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。
961 份文档
这个共享工具模块支持使用时间序列双重机器学习（DML）对交易数据进行因果分析。文档列出的工具包括带有隔离期的滚动估计、干扰模型和证伪检查。区块置换能在安慰剂检验中保留局部时间依赖；面板置换则按实体和观测时间网格中的间隙分段，避免区块跨越不连续处。工具还会测量实际观测频率，以便将标签间隔缓冲换算为适当的隔离期，并提醒固定 bar 周期假设可能造成误导性间隙。 实现会记录配置和运行来源信息，以便复现和比较运行结果。某次版本变更将证伪检验从原始效应切换为 HAC t…
本笔记本使用 NASDAQ-100 微观结构特征训练长短期记忆网络，以预测多个分钟级期限的远期收益。与展平后的线性模型不同，LSTM 按序处理每个观测，并学习保留多少过去信息。模型使用一分钟数据的后向窗口，并在不同股票和交叉验证折之间重置隐藏状态；每个窗口必须始终属于同一代码，且只使用预测时点可获得的信息。…
本笔记本查询多个交易案例研究的登记表，并生成跨数据集的信号、资产配置、成本和风险比较表。它报告了验证集排名靠前的配置簇诊断指标，包括排名第一与第十的夏普比率差距、各折表现及其他测量值，用于显示选择结果的稳定程度。其选择流程固定完整的策略规格，包括信号、资产配置和风险叠加，并在有结果时将验证结果与重新训练后的留出集结果配对。标签和执行机制的限制使特定比较符合案例研究的预期分析。…
本笔记本构建 N-BEATS，这是一种全连接神经预测架构，可处理整个输入窗口并预测未来走势。其可解释变体对各模块施加约束，使其通过多项式趋势基和傅里叶季节性基表达成分。残差回推使堆叠模块能够逐步解释输入的不同部分。笔记本将受约束和不受约束的版本拟合到 SPY 收盘价，绘制命名成分，并将其预测误差与重复最新价格的持续性预测进行比较。…
这篇配置说明区分了会出现在回测身份标识中的设置，以及实际影响模拟交易成本的设置。在所述案例中，所有已登记运行都采用向量化的持有至到期路径。配置中的执行价格、佣金率和滑点率字段并未传入该路径；报价侧成交则属于事件驱动经纪商，而向量化运行并未构建该经纪商。配置仍保留这些设置，因为删除它们会改变现有运行的哈希身份标识。…
本文演示一个经纪商封装层：在转发交易前检查订单和投资组合状态。其控制包括单笔订单的股数和金额上限、持仓敞口上限、订单频率限制、资产允许列表和屏蔽列表，以及紧急停机功能。模拟经纪商会显示请求被接受或拒绝的情况，并通过断言确保每个情景都产生预期结果。…
本笔记本使用双重机器学习（DML），估计连续型 ETF 动量指标对后续收益的调整后效应，并控制近期和长期波动率、市场状态及收益率曲线斜率。笔记本比较了未调整回归、EconML 和手动实现的 DML，并讨论干扰模型的选择如何影响估计值。因果解释依赖充分的处理前控制变量及其他识别假设；未观测冲击和模型设定错误仍可能造成偏差。 一个核心启示是，面板校正应依据决策日期，而不是展平后按 ETF 日期排列的行。滚动交叉验证折按唯一日期构建；Driscoll-Kraay…
本笔记本估算执行成本如何侵蚀假设的日内策略收益。首先，使用分钟线报价测量 NASDAQ-100 成分股的成交量加权报价价差，再以成分股价差中位数作为穿价成本的经验基准。其他成本部分，包括市场冲击、滑点、佣金和费用，均为情景假设。笔记本将穿价、限价委托和被动执行的成本组合，与假设的毛夏普比率、波动率和每日往返投资组合 NAV 换手率特征进行比较。 该框架按交易名义金额比例年化成本，并在成本降低收益但不改变波动率的简化假设下计算净夏普比率。它还求出符合所选净夏普比率阈值的最高换手率。关键的实践启示是，应根据投资组合…
本笔记将 PatchTST 作为标普 500 期权序列模型集合中的一员进行拟合。PatchTST 将回看窗口划分为固定大小的片段，将其嵌入为词元，并通过注意力学习历史不同部分之间的关系。笔记将它与 LSTM 进行对比；后者按顺序处理各交易时段并传递状态。注意力机制可以直接连接窗口中的远距离部分并并行处理整个窗口，但它依赖学习得到的位置信息，且参数更多。…
本笔记汇总多个交易案例研究中的 LightGBM 结果，并与线性模型和 TabM 基线进行比较。它考察每个案例研究中 IC 最高的 IC 配置，报告异方差和自相关一致的区间，并分析损失函数、树深度和提升检查点与验证表现之间的关系。其他视图会比较标签期限、分类与回归指标、特征重要性排名，以及覆盖范围相符的模型家族结果。 证据来自已登记的实验网格和折级预测；比较仅限于覆盖相同折和日期的配置。本笔记会明确显示缺失或不匹配的覆盖范围，而不会用无关结果替代。结论主要是描述性的：按验证 IC…
本工具介绍用于诊断量化研究流程所生成数据产物的方法。它会统计数值列中的空值、非有限值、零值、不同值数量、分位数和尾部行为，并标记超出可配置提示阈值的列。它还会将已生成的键与明确声明的预期范围进行比较，报告缺失和意外的键，避免仅因现有行完整，就误以为规模不足的输出状况良好。…
本笔记检验学习得到的图嵌入是否能为 US 股票的表格模型增加预测信息。它基于目标期之前测得的绝对收益相关性构建网络，并利用同一段目标期前历史构造动量、波动率和趋势特征，以预测后续股票收益。比较过程中，每个交叉验证折内都会训练一个图注意力自编码器，随后在相同的留出股票上评估包含和不包含图派生特征的岭回归模型。…
本文介绍一项标普 500 期权研究中的 LSTM 序列模型。不同于依赖人工构造特征概括标的历史的横截面模型，LSTM 接收按时间排序的窗口，并学习序列中哪些部分重要。它的门控机制会在回看区间中传递信息，但额外的灵活性也增加了拟合噪声的风险，尤其是在期权数据集有限时。采用该模型是为了检验序列顺序是否能提供基于特征的梯度提升模型之外的信息，而非预设深度学习必然胜过后者。 训练流程通过统一预设固定架构、遵守时间折边界，并按既定计划发布检查点，以便在后续阶段选模。由于 CPU 和 GPU…
本笔记说明如何在通过验证结果选定 FX 策略配置后生成留出集预测。它会在获准且保持偿付能力的候选项中，选定验证回测夏普比率最高的一项，然后根据所选标签的观测时间线构建留出区间。训练会在留出集之前预留一段标签缓冲区，避免训练结果延伸至评估期。笔记根据验证规格重建模型请求，在保留所选配置和检查点的同时调整折的几何结构。…
本笔记说明日频 OHLCV 数据的生命周期：加载初始历史数据，获取少量有重叠的增量数据，检测缺失交易日，并汇总每个标的的数据新鲜度和校验问题。它说明更新窗口为何应截止于数据服务商最近一根完整 K 线，因为当日记录可能包含未完成价格；也说明重叠窗口有助于捕获供应商修订数据。此外，笔记还概述了适用于不同更新需求的增量更新、仅追加、全量刷新和回填方式。 示例使用日频 US 股票数据，报告新增可用交易日之前每个标的的初始面板有 502…
本笔记在模拟加密货币交易环境中比较 DQN、PPO 与 A2C。它根据比特币永续期货小时收益校准 GARCH(1,1) 波动过程，再模拟保留波动聚集特征、但收益方向仍不可预测的路径。每个智能体获得相同的训练预算，并在相同的留出回合随机种子上接受评估。环境会延迟奖励，使某项操作获得下一步的收益；每当仓位改变时，环境都会收取成本。…
本笔记诊断一个固定的仅做多 ETF 动量基准在 2010 至 2024 年不同市场环境下的表现。它使用每日收益发生前已知的波动率和趋势指标为收益标记状态，并以扩展历史中位数定义高低状态。收益率曲线利差也决定该基准持有选定的动量 ETF，还是防御性债券组合。随后，笔记按波动率与趋势的四种组合划分收益和风险指标，报告各组观测数，并使用可加总的对数收益将峰谷损失归因至不同状态。…
本笔记将先前选定的公司特征预测和固定投资组合配置应用于一年期留出集。它不再对预测、资金分配、集中度、再平衡或交易成本作出新选择，以保留留出集用于样本外评估。投资组合的保形分配器使用验证残差估计预测可靠性；残差过少的公司使用汇总后的备用区间宽度。权重依据投资组合各部分内相对区间宽度的倒数确定，因此分配器侧重可靠性，而非单纯偏向预测收益最高的公司。…
本审计比较多个交易引擎在ETF配置、期货、加密货币永续合约资金费率、外汇和US股票上，重放相同的冻结模型目标与内容寻址历史输入的表现。审计通过匹配成交记录、估值时间戳、账户价值、期末价值，以及检测人为篡改的成交记录，评估执行一致性。由于建模和目标构建都在任一引擎运行之前完成，因此这项比较检验的是重放行为，而非信号生成是否一致。…
本分析从登记系统加载各案例研究的叠加规则回测，将其夏普和最大回撤与配置阶段基准比较；若不可用，则使用信号阶段基准。分析按规则类型分类配置，报告每项研究中夏普最高的叠加规则，以及各类别的均值、中位数和正向改善率。参数扫描中的最佳结果会与典型配置分开处理，因为选择最大值会夸大表面收益。…
本笔记评估 NASDAQ-100 日内策略中配置阶段排名靠前的配置，并考察持仓级止损、移动止损和时间退出。策略每十五分钟决策一次，而回测引擎每分钟监控持仓，因此叠加规则可以在信号更新之间退出。移动止损阈值既包括预设网格，也包括根据最大不利偏移（MAE）校准的变体；最大不利偏移是指定持有期限内观察到的最差不利价格变动。…
本笔记介绍一种用于标普 500 股票和期权研究的分块变换器，用于序列预测。它将时间窗口划分为连续数据块，并将每块表示为一个词元，使注意力机制能够直接比较窗口中相距较远的部分，同时处理更短的序列。块大小决定分辨率取舍：较大的数据块可缩短序列，但会在注意力机制逐个检查观测值之前将更多观测组合起来。…
这份 ETF 特征笔记说明，即使统计模型的公式只使用过去观测，其估计参数仍可能泄漏未来信息。解决方法是采用滚动重拟合计划：设置初始预热期，在每个重拟合时点使用截至当时可用的数据拟合，然后生成后续特征值，直到下一个重拟合时点。该方法用于市场状态分析，包括隐马尔可夫模型、经分数阶差分处理的参考 ETF 价格，以及各 ETF 的 GARCH(1,1) 条件波动率。…
本笔记从冻结的验证候选集中重建选定的 FX 配对配置，再评估其验证和留出期证据。选择规则是取符合条件且验证夏普最高的配置，并在并列时按回测标识确定性地打破平局；成本变体不纳入候选集。留出期谱系按模型系列、配置、标签和检查点进行匹配，因为真正重新训练后的训练标识会不同。分析会读取先前登记的留出期预测和回测，检查来源，并列出验证期、留出期及两者差异的区间估计和配对比较。…