知识库

该笔记介绍一个已发布的面板数据集，用于US股票机器学习研究。数据包含数十年间的月度观测值，其中包括46个公司特征和次月超额收益。特征按经济含义分组，并在每个月内进行秩归一化，使其处于共同的有界尺度。笔记介绍如何检查覆盖范围、按日期排序的训练集、验证集和测试集划分，以及仅在各自数据划分内有意义的匿名公司标识符。为分析信号，笔记计算各特征与后续收益之间的月度截面信息系数，并对训练数据求平均；显著性估计则使用 Newey-West…

本章介绍如何构建和使用金融知识图谱，适用于依赖所有权、供应链或传染关系等信息的问题。内容涵盖实体身份、类型化关系模式、数据来源，以及借助LLM从申报文件中提取信息。图谱检索增强生成（RAG）被介绍为一种通过受约束的关系查询检索证据的方法，查询执行过程保持确定且可审计。本章还说明图结构如何转化为机器学习输入，包括中心性、拥挤度、共同持有关系以及图间交互。内容将显式知识图谱与相关性网络、最小生成树和学习得到的图表示联系起来，并介绍它们在预测、投资组合构建和风险分析中的潜在作用。时间框架会区分事件、披露和提取时间，以减…

该笔记比较两种 Transformer 设计，使用八个滞后动量特征预测21日ETF收益。PatchTST 将连续多日分组成分块，减少注意力令牌数量并嵌入局部时间模式。iTransformer 将每个特征的历史序列视为一个令牌，使注意力机制能够关联不同变量，同时将时间顺序保留在各个令牌内部。两者使用相同的序列输入和按时间顺序划分的日期，并在边界处清除一段数据，以防未来收益标签跨入下一时期。评估报告截面秩相关性和平方误差，并将 Transformer…

该笔记使用CAPM和 Fama-French 因子回归分析股票 ETF 投资组合，并进一步考察滚动敞口、收益归因和残差依赖。它使用对齐的日度收益和因子数据，通过异方差与自相关稳健标准误估计回归不确定性，并在进行收益归因时延后滚动贝塔，以避免前视。模型比较显示，加入风格因子可能改变估计的阿尔法。笔记还考察因子控制后资产是否仍然相关，并使用 Ledoit-Wolf 收缩法稳定因子协方差估计。…

本文档介绍分数阶差分如何在保留部分价格水平信息的同时，使价格序列更加平稳。文档根据分数阶差分的二项式展开推导滞后权重，并说明截断较小权重如何设定变换的历史窗口。示例将该变换应用于ETF对数价格，并根据保留权重和、窗口宽度、预热期损失及平稳性诊断比较不同阶数。…

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。…

该演示在历史回测引擎和实盘引擎中运行同一个双移动平均线交叉策略；实盘引擎重放相同的日度ETF柱线。策略、输入、参数和成交约定均保持不变，随后逐字段比较生成的信号记录。测试检查两个引擎是否产生相同的时间戳、标的、信号方向、移动平均值和价格，而非依赖最终投资组合价值等汇总指标。…

该笔记比较平方误差、绝对误差和 Huber 损失，用于梯度提升模型预测平值短跨式期权收益。目标收益的上限有限，但潜在损失可能很大，因此拟合损失可能影响预测对头寸的排序能力，排序指标为信息系数（IC）。模型网格还改变树的容量，并在多个提升检查点评估预测，因此每个检查点都是一个独立候选项。 在两个滚动验证年份中，平方误差的表现低于其他目标函数，但现有证据无法确定绝对误差和 Huber…

该笔记将小时级连续期货数据转换为日度OHLCV柱线，并与CME Globex 交易时段对齐。时间戳会归入以中部时间4 PM结束的交易时段，因此周日夜间交易归属于周一，周五夜间不会形成周六交易时段。若按UTC日历日期聚合，交易时段会被切开，来自不同交易时段的柱线也会被合并，从而扭曲日开盘价、最高价、最低价和收盘价。…

该笔记介绍了一种随机贴现因子（SDF）模型，用于对US公司收益的截面进行定价。模型学习权重，使贴现后的资产收益满足无套利矩条件，而非优化收益预测损失。训练依次经过无条件阶段、权重取决于公司特征和市场状态的条件阶段，以及一个对抗矩网络；后者会寻找当前SDF定价效果不佳的测试资产。隐含收益是定价拟合的副产品。…

该模型适配器将 PatchTST（一种用于长周期时间序列预测的 Transformer 架构）应用于标量回归。它接收按时间和特征排列的序列，调整输入以适配骨干网络，并将各特征的输出汇总为一个预测值。其设计采用通道独立编码：每个特征通道通过共享的 Transformer 权重处理，编码器内部不进行跨通道混合。…

本文档介绍了一项消融研究，考察学习得到的图嵌入能否在普通表格特征之外改进股票收益预测。研究根据历史股票收益相关性构建网络，仅使用预测窗口之前可用的信息构造动量、波动率和趋势特征，并预测每只股票下个月的收益。图注意力自编码器在不使用未来收益标签的情况下学习节点表示；随后，岭回归在留出的股票折上比较仅用表格特征的模型与组合特征模型。…

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。…

本文档介绍了一个用于比较策略选择各阶段配对表现的生成器。它会比较信号选择与等权参照、留出集选择与验证集选择，以及配置、成本敏感性和风险叠加各阶段之间的变化。大多数比较使用配对平稳区块自助法，以保留对齐收益序列之间的关系。对于验证集与留出集的比较，由于观测窗口不重叠，生成器改为按窗口独立抽样；由此得到的区间衡量的是这些窗口之间的差异，而非单一持久策略优势的证据。…

该笔记以匿名公司特征预测股票收益，对比随机森林装袋法与 XGBoost、LightGBM 和 CatBoost。研究使用预先设定的时间序列训练、验证和测试划分，以 Spearman 秩信息系数为主要指标，并补充报告 R 平方和均方误差。比较还考察不同库中的特征重要性，并在 XGBoost 中使用验证数据进行早停。…

该笔记将母订单执行建模为有限时域控制问题。表格型 Q 学习智能体根据剩余时间、剩余库存，以及最近完成区间的价差和波动状态，选择一个乘数来调整基于VWAP的交易速率。其奖励函数会惩罚执行成本和库存敞口；参与率上限限制成交量，终端惩罚则计入未成交数量。状态有意排除价格和收益信号，使任务聚焦于执行，而非方向择时。…

本教程介绍如何组织一次性下载之外的市场数据工作流。内容包括用于获取单个标的或批量数据的统一管理器、预定义及自定义标的范围，以及采用 Hive 分区的 Parquet 存储。教程还涵盖日期范围查询、存储数据的增量更新、缺口检测，以及通过命令行界面自动化工作流。一个ETF示例将股票、债券和黄金价格序列重新定基，以比较其走势；后续的验证示例则区分被标记的极端收益与已确认的数据缺陷。 该笔记使用 Yahoo Finance 数据以及股票和 ETF…

该笔记针对月度策略中表现领先的ETF配置组合，测试持仓层面和投资组合层面的风险规则。它固定每个已登记的预测、集中度设置和配置器，再将叠加规则后的结果与各自配置阶段的基准进行比较。测试范围包括固定止损、移动止损和时间退出，也可加入根据持仓期间观测到的最大不利变动分布校准的移动阈值。…

该笔记将每个收益窗口视为经验分布，并根据一维瓦瑟斯坦距离对窗口进行聚类。对于样本量相同的样本，排序即可实现最优分位数匹配；因此，该距离能反映整个收益分布的差异，包括尾部位置，而均值和方差可能会遗漏这些差异。其重心按分位数逐一计算：一阶距离使用中位数，二阶版本使用均值，从而支持类似 Lloyd 算法的聚类过程。 文档将这些分布聚类与市场状态标签，以及使用少量矩的聚类方法进行比较。结果显示，对完整分布聚类比基于四个矩的 k-means…

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…

该工具根据资产分组标签和可选的组间连接，构建布尔型资产间邻接矩阵。分配到同一宏观组的资产彼此连接；每条提供的跨组边都会以双向方式连接两组中的所有成员。可选的自连接允许每项资产关注自身。没有映射的资产会被分配到未知组，因此会与其他未映射资产相连。…

本笔记本基于公司 10-K 申报文件摘录构建检索流水线。它载入稳定的一组申报文件，将文本切分为句子窗口，创建本地嵌入，并将文本块编入向量数据库。由于实时语言模型生成已禁用，本次测量重点关注检索。查询集中包括一个预期可回答的问题，以及若干超出语料或其覆盖范围的问题。…