知识库

本笔记使用真实留出数据产物，为已部署的金融模型构建监控工作流。在衡量漂移之前，先检查传入特征数据是否完整且结构有效，再比较参考窗口和当前窗口。特征分布变化通过总体稳定性指数和双样本 Kolmogorov–Smirnov 检验进行评估。笔记将两种指标结合使用，因为稳定性阈值属于约定，而统计显著性在大样本中可能标记实际影响很小的变化。…

本笔记将仓位规模与最大不利和有利变动分析联系起来。笔记展示固定比例仓位确定法：根据每笔交易的风险预算和入场价至止损价的距离确定股数，同时受集中度上限约束。笔记还根据滞后的独立波动率构建仅做多的反波动率配置，并强调这种启发式方法忽略了相关性，也不是考虑协方差的风险平价。…

本笔记说明如何使用 SHAP 解读 ETF 面板的岭回归预测。对于线性模型，每个特征的归因等于其系数乘以该特征相对于训练背景均值的偏差，因此可以通过闭式计算核对这些归因。工作流程涵盖总体归因幅度、对单个预测的瀑布图解释、对高置信度正确和错误预测的比较，以及滚动验证折之间的重要性稳定性。…

本笔记介绍一种工作流程，将 SEC 年报和季报转换为结构化文本，以供后续情绪、主题和嵌入分析。它将所需章节映射到不同表格对应的项目编号，并指出管理层讨论在 10-K 和 10-Q 中使用不同的编号。提取方法会清理 HTML，同时保留段落边界；随后根据前后章节边界定位标题，而不是接受首次出现的位置，因为首次出现可能来自目录页或交叉引用。 工作流程会检查提取结果是否为空、短得不合常理或过长，并使用词汇重合度和段落的精确变化来比较相邻文件。章节以 accession…

本笔记说明条件自编码器如何扩展带工具变量的主成分模型：神经网络将股票特征映射为因子暴露，同时模型保留相同的暴露乘以因子收益的结构。模型通过重构每个训练窗口配置的前瞻收益标签进行拟合，随后评估将固定因子均值应用于验证日期的暴露后，能否对下一窗口的股票进行排序。由于重构使用的正是之后以信息系数评分的同一标签，正向得分并非独立出现的意外；验证排名仍在检验模型能否迁移到之后的截面。 估计器训练 50 个周期，并在十个检查点发布预测，每隔五个周期一个。这些检查点记录的是一次拟合的进展，不是十个可按验证 IC…

本研究使用股票前向收益检验金融特征和GJR-GARCH波动率特征。对于每个交易时段，研究计算各股票之间某项特征与后续收益的秩相关，然后评估平均关联度、滚动验证窗口中的一致性，以及测试多个候选项后结果的可信度。研究还会在测量预测关联性之前筛查特征覆盖率和数据过时情况，并为每个特征记录一项决策。分析使用开发数据；留出集留待之后评估选定配置。…

本资料介绍两个用于情绪分析、文本特征开发及新闻与收益关联实验的财经新闻语料。FNSPID将新闻标题与股票代码关联，覆盖较长历史时期；除完整数据集外，还提供较小样本。彭博档案包含新闻文本和结构化金融序列，但覆盖时期较短，作为情绪、主题和跨数据集稳健性研究的补充来源。两者均通过公共数据集平台分发，本文概述了其基本内容和加载选项。…

本笔记展示如何检验四种管理型投资组合策略在控制十个主成分所捕捉的广泛市场波动后，是否能增加对SPY收益的解释力。候选投资组合依据近期动量、低波动率或短期反转对ETF排序，并使用滞后收益构建多空组合。它将每个因子未经调整的SPY载荷，与通过两次LASSO回归选择控制变量后估算的条件载荷进行比较。扩展时间序列交叉验证以及各折内单独进行的缩放和PCA，可避免未来观测进入较早的验证折；所选控制变量则进入包含截距项的OLS模型，并使用Newey–West方法进行推断。…

本文介绍如何将季度SEC 13F批量申报数据整理为机构持仓面板。它按申报日期为每位管理人选取最新申报，使用CUSIP而非申报人填写的公司名称来识别证券，并筛除隐含股价中位数不合理的申报。价格检查以申报持仓价值除以股数计算，可发现单位或股数不一致，但无法确定哪个字段有误。随后，分析会考察管理人排名、作为拥挤度代理指标的持股广度，以及共同持股关系图中的边。…

本文介绍如何使用工具变量主成分分析对ETF收益建模。普通PCA会为每只基金分配固定的因子敞口，而IPCA则将每只基金的敞口设为其可观测特征的共同线性函数。它通过交替最小二乘法同时估计从特征到敞口的映射和因子收益。该方法提出的约束会汇集不同基金和日期的信息，但仍假设特征关系是线性的。…

本笔记使用NASDAQ ITCH成交记录，考察常规交易时段内成交量和交易活动如何变化。它将成交记录重采样为时间柱，比较高、中、低活跃度代表性股票的价格和成交量，然后先按各只活跃度最高股票自身的日成交量进行标准化，再对其模式取平均。结果显示，开盘和收盘附近交易更活跃，午间则有所放缓。笔记还计算了开盘与收盘时间柱相对于午间的成交量，并将时段信息与后续交易模型的特征设计联系起来。…

本笔记使用价差、盘口深度失衡、带符号成交量和价格冲击等日内微观结构信息，比较用于按下一段15分钟收益对NASDAQ-100股票排序的预测模型。仅当覆盖完整时，才为每个模型家族选取一组代表性预测，并保持模型检查点彼此独立。分析比较秩相关及其不确定性区间，检查滚动验证各折的表现，测试预测分组的单调性和对市场状态的依赖性，并检验保形预测区间是否达到其声明的覆盖率。因果效应估计与预测分数分开处理。…

本评估使用股票前向收益检验期权曲面、价格衍生和条件波动率特征。对于每个交易时段，它会计算特征值与后续收益之间的横截面秩相关，再考察这些信息系数（IC）的时间序列。评估内容包括平均关联度、针对重叠前向收益调整后的不确定性、滚动验证窗口中的表现，以及测试大量候选项的影响。在考察预测关联性之前，会先检查覆盖率和过时值以筛查特征定义；高度冗余的特征则被视为代表基本相同的排序。…

本模块说明，当股票代码可能在不同时间代表不同证券时，如何准备标普 500 历史价格数据。它应用公司行动调整因子、跟踪证券标识并标记身份边界。收益计算仅限于证券身份稳定的区段；代码重新分配时收益保持未定义，而不会记录成虚假的市场波动。对于需要连续价格水平的回测面板，模块会单独重新缩放后续区段以衔接先前水平，并将每个代码最后一个调整后价格锚定到公布收盘价。…

本笔记介绍针对带有期权曲面特征的股票面板进行工具变量主成分分析（IPCA）。普通PCA根据每只股票的收益历史估算其暴露，而IPCA将暴露建模为各股票当日特征的共同线性函数，例如隐含波动率、偏斜度、期限结构以及隐含方差与已实现方差。交替最小二乘法会同时估算这一映射和共同因子收益。由于暴露根据特征计算，该方法可以处理非平衡面板，包括收益历史不连续的股票。…

本笔记概述从公司10-K文件中提取供应商、客户和竞争对手关系，并将其存储为Neo4j知识图谱的流程。本地语言模型会提出结构化的主语—谓语—宾语三元组，随后通过基于字符串的实体消歧统一名称，并将文件中提及的实体映射到规范公司。批量图写入会加载消歧后的关系，图查询则汇总共同供应商，以呈现供应链集中度。…

本数据指南比较两种用于订单簿和市场微观结构研究的US股票逐笔数据源。Databento逐订单记录提供预处理后的新增、修改、取消和成交事件，而NASDAQ ITCH提供需要解析和标准化的原始交易所行情流。工作流程包括估算付费数据成本、下载选定日期的数据、加载文件并检查消息类型。指南建议，针对特定标的的研究使用更有针对性的逐订单数据源，覆盖更广的市场分析则使用范围更广的交易所行情流。…

本笔记演示如何微调Transformer进行金融命名实体识别，将文本片段转换为结构化的机构、人物、金额、日期和百分比字段。笔记介绍BIO实体边界标签，并说明如何将词级标注对齐到子词元：首个子词元接收该词的标签，后续部分不计入损失。笔记还区分精确实体跨度评分与词元级评分，并说明提取出的实体数量如何转化为文档特征。…

本笔记介绍将分钟级NASDAQ-100数据转化为模型特征的三种方法：用于预测方差和预测误差的滚动HAR回归、用于分析近期成交量模式的傅里叶变换，以及用于表示价格和订单流变化顺序的二阶路径签名。笔记强调，拟合参数蕴含其估计窗口的信息，因此重新拟合和特征时点必须避免使用未来信息。特征按时间戳和交易标的存储，并检查其在配置的预测期限所需不同滚动验证划分中的覆盖情况。…

本笔记比较从公司申报文本语料中检索段落的四种方法：BM25、稠密嵌入、倒数排名融合（RRF）和交叉编码器重排器。RRF融合的是排序列表，而非原始分数，因此能够结合词法与语义系统，无需校准它们不同的分数量纲。随后，重排器会对候选集合重新排序。笔记还说明如何实现各检索阶段，并在相同检索深度上评估它们。…

本案例研究评估覆盖广泛的US股票池中的每日横截面信号，并梳理完整研究流程：从时点数据和特征工程，到模型比较、组合构建、成本分析和留出集评估。研究采用滚动验证和多个远期收益期限，比较线性模型、树模型、表格神经网络、时序神经网络及潜在因子方法。交易策略按股票排名，构建美元中性多空组合，并考虑随时期变化的交易成本和借券因素。…

本笔记比较LightGBM与MLP、TabM，以及在可用时的TabPFN，利用表格特征预测ETF远期收益。模型在相同的按时间顺序排列的滚动验证折上评估，主要比较秩信息系数和训练时间。神经网络方法包括简单的多层感知机和TabM；后者对共享同一骨干网络的多个适配器头的预测取平均。训练使用L1损失，并在每个训练窗口内用留出数据选择停止点。…

本笔记比较普通最小二乘、岭回归、LASSO和弹性网络，用于预测 ETF 的21日远期收益。各模型使用相同的预先声明的滚动验证折，并设置与标签期限相匹配的清除间隔。每一折都根据训练集百分位数截断特征极值，然后在拟合前对特征进行标准化。绩效指标包括横截面秩信息系数；当可用资产过少或预测值没有变化时，不计入未定义的日期。 分析通过 alpha…

本笔记介绍局部线性趋势状态空间模型，说明如何从价格水平中提取金融特征。隐藏状态包含价格水平和斜率，观测值则是带噪声的收盘价。每一步中，滤波器先预测状态，再计算观测预测误差（创新项），并根据卡尔曼增益更新估计值。由此得到的水平、斜率、预测误差（创新项）和不确定性可用于描述趋势、意外变化和置信程度。噪声设置决定估计值的响应速度，而最大似然拟合则提供了一种基于数据确定参数的替代方式。…