知识库

本笔记评估历史 ETF 数据是否能支持月度排名策略，且不预先构建模型或预测。它根据上一年度的流动性检查时点资格，统计再平衡日期可用的基金数量，将每股佣金和估算的半价差换算为相对于价格的成本，检查收益变动能否覆盖这些成本，并衡量每只基金的收益自相关。它还检查前向滚动切分是否适合开发样本，并确保留出期未被查看。…

本笔记筛选候选特征，用于同一股票、同一到期日的平值看涨和看跌期权卖出策略，并持有跨式期权至到期。对于每个特征，它衡量该特征对可用标的的排序是否与之后的跨式期权结果排序一致。分析计算每日横截面排名一致性并取时间平均，再扩大不确定性估计范围以考虑重叠头寸。它还针对多项候选检验调整显著性筛选，并检查关联是否在多个验证期中持续存在。…

本笔记比较 BM25 关键词搜索、稠密嵌入、倒数排名融合（RRF）和交叉编码器重排，检索公司 10-K 文件中的段落。它构建各类检索方法，并评估它们对精确、概念和混合查询的排序结果。RRF 融合的是排名而非原始相关性分数，因此无需校准分数，也能合并分数尺度不同的系统。之后，重排器会对检索到的候选集合重新排序，生成更短的最终列表。 由于无法获得人工判断，基准测试使用根据词元重叠生成的伪相关性标签。由于该规则与 BM25…

本笔记比较 US 股票面板上三个收益期限的 LightGBM 模型。参数网格改变树叶数量和损失函数，并在多个树数量检查点为各配置评分。讨论说明浅树如何学习特征交互、平方损失、绝对损失和 Huber 损失对厚尾收益的不同响应，以及评估选择结果时为何必须将每个检查点视为独立候选。 评估使用样本外排名信息系数和学习曲线，判断模型是否持续改善或开始过拟合。它还比较不同期限的结果并检查预测覆盖率，因为近乎恒定的预测可能导致模型的平均 IC 只反映部分日期。IC…

本笔记处理 SEC 的季度批量 13F 持仓数据，研究机构持股、管理人排名和共同持股网络。它按申报日期为每位管理人选取最新申报，按 CUSIP 而非发行人文本汇总证券，并筛查每股申报价值中位数超出合理范围的申报。价格一致性检查利用申报价值与股数之间的关系，但不预先假设哪个字段存在单位错误。分析区分持股广度与申报持仓规模，并考察共同管理人门槛对图网络密度的影响。 笔记强调，13F…

本笔记将股票和期权研究得出的验证集预测转换为仅做多的股票组合，以评估这些预测。它采用等权 Top-K 基准，比较多种组合集中度，并遵循各标签特定的决策频率。收盘时形成的信号在下一个可用开盘价执行，并使用带固定随机种子的随机信号运行来检查流程连接。只有在验证日期覆盖范围可比后，才对候选结果排名；不确定性分析包括区块自助法区间，以及针对多个相关变体选择所作的调整。…

本笔记使用源自 NASDAQ ITCH 的成交记录和订单消息来展示市场微观结构模式。笔记检查逐笔成交价收益率的一阶负自相关，并解释买价和卖价上的交替成交如何在内在价值未变时造成表面上的价格反转。这提示在收益分析中，如果目标是减少买卖价反弹的影响，可以使用中间价收益。…

此工具模块提供用于诊断交易数据面板的统计辅助方法。其自相关方法先在每个实体内部计算曲线，再汇总跨实体结果，从而避免一个实体序列末尾与另一个实体序列开头之间产生虚假的依赖关系。如果提供期间索引，方法会保留缺失期间，以便按指定滞后配对观测。报告内容包括汇总估计值、跨实体百分位数、不确定性参考，以及可能随滞后变化的计数。…

这项 US 股票案例研究区分了预测未来收益与声称动量会导致未来收益这两种主张。笔记将过去一年收益（但排除最近一个月）作为处理变量，将前向收益作为结果，并将近期波动率、非流动性排名和成交量比率作为混杂因素。双重机器学习先根据这些混杂因素分别建模处理变量和结果，再通过两种模型的残差估计效应。笔记采用带隔离期的滚动拟合，避免从未来数据中学习辅助关系。…

这篇教学笔记使用 ETF 数据比较监督式交易模型的目标标签方法。内容涵盖固定期限收益和方向标签、滚动时间序列百分位数、横截面百分位数、固定或按波动率缩放阈值的三重障碍标签，以及趋势扫描。笔记还讨论了重叠观测的唯一性加权和序贯自助抽样。 示例强调，标签构造必须与策略相符：横截面百分位数适用于排序，而基于 ATR…

本笔记展示如何将季度 SEC 10-Q 管理层讨论与分析文本转换为两个候选股票信号。FinBERT 对文本片段的正面、中性或负面语气进行评分；片段得分汇总为平均情绪和文件内离散度。句子嵌入模型提供第二种度量：连续季度叙事之间的语义距离。文件受理日期确定每个信号的可用时间，工作流再将信号与市场数据连接，以评估前向收益。 笔记通过 Spearman 信息系数、五分位分析和聚类自助法置信区间筛查信号质量。笔记还处理同一天提交多个季度文件的情况，以避免连接键重复，并指出由于年度报告取代第四季度…

本笔记比较在预测中使用市场状态的三种方式：不包含状态输入的基准模型、接收高波动状态滤波概率的单一模型，以及在硬性状态划分内分别训练的模型。为避免前视偏差，笔记在每个滚动训练块内重新拟合隐马尔可夫模型，根据拟合方差排列状态，并通过测试块中的前向递推计算概率。针对每个折单独进行缩放，并在训练数据与测试数据之间留出间隔，有助于避免未来观测和重叠预测目标造成的数据泄漏。笔记对不同折的结果进行比较，并提醒，在此示例中折间差异大于设计间差异，折数量也不足以支持显著性结论。…

本笔记估计买方发起的带符号成交量占比是否与未来 15 分钟收益相关，并控制相对价差、近期实现波动率和过去一个月收益。双重机器学习使用交叉拟合，根据这些混杂因素预测结果和处理变量，再对残差回归，以分离控制变量无法解释的处理变量变化。分析使用一分钟 NASDAQ-100 观测，并在拟合前确定纳入总体、折叠边界、隔离区和安慰剂设计。区块置换反驳检验会在打乱处理时点后将估计值与观察到的估计值进行比较；笔记建议同时报告 Newey–West 标准误，并在结果不一致时保持谨慎。…

本笔记介绍层级风险平价（HRP），这是一种旨在降低对噪声协方差估计敏感度的投资组合构建方法。笔记介绍了三个阶段：按相关性距离对资产聚类；根据得到的层级关系重新排序；然后递归拆分聚类，并向方差较低的一侧分配更高权重。笔记还将 HRP 与均值—方差优化进行对比；后者的协方差矩阵求逆可能放大估计误差。笔记也对比了先稳定协方差估计、再求逆的收缩方法。 示例将这些方法应用于固定的 ETF 宇宙，并在滚动分析中比较配置器。笔记提醒，该宇宙是事后选定的，比较结果不能证明哪种方法普遍更优。HRP…

本笔记评估策略流程中已登记的 ETF 回测，涵盖信号、配置、成本和风险叠加层。笔记读取现有预测和回测结果，不拟合模型或新增回测，并根据已登记结果计算群组及配对比较指标。分析内容包括策略指标的自助法置信区间、选择偏差度量、阶段间比较，以及验证期和留出期与等权 ETF 宇宙基准的比较。…

本笔记使用 NASDAQ ITCH 衍生成交记录考察日内交易活动。笔记将逐笔交易重新采样为时间区间，并比较从三个活动层级中各选取一个股票代码的成交股数、交易笔数、最新价格和成交量加权价格。对于活动最少的股票代码，笔记使用更宽的时间区间，以便稀疏交易仍清晰可见。笔记还对交易最活跃股票代码的标准化成交量模式取平均：将每个时间区间表示为该股票代码日成交量的占比，使汇总结果反映时间分布，而非交易规模。 呈现的模式呈 U…

本指南介绍两种用于微观结构研究的 US 股票订单簿逐笔数据来源：Databento 逐笔委托事件和 NASDAQ TotalView-ITCH 消息。指南说明它们的格式、覆盖范围特点、近似数据量和利弊。MBO 提供经过处理的委托事件，例如新增、修改、撤销和成交；而 ITCH 是免费的原始二进制数据流，必须经过解析和标准化。 工作流程涵盖下载前估算 MBO 的下载成本、下载选定日期的数据、加载可用数据，以及检查事件或消息类型。指南建议只对所需标的和时段提交付费的 MBO 请求；ITCH…

本笔记考察 ETF 收益预测如何表达不确定性，并比较蒙特卡洛丢弃法与深度集成。重复推理时，丢弃操作会保持启用；集成模型则衡量分别训练的网络之间的分歧。这些分散程度可以估计不确定性，但仅凭它们无法得到具有覆盖率属性的区间。拆分保形校准会将预测误差转换成区间，并考虑普通版本和按不确定性归一化的版本。…

本笔记比较六种方法，使用同一预测排名为所选 ETF 投资组合加权：等权、分数加权、反波动率、风险平价、均值方差优化和层次风险平价。它在比较配置方法的同时改变所选基金数量，因为在集中持仓中，各加权方法的差异较小；而当投资组合包含风险特征不同的基金时，方法间差异可能更明显。…

本笔记拟合一个预先声明的 LSTM 模型，用于标准普尔 500 期权研究中的预测。网络接收每个标的按时间排列的历史窗口，并使用门控循环状态表示多个交易时段中的信息，而不是只依赖人工设计的特征。配置的回看期、网络规模、丢弃率、批量大小和训练检查点共同定义模型设置。共享工作流负责构建验证折、设置验证间隔、保存检查点、重启运行，并检查预测是否恰好覆盖所有符合条件的行。 本笔记将 LSTM…

本笔记比较三种将金融新闻句子分类为正面、中性或负面的方法：使用 TF-IDF 词语和短语特征的逻辑回归、使用平均静态词向量的分类器，以及预训练 FinBERT 情绪模型。所有方法都在 Financial PhraseBank 高一致性子集的同一个分层测试拆分上评估。两种词汇方法共用训练拆分和估计器；FinBERT 则是外部微调的分类器，未经适配直接使用。 比较说明了不同表征保留的信息：TF-IDF…

本笔记介绍如何使用 SEC XBRL 数据构建并检查季度股票基本面面板。每条观测都包含其描述的财政期，以及信息公开时的申报日期。这一区别对历史测试至关重要：只按期末日期筛选，可能纳入投资者当时尚未知晓的数据。笔记衡量概念覆盖率和申报延迟，并比较考虑申报日期的 as-of 查询所能获得的最新观测与基于期间的查询结果。…

本笔记评估会计和价格特征作为下月 US 股票收益独立预测变量的表现。它计算每个特征与收益标签之间的月度截面排名相关性，再按开发期月份进行汇总。工作流程排除预留的留出集，检查面板完整性，要求达到最低覆盖率和截面广度，并考察不同关联能否在滚动训练期和验证期内持续存在。…

本笔记为 ETF 配置回测提供诊断框架。它计算夏普、索提诺、卡玛、波动率、风险价值和最大回撤等风险与收益指标；跟踪滚动表现和回撤修复；并使用阿尔法、贝塔、跟踪误差、信息比率和捕获率指标与 SPY 比较投资组合。笔记还考察选定市场压力时期的收益。分析的投资组合从注册表中解析为验证夏普比率最高的配置回测，其收益已经计入注册的执行和交易成本假设。…