知识库

本笔记比较四种神经网络设计完成同一任务的表现：汇总八只交易所交易基金的历史收益窗口，预测下一日收益。笔记介绍了全连接网络、一维卷积、LSTM 和 GRU 如何处理这些输入，随后比较它们的验证误差和每个训练步骤所需时间。对更长输入窗口进行测试，展示了循环模型需要更多顺序计算，而全连接模型则会加宽其第一层。…

本笔记评估用于标普 500 股票排名的序列模型，输入为期权曲面和价格历史窗口。笔记将没有循环记忆的归一化线性模型与门控机制可随时间传递信息的 LSTM 配对比较。线性模型是有意义的基准：如果 LSTM 没有优于它，那么新增记忆在这些数据上就尚未显示出价值。模型使用滚动折预测股票未来收益或风险调整后收益。…

本章说明如何在尊重每个决策时点可用信息的前提下评估金融机器学习模型。它区分训练集、验证集和最终留出集，并解释随机打乱的K折验证为何会让模型在预测过去时使用未来观测进行训练。扩展窗口和滚动前向验证折保留时间顺序：扩展窗口保留历史数据，滚动窗口则舍弃较早数据。…

本笔记比较 LightGBM…

本笔记展示如何将亏损交易与其决策对应的模型解释联系起来。它根据价格和宏观经济数据构建单一资产SPY特征面板，在较早的观测上训练 LightGBM 模型，再用较晚的观测构建交易记录和SHAP解释。交易分析器对表现最差交易的解释进行聚类，旨在发现可用于调查特征、市场状态或数据问题的模式。…

本笔记为一种读取上市期权信号并交易标的股票的策略构建前向收益标签。它对每日股价进行拆股和股息调整，使用持久证券标识符，并根据预定入场和出场时可执行的价格定义收益。笔记检查每个前向窗口是否完整、是否始终对应同一证券，并按市场交易时段计数，而非简单地跨可用行移位。标签集涵盖不同持有期的收益、风险缩放和方向性变体。…

这本笔记演示如何在市场状况迥异的时段监控 ETF 动量特征和加密货币永续期货特征的协变量漂移。它比较总体稳定性指数（衡量单个特征分布变化）、Wasserstein 距离和领域分类器；领域分类器检验能否从整体上区分参考样本与当前样本。一个生产监控示例将得分映射为警报级别，并汇总警报以生成重新训练建议。 领域分类器使用按时间区块划分的验证，避免相邻观测跨折泄漏并夸大表面上的可区分性。示例展示按特征和多变量检查可以揭示不同类型的变化；同时，PSI…

这本笔记介绍工具变量主成分分析，它根据可观察的股票特征决定潜在因子载荷，而不是为每只股票指定固定载荷。根据特征到因子敞口的共享映射，可以为训练面板中未出现的股票生成载荷，也可以在股票特征变化时调整载荷。该方法与普通 PCA 并列介绍，比较时计划固定因子数量、面板和滚动折。…

这份文档介绍小波分解和滚动频谱估计如何描述不同时间尺度上的金融收益。小波将收益分解为涵盖逐渐变慢周期的成分，从而可以观察各尺度分别解释了多少变动。示例使用 SPY 日收益并比较多个小波族，发现最快的成分包含大部分方差，而较慢的成分在不同小波族之间大体相似。…

这本笔记使用双重机器学习，估计在调整波动率、动量和横截面展期收益排名后，期货展期收益是否会影响后续收益。它区分因果解释与预测表现：盈利的回测可以说明展期收益能够预测收益，却不能证明展期收益本身导致了这些收益。灵活的干扰模型根据混杂因素预测处理变量和结果，并通过交叉拟合减少样本内偏差。由于波动率聚集且收益标签相互重叠会导致残差相关，分析采用了异方差与自相关一致的误差估计。…

这份文档介绍如何在分配资金前，通过影子评估比较现有模型与候选模型。它预先固定两者的角色和晋级门槛，再从五个维度评估候选模型：年化夏普率的提升、最低观测长度、信号相关性、持仓重合度和相对最大回撤。两个模型都使用排序后的多空组合进行评分，并根据各自的换手率计入交易成本。文档强调，要求达到最低提升幅度有助于应对短窗口夏普率估计的噪声；一致性检查则可标出可能代表不同策略或风险敞口的候选模型。 示例使用 63…

这本笔记演示如何配置 Feast 的 Parquet 数据源、实体、特征视图、时间戳和存活时间策略，然后为训练样本和类似实盘的时点查询检索特征。它逐项比较 Feast 的输出与手写的时点连接，并采用严格容差，使不一致能够揭示是否选错了行，而不只是常规舍入差异。 比较时必须考虑不同的检索语义：Feast…

这本笔记介绍一种用于股票因子建模的监督自编码器。无监督自编码器通过重建横截面来学习瓶颈表示，而该模型还将未来收益纳入训练目标。因此，目标变量不仅影响预测结果，也会塑造学到的表示。由于不同的未来收益标签会直接进入损失函数，因此会产生不同的拟合模型。…

这本笔记将神经随机贴现因子模型应用于 CME 期货。在资产定价中，随机贴现因子是一个随机变量；在无套利条件下，它与每项资产收益率的乘积具有相同的期望值。模型利用各产品收益率以及可观察特征（如展期收益、动量和波动率）来估计这一潜在对象。与所述仅使用收益率的 PCA 对比不同，SDF 可以让特征影响其横截面工具权重。…

本章综述金融文本表示方法，从词典和词频统计到 TF-IDF、静态词向量、循环网络和 Transformer。文中解释了各种方法的权衡：简单方法速度快、易于解释且适合金融领域；上下文模型则更善于处理歧义和段落内的关系。实际流程使用预训练模型、可选的领域适配和面向任务的微调，以生成情绪、叙事意外、主题敞口和结构化事件等信号。…

本笔记构建金融检索增强生成评估框架，分别衡量检索覆盖率、回答忠实度、适当拒答和安全行为。它使用六个人工编写的测试样例，部分上下文取自真实公司申报文件，用于检验可回答问题、缺失证据、提示注入和无依据引用。设计目标是诊断哪个组件出了问题，而不是把不同问题压缩成一个准确率分数。…

本案例研究评估根据 US 公司特征构建的月度多空十分位策略，在时点会计数据滞后、滚动验证和随时期变化的交易成本条件下，比较线性模型、梯度提升和潜在因子方法。报告的验证模型谱系中表现最强的一支使用梯度提升模型预测经过缩尾处理的远期收益；文中还将有监督自编码器描述为可信的独立信号。研究报告各验证折均取得正表现，而在登记结果中，其他投资组合配置方法并未优于等权。…

本笔记使用 Optuna 调优 LightGBM 收益模型，同时考虑横截面信息系数（IC）和预测换手率。单目标搜索最大化 IC 以供比较；NSGA-II 多目标搜索则找出帕累托最优设置，展现信号排序质量与作为交易成本代理指标的换手率之间的权衡。帕累托前沿有助于交易研究人员根据自身的成本承受能力选择模型，而不是将某一个验证分数视为唯一目标。 笔记还测试由 ETF…

本笔记将 Feast 配置为金融和模型数据的特征库，并将其历史检索和时点检索结果与透明的手工连接进行比较。它声明实体、带时间戳的数据源、特征视图和生存时间，并在扩展后的日期范围内准备临时 Parquet 副本。该一致性检查旨在发现配置错误，例如选错时间戳、实体键或拟合模型所属的验证折版本。 比较时需要谨慎，因为 Feast…

本笔记展示了 ETF 股票策略的实际运行周期：刷新市场数据、计算金融特征、重新训练 Ridge 模型、生成当前横截面预测、通过回测引擎重放预测，并为模拟交易经纪商准备排名靠前的股票组合。它从研究登记库读取正则化设定，并与固定配置进行核对。离线重放提供参考交易记录，保存的运行记录则跟踪计划、尝试、接受和失败的订单。…

本文说明，模型不确定性能够提供点估计以外的信息。文中对比 GARCH 与随机波动率模型：前者根据过去收益定义波动率，后者将波动率视为潜在自回归过程，并使用 Student-t 分布建模收益。后验分布的离散程度可以作为时变特征，与持续性、波动率动态和尾部特征的估计值一同使用。 笔记介绍了对 SPY 收益进行滚动拟合并提取后验摘要的做法，同时提醒拟合需要数分钟。每季度重新拟合可以让参数特征在两次拟合之间继续使用，但最新的滤波波动率水平会过时；需要粒子滤波器才能更新该水平。笔记还评估采样器收敛性和蒙特卡洛误差，并讨论…

本笔记重新拟合已由验证选出的 FX 配置，并登记其预测结果，以供之后的留出集回测使用。它从通过验证且未破产的回测中解析选择结果，并将其限制在冻结的候选集合内，然后依据所选模型不可变的验证规格重建训练规格。留出区间遵循所选标签的观测时间线，训练缓冲区足够宽，可避免标签结果延伸至评估窗口。…

本笔记以线性回归为基准，利用分钟级微观结构特征预测 NASDAQ-100 收益。由于不同回看期的价差和订单失衡指标彼此重叠，特征矩阵存在严重多重共线性：普通最小二乘可能为近乎重复的输入赋予不稳定且方向相反的权重。笔记比较岭回归、套索回归和弹性网络惩罚，包括按各折数据缩放的惩罚强度，以考察收缩相关系数或选取稀疏特征集哪种效果更好。…

本笔记使用语言模型客户端、搜索工具和有限轮次循环构建预测智能体。智能体搜索证据，并给出二元概率及理由。其响应解析器处理常见格式错误并验证搜索和预测操作；无效回复会被要求修正。保存的运行记录保留提示词、工具结果、模型调用和令牌用量，因此无需新的 API 调用也能重放并审计预测。…