知识库

本案例研究说明，为什么无法对基于月度观测构建的US公司特征组合检验止损、移动止损及其他头寸级覆盖规则。向量化回测将一个权重向量应用于当月已实现的前向收益，因此不包含入场和退出之间的价格路径。止损行为以及最大不利或有利变动取决于缺失的路径；若要模拟这些情况，就必须捏造数据。…

此配置规定了一项只做多的ETF排序与再平衡实验。它定义了一个涵盖股票、债券、商品和地区敞口的广泛100-ETF股票池，采用月度决策并在次日开盘执行。主要标签预测21日收益；五日标签采用每周时间表，使回测频率更贴合其期限。持仓按排名选出并等权配置，同时测试不同组合集中度下的前K名选择。…

本笔记为梯度提升预测构建预测区间，并比较拆分保形预测、分位数回归、保形化分位数回归和自适应保形推断。拆分保形预测按时间顺序划分训练集和校准集，并在边界附近移除观测值以考虑标签期限，再根据有限样本残差顺序统计量设定区间宽度。该框架使用清除了边界样本的滚动验证折，在ETF、加密资产和期货数据上进行评估。…

这项US股票面板研究使用惩罚线性模型作为基准，根据收盘时观测到的特征预测前向收益。特征集包含相互重叠的动量和波动率测量，产生多重共线性，可能使普通最小二乘法的系数不稳定。笔记比较了用于收缩系数的Ridge、可将系数设为零的Lasso，以及结合两种惩罚的Elastic Net。通过惩罚强度网格，研究正则化对滚动验证各折及多个收益期限的验证信息系数有何影响。…

本教程使用SPY日线数据，对比固定止损和止盈障碍、移动止损、按ATR缩放的退出、机器学习退出信号及这些方法的组合。固定障碍以入场价格为基准进行模拟；隔夜跳空按开盘价成交；若一根K线同时触及止损和目标价，则采用保守的止损优先假设。ATR根据近期价格变动缩放退出距离。机器学习部分使用技术特征和按时间顺序划分的数据，并在边界附近清除样本，以减少前瞻标签造成的信息泄漏。…

该笔记评估连续观测存在依赖关系时，信号的信息系数（IC）能否与噪声区分。文中以动量信号和 ETF 数据说明这一问题，并解释重叠的未来收益、持续性信号排名和市场状态如何使每日 IC 值产生自相关。此时，朴素 t 统计量可能低估不确定性并高估显著性。 该笔记将 Newey–West…

本笔记介绍建模前刻画市场序列的工作流程。首先绘制SPY价格和收益、VIX水平以及收益分布，以识别趋势、波动聚集和厚尾。随后解释如何结合阅读增广迪基-富勒检验和KPSS检验：两者的原假设方向相反，因此可以综合判断平稳性证据、单位根、结果分歧或样本结论不明等情况。…

本笔记概述了通过TWS或Gateway将策略连接到盈透证券的操作流程。它检查会话是否为模拟交易账户，读取账户数值和持仓，并在实时行情开始前请求历史K线，以初始化策略状态。一个为期五天的ETF动量策略同时用于回测和影子模式中的策略引擎，传入的逐笔数据则汇总为K线。…

本笔记提出一种流程，用于在挑战模型获得资金之前，以影子模式评估该模型。它比较固定的现有模型与候选模型的已存储预测结果，构建等权排名多空组合，对两者应用相同的交易成本规则，并评估预先设定的晋级门槛。该门槛结合了最低夏普比率改善幅度和观测时长，以及信号相关性、头寸一致性和相对回撤上限。要求所有条件均满足，旨在区分稳健的模型升级、噪声导致的表现结果，以及策略敞口的变化。…

本笔记提供一个框架，使用每日投资组合收益和匹配的SPY基准评估ETF配置回测。内容涵盖夏普、索提诺、卡玛和最大回撤等风险与收益指标、滚动指标、回撤恢复、相对基准的阿尔法、贝塔、跟踪误差和信息比率，以及特定压力时期的表现。收益来自一项已登记且考虑成本的回测；执行假设沿用该回测产物中的设定，不会再次扣除成本。…

本笔记说明模型不确定性如何在点估计之外提供信息。它拟合一个随机波动率模型，其中潜在对数波动率随时间演化，收益服从Student-t分布。笔记提取后验分布离散程度、区间宽度和参数估计作为特征，并关注采样器收敛和蒙特卡洛误差。笔记还介绍ARIMA模型的预测区间，并说明为何应在估计所用的尺度上衡量不确定性。…

这套评估工具将金融检索增强生成流程中的失败分为四类：检索相关证据、依据该证据回答、拒绝无法回答的问题，以及抵御检索文本中的不安全指令。工具使用手工编写的测试样例，其中包含问题、真实申报文件摘录、生成的答案、引文，以及预期的拒答或安全行为。笔记为各项行为定义了单独的指标，并考察组件得分和综合得分，指出混合后的结果必须追溯到其底层指标。…

本分析读取一个已登记的回测流程，评估基于公司特征的月度US股票策略。它报告夏普不确定性、概率夏普和去膨胀夏普指标、配对策略比较、留出期衰减，以及旨在反映微型股流动性差异的成本分析。验证集用于选择策略规格；留出集用于评估冻结后的选择，而非进行新一轮选择。配对指标和置信区间用于区分实际测得的变化与点估计差异。本文强调了解释结果的局限：留出期仅涵盖一个日历年，分析针对主要月收益标签，而且窗口较短可能导致区间较宽。多空组合假设能够按随时期变化的费率借入股票；成本分析显示，容量限制可能大幅压缩价差。队列调整处理了选择效应，…

本笔记在符合条件且覆盖完整的候选项中，对验证夏普排名最高的配置谱系评估逐仓止损、移动止损和时间退出。每种覆盖规则都与其自身未应用覆盖规则的母策略比较，以单独衡量该风险规则的影响。配对区块Bootstrap区间用于评估夏普差异是否显著异于零，并同时比较回撤。选择和调参仅使用验证数据。排除经完整验证期MAE校准的阈值，因为同一批路径既用于设定阈值，也用于评分；另行保留一个留出集来评估冻结后的配置。笔记还强调，股票池由当前成分股组成，因此生存偏差限制了关于历史指数成分或未来S&P…

本笔记比较卖出跨式期权的S&P 500策略所采用的投资组合权重规则。在选定标的和其他策略设置保持不变的情况下，它用基于模型预测或标的收益风险估计的配置器替代等权基准。可选方法包括评分加权、反波动率、风险平价、层级风险平价、收缩均值方差优化，以及根据预测区间宽度进行的保形加权。…

本笔记衡量执行成本对已选定加密货币永续合约配置的影响。它固定模型、检查点、入场规则、配置器和风险控制，然后根据预先设定的网格，对交易名义金额应用不同的往返成本并重新运行策略。所得成本衰减曲线旨在展示该配置能承受多大摩擦，以及表现何时达到盈亏平衡；它不用于对候选项排名或进行选择。…

本章围绕一个实际问题综述时间序列深度学习：观测顺序何时包含横截面预测遗漏的信息？哪些模型设计能够利用这些信息？内容涵盖循环网络及其顺序训练负担、N-BEATS等分解模型、基于注意力的方法、时间卷积、混合网络、状态空间模型、图像编码和预训练预测器。笔记系列比较不同架构，并包含强大的线性基准、滚动评估和打乱顺序等诊断，以检验模型是否利用了时间结构。…

这项只读分析汇总多个模型类别的验证预测，用于评估预测是否完整、对股票的排序效果如何、排序能力能否跨折持续，以及表面相似的模型是否提供不同信息。分析采用信息系数，即预测与后续收益之间的横截面秩相关，并使用考虑重叠收益窗口依赖性的区间。两两比较使用共同日期和面板键，避免样本不匹配或重复连接导致结果失真。…

本笔记使用SHAP解释ETF收益的岭回归预测。对于线性模型，特征归因与拟合系数及其相对于背景特征值的偏差之间存在闭式关系，因此分析可以根据精确分解检验解释器。笔记演示全局重要性、单次预测的瀑布图解释，以及对高幅度且预测正确或错误的结果进行比较。模型在最后一个滚动验证折上训练，其他各折的拟合则展示特征重要性如何随时间变化。…

本笔记介绍如何为先前选定的S&P 500期权模型生成样本外预测集。它根据验证结果固定配置，在留出期之前的数据上重新拟合该配置，并登记留出窗口的预测。训练身份核验用于区分真正的重新拟合与误关联到验证集训练运行的预测。训练截止点还包含完整期权周期的标签缓冲期，因为到期收益的结算时间晚于固定期限目标。…

此工具介绍一种方法，可使用Fama–French三因子或五因子模型（可选加入动量因子）解释策略收益。它将每日因子数据与策略收益对齐，识别收益频率，并在策略观测频率低于每日时复合因子收益。普通最小二乘法估计阿尔法和因子暴露，Newey–West异方差与自相关一致标准误则用于统计推断。对于只做多策略，收益按超过无风险利率的部分建模；对于美元中性策略，则使用原始收益。…

本笔记在小时级BTC、ETH和SOL永续合约数据上测试双模型退出设计。入场分类器识别异常强劲的前向收益；其预测概率随后与技术特征一起输入另一个模型，用于估计下一个24小时收益是否为负。退出模型训练时使用的入场概率由扩展窗口的折外预测生成，并在折边界处清除观测，以防标签延伸到之后的时段。…

本章将风险管理作为策略设计和实际运行的一部分。内容涵盖风险价值和条件风险价值的尾部风险衡量、回撤深度与恢复、敞口分解、压力测试、自适应控制和治理。所述方法包括历史法、参数法和Cornish-Fisher尾部估计；危机重演和假设情景；因子回归；波动率目标控制；仓位退出；漂移监测；以及熔断开关。章节强调，应在部署前定义限额和升级处置规则，并且只使用决策时可获得的信息。…

本笔记利用时间加权平均价格（TWAP）执行规则的示范，比较行为克隆与逆向强化学习（IRL）。行为克隆将观察到的市场状态直接映射为动作；IRL则根据执行特征拟合线性奖励，并从推断出的目标导出策略。TWAP提供了已知的参考目标：将交易均匀分散，在降低每步市场冲击与承担价格随时间变化的敞口之间取得平衡。…