知识库

本笔记区分收益预测与声称动量会导致收益这两种说法。它将股票过去一年的收益（不包括最近一个月）视为处理变量，将未来收益视为结果变量。近期波动率、流动性不足排名和成交量比率被设为潜在混杂因素。双重机器学习分别根据这些变量对结果和处理变量建模，然后通过将残差化后的结果对残差化后的处理变量进行回归来估计影响。两个干扰项模型都采用滚动方式拟合，并设置隔离期，以避免使用未来信息。…

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。…

本笔记比较波动率测量方法，并在粗糙度分析之外构建异质自回归（HAR）波动率模型。它使用日内收益估计时段已实现方差，区分日内波动与隔夜收益，并将基于日内区间的估计量与更高频的测量结果进行核验。文中指出了数据问题，例如公司行动后的价格未作调整、交易时段不完整，以及交易所交易时段缺失。HAR 结合短期、中期和较长期的波动率均值，使其系数可解释为不同市场节奏的贡献；回归变量重叠意味着需要修正标准误。…

本笔记使用拆分保形预测，为梯度提升预测构建区间。模型在较早的训练片段上拟合，在较晚的校准片段上测量绝对残差，并使用有限样本次序统计量设定区间宽度。校准数据按时间顺序划分，并通过与标签期限相关的隔离期与训练数据分开，以处理前瞻目标造成的信息泄漏。研究比较了 ETF、加密货币和期货数据上的区间覆盖率与宽度，涵盖分位数回归、保形化分位数回归和自适应保形推断。…

本笔记使用一个确定性的一百万行 OHLCV 面板，比较 CSV、Parquet、Feather 和 HDF5 存储格式。它测量写入时间、完整读取并物化数据所需时间、文件大小，以及仅选取两列时的读取时间。计时方法采用一次写入测量，并在预热后对多次热缓存读取取平均。笔记会强制物化数据，避免将内存映射的 Feather 读取误认为数据已完整读取，并验证每次完整读取是否返回预期行数。…

本笔记介绍将财经标题转化为个股信号的流程。它会清理并规范新闻语料，在股票代码与日期分组内去除完全重复及前缀匹配的重复项，并使用句子嵌入表示标题含义。新闻意外度衡量某日嵌入与近期基准的偏离程度；情绪特征则反映平均情绪极性及分歧程度。笔记还将意外度与情绪方向结合，按股票代码和日期汇总观测，并通过信息系数和收益分组评估信号与未来收益的关系。…

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…

本笔记构建了一个在网页搜索和概率预测之间交替工作的预测智能体。一个精简的双方法语言模型接口，让同一循环可以使用模拟、本地或商业服务商。智能体接收一个预测市场问题，并可发出两种 JSON 操作之一：搜索证据，或说明一个概率并给出理由。步骤预算会限制运行过程；在调用任何工具之前，格式错误或未知的操作都会被记录并送回以便修正。…

本笔记通过交易数据构建成交笔数和成交量失衡柱，考察由信息驱动的抽样方法。它将手动实现的成交笔数失衡算法与库中的采样器进行核验，随后调整预期柱大小和自适应设置，比较自适应、固定阈值和滚动窗口方法。通过柱数、平均大小、Jarque–Bera 正态性检验、滞后一阶自相关和方差比统计量评估柱收益。该框架强调随时间检查采样器的阈值组成：仅观察期末预期规模的漂移，可能遗漏自适应过程中向上、向下或相互抵消的变化。…

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。…

本笔记推导欧式看涨期权和看跌期权的 Black-Scholes 定价，检验看涨看跌平价，并使用 Brent 求根法计算隐含波动率。还定义 Delta、Gamma、Vega、Theta 和 Rho，并用图表展示期权敏感度如何随实值程度和到期时间变化。希腊值被视为用于对冲和理解风险敞口的局部指标；隐含波动率则是使模型价格与观察到的期权价格相匹配的波动率输入。…

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。…

本笔记介绍用于动态 US 股票面板的工具变量主成分分析（IPCA）。传统 PCA 为每只股票分配拟合载荷，无法自然覆盖训练样本中缺失的股票，而且公司特征发生变化时，载荷仍保持固定。IPCA 则估计从可观测特征到因子载荷的共享映射，因此可以为未见过的股票计算载荷，并在特征变化时更新载荷。 本笔记在滚动各折的训练行上拟合模型，并使用相同的面板和因子数量与 PCA…

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。…

本笔记研究梯度提升在 US 股票面板上的表现，针对三个未来收益期限改变树容量、目标函数和训练检查点。笔记说明浅树如何学习特征交互，同时指出提高容量也会增加拟合噪声的风险。平方误差、绝对误差和 Huber 损失对厚尾收益观测的处理各不相同；秩信息系数（IC）奖励排序，而非收益幅度的预测准确度。对多个检查点评分会将每个检查点视为独立候选项，并揭示随着树数量增加表现是否发生变化。 本笔记报告验证折 IC 和预测覆盖率，但不选择交易策略；策略选择留待后续根据夏普进行回测。IC…

本笔记展示如何使用 SHAP 解读预测 ETF 未来收益的 LightGBM 模型。TreeSHAP 为单个预测提供特征贡献，并汇总整体重要性。蜂群图和依赖图展示特征值与贡献之间的关系；局部解释则将单个预测相对于模型期望值进行分解。本笔记还将 SHAP 排名与置换重要性和树不纯度重要性进行比较，考察特征交互，并跟踪滚动各折的平均绝对 SHAP 值，作为漂移诊断。…

本章将市场数据视为交易规则、流动性和参与者行为共同作用的结果。内容从最优报价延伸到订单级数据源，继而介绍如何解析交易所消息并将其重放到特定交易场所的限价订单簿中。还涵盖订单簿生命周期检查、流动性和订单流分析、日内交易模式，以及单一交易场所可见流动性的局限。另一个重点是采样：按时间、活动量和信息量构造的柱线会形成不同观测，而交易方向分类和时间戳对齐会影响对观测的解读。 本章还介绍日内数据质量和交易时段检查，以及利用双幂变差和 Lee–Mykland…

本笔记介绍 TSMixer，这是一种交替执行两种操作的时间序列神经网络：针对每个特征，在回看期内各日之间应用共享线性映射；以及在每天独立应用共享特征 MLP。残差连接和预归一化为网络层提供支持，小型输出头则调整架构以预测一个横截面收益。本笔记强调，张量轴的排列方式决定每层组合哪些值，并将模型的参数成本与作用于展平窗口的全连接层进行比较。 示例使用 ETF…

本案例研究说明，在根据验证数据确定模型和策略选择后，如何生成留出期预测。它读取先前选定的配置，重建其训练规范，并仅使用留出期开始前可用的数据重新拟合。由于标签代表未来收益，训练区间会在评估窗口前至少一个完整标签期限处结束，以防该窗口内的结果进入模型拟合。…

本笔记介绍 EdgarTools，用于按公司和文件类型浏览 SEC 文件。它展示了如何使用稳定的 CIK 标识符查找发行人、获取年度和季度报告、提取 XBRL 财务报表，以及查看内幕人士 Form 4 和机构 Form 13F 数据。它还介绍如何搜索更广泛的文件索引，以及访问申报文本和附件。 回测时，关键时间规则是以申报日期作为信息公开的时间点，而非会计期间结束日期。笔记还提醒，公司自行选定的报表标签各不相同；Form 4 交易代码很重要，因为披露的大量活动属于薪酬；13F…

本笔记对八种期限为一年至三十年的美国国债恒定期限收益率变化应用主成分分析。分析会移除收益率没有变化的前向填充日历行，并在进行 PCA 前标准化剩余观测值，使每种期限的影响相同。它将前三个成分解释为水平、斜率和曲率：平行变动、趋陡或趋平，以及中段相对于两端的扭转。为确保解释一致，成分符号会固定；同时使用自助重采样考察载荷的稳定性。…

本笔记介绍一种 LSTM 序列模型，用于根据近期特征的有序窗口预测股票收益。每个样本使用一只股票连续 60 个交易日的数据；跨越上市间断、停牌或其他中断的窗口会被排除，以免将不连续误认为日度变化。模型会在每个交易日传递隐藏状态，并通过门控机制控制哪些信息进入、保留或输出。模型包含两层循环层，隐藏状态维度为 64，并在 100 个训练轮次的安排中每五轮保存一次训练检查点。…

本笔记汇总了九个案例研究中五种潜在因子估计器的已登记验证结果：PCA、IPCA、CAE、SDF 和 SAE。它首先报告每个面板中哪些估计器有结果，然后使用 HAC 置信区间，找出每个案例研究中平均日度 Spearman 秩信息系数最高的估计器。它还比较了 US Firms 面板上的估计器，并通过按日期配对比较控制共同日期，评估其相对于监督模型的排名表现。 分析发现，没有任何估计器在所有面板中都领先，部分领先估计值的区间跨越零。在 US Firms…