识规范化，以便后续使用。…

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…

本指南介绍 Ken French 数据库和 AQR 的公开因子收益数据集，包括市场、规模、价值、盈利能力、投资、动量、质量和低贝塔因子。指南说明如何下载和载入月度或日度观测值、按日期筛选、查看数据概况，以及根据月度收益计算年化均值、波动率和夏普比率。这些序列可用于因子投资研究、风险归因，以及将策略收益与既定风险敞口进行基准比较。 本文说明了由数据提供方定义的因子覆盖范围，并指出这些来源无需 API 密钥。文中没有给出因子的实证结果或提供方之间的比较，也没有评估任何因子是否能持续获得溢价。AQR…

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…

本笔记介绍如何评估概率预测并管理预测流程。它比较 Brier 分数、对数分数、期望校准误差和锐度；展示可靠性图如何揭示预测过度自信或自信不足之处；并说明如何拟合校准变换，同时避免在拟合校准变换的同一批观测上评估。笔记还涵盖使用冻结的搜索证据重放一次运行、通过代理执行工具权限，以及扫描不可信文本以发现注入尝试。…

本研究检验线性模型拟合月度 US 股票收益较差，是否源于其平方误差目标函数。研究固定未缩尾的前向收益目标、特征和滚动折，并比较使用平方误差、绝对误差和 Huber 损失训练的提升树模型。平方误差会让极端残差产生不成比例的影响；绝对误差会减小这种影响，而 Huber 损失则在二次惩罚和线性惩罚之间转换。网格还会改变树的容量，并记录多个训练检查点的预测，将每个检查点视为独立候选项。…

本笔记介绍 Rademacher Anti-Serum（RAS）协议，用于调整从有限策略或信号类别中进行选择时的表现估计。经验 Rademacher 复杂度估计候选表现矩阵与随机符号对齐的程度，因此候选项之间的依赖关系会反映在其实际路径中，而不仅仅由试验次数表示。RAS 将复杂度估计和抽样误差项转化为表现下界。笔记将此方法与 Deflated Sharpe Ratio（DSR）进行比较，后者在不同假设下给出经过选择调整的概率。…

本笔记介绍 NLinear，将其作为根据有序特征窗口预测股票收益的基准模型。每个样本包含同一只股票连续 60 个交易时段。对于每个特征，模型减去其最新值，通过线性层将所得历史序列映射为单个值，再加回最新值。最后一个线性层将这些摘要合并为一个预测。这个简单设计会消除当前特征水平的影响，使研究者能够检验表达能力更强的序列模型是否能带来价值。…

本笔记将 TabM 神经网络拟合至标普 500 期权空头跨式策略收益目标，并在与线性和提升方法相同的特征面板上比较三种模型容量。TabM 在集成成员之间共享神经网络骨干，同时通过学习得到的成员专属缩放向量和输出层生成不同预测，再对其取平均。研究采用滚动折，仅在训练行上拟合预处理，并在预定训练检查点生成验证集预测。…

本笔记评估标普 500 股票和期权配置的仓位级控制，将固定止损、移动止损和时间退出分别与各自策略未加覆盖规则的基准进行比较。笔记使用验证集夏普比率选择符合条件的策略谱系，再评估各项预先声明的覆盖规则是否改变验证集夏普比率和回撤。夏普差异采用配对分块自助法区间，以区分改进证据与单纯的点估计排名。…

本文档介绍外汇 OHLCV 数据集，覆盖 G10 主要货币对和交叉盘，包含来自 OANDA 的日线及四小时线。文档说明如何下载、加载数据，按货币对或日期范围筛选，并通过覆盖范围汇总和年化波动率估算进行探索。波动率示例分别计算各货币对的收益，并依据每个交易年假定的四小时线数量缩放标准差。 笔记说明，货币对采用基准货币/报价货币惯例，区分 USD 主要货币对与交叉盘，并指出数据提供方的成交量反映其自身交易，而非全球 FX 市场。价格为中间价；由于 FX…

本文档演示了工具变量 PCA，其中资产因子载荷被建模为收益发生前观测到的特征的线性函数。该方法使用交替最小二乘法估计特征到载荷的映射和实现因子，再通过旋转不变的子空间诊断评估载荷恢复效果。由于旋转和符号变化不会改变拟合收益，单个因子标签无法识别；比较时应关注恢复出的子空间。 合成面板将时间 t 的特征与时间 t+1…

本笔记在 ETF 面板上，将零样本 Chronos 和 TinyTimeMixer 预测与 LSTM 及惩罚线性模型进行比较。所有模型接收相同的单变量历史上下文，但预训练模型预测的是该上下文序列，而非前向收益标签。其预测路径的均值成为横截面排序分数，并以排序信息系数进行评估。训练得到的基准模型则直接预测标签，因此该比较检验的是零样本预测能否提供有用的排序信号，而非能否对目标作出校准良好的预测。…

本笔记讲解GARCH如何将波动率聚集转化为逐交易时段特征。首先通过收益图和ARCH-LM检验，检查平方收益是否依赖自身滞后项。在GARCH(1,1)模型中，对新冲击的响应以及先前方差的延续，决定了波动率估计变化和衰减的速度。不对称扩展模型允许负收益对波动率的影响不同于正收益。笔记还讨论了使用条件波动率度量风险，以及通过统计超越次数检查风险价值预测。…

本研究考察期权市场数据能否对未来股票收益进行排序。特征包括不同期限的隐含波动率、看跌看涨偏斜、期限结构斜率和方差风险溢价。由于许多指标以多个相互重叠的形式表示，研究比较了广泛的正则化强度下的线性模型：岭回归会收缩相关系数，而套索回归和弹性网络还可以移除特征。滚动验证对声明的模型配置进行拟合，并在匹配的股票、日期和数据折上生成预测。…

本笔记将一种对抗式随机贴现因子设计改编为美国股票的日度分析。一个投资组合权重网络根据次日超额收益构建因子，另一个竞争性矩网络则协助训练定价核；独立的贝塔网络预测资产层面的收益—因子乘积。尾随股票特征和延迟的宏观经济状态，依据决策收盘时可获得的信息决定权重。笔记区分了 SDF 权重和贝塔预测，也将因子定价诊断与横截面排序表现分开。…

本教程使用单个 ES 合约构建连续期货序列。教程根据成交量确定近月合约，并采用单调展期约束，比较基于成交量的切换方式与基于日历的时点安排。教程解释了为何必须将单边合约与日历价差分开；为何到期日应根据合约定义或实际交易历史确定，而不是根据含义模糊的一位数年份代码推断；以及为何在比较数据集前必须核查K线频率。…

本笔记将真实的供应链知识图谱和机构 13F 持仓转化为机器学习特征。笔记推导中心性和依赖指标等网络度量，估算供应商集中度和竞争风险，并构建衡量持有人广度、集中度和共同持仓情况的所有权信号。笔记还将运营信息与所有权信息结合为跨图谱特征，并以宽表和长表形式导出公司特征，用于建模或信息系数分析。…