知识库

本文介绍双重机器学习（DML）如何在控制点差、短期波动率和滞后收益后，估计买方主动成交量占比是否影响未来收益。它使用交叉拟合从处理变量和结果变量中分别剔除这些控制变量的影响，再依据残差之间的关系估计效应。示例使用一分钟NASDAQ-100观测和十五分钟结果期限，并根据Lee-Ready规则对订单流分类。 本文强调应使时间防护措施与标签期限一致：隔离期、留出截止点和区块置换反证都必须考虑未来结果之间的重叠。该反证将观测到的HAC…

本笔记将已登记的NASDAQ-100微观结构回测转化为策略评估，不训练模型，也不重新运行回测。它从登记记录中读取指标和沿袭关系，按需生成衍生的群组表和配对比较表，并在共同日期上将策略与等权基准进行比较。其核心方法是分析逐日收益差异，而非用独立汇总统计量相减，从而保留配对观测中的信息。笔记使用区块自助法区间处理连续日收益之间的依赖性。…

本笔记将此前选定的CME期货配置应用于留出预测，采用既定的配置器、再平衡计划、集中度规则和交易成本假设。其核心方法是：在评估留出集之前冻结这些选择；观察该期间后再更改任何参数都会削弱测试。系统通过已登记的训练和回测标识解析选定配置及相匹配的预测集，并将运行结果记录为留出回测。…

本笔记介绍特征库如何保持训练数据与实时模型输入一致。文中通过实体键、事件时间戳、有效时长和特征列描述特征视图，并对比历史训练所用的时点连接与线上服务所用的最新已知值查询。示例使用存储在Parquet文件中的日频US股票财务特征和模型衍生特征，并进行检查以防训练数据跨越留出集边界。…

本笔记衡量经验证集选出的FX策略对比例交易成本变化的反应。针对每个预测标签，笔记从信号、配置和风险覆盖结果中选定一个母策略，然后在保留其他身份字段的情况下，按成本网格重新运行该策略。成本扫描属于扰动分析，用于描述已确定策略的稳健性，不会参与后续筛选。 文档解释了为什么基点适用于 FX…

本笔记介绍如何从已登记的验证回测中选择一个CME期货案例配置。它汇集信号、配置和风险管理阶段的候选项，然后选出验证夏普比率最高的配置。两种收益期限会一并考虑；成本敏感性运行用于描述已经选定的配置，不参与竞争筛选。…

本文介绍一个包含五道关卡的流程，用于评估九个交易案例，涵盖信号质量、验证、交易成本、留出表现和证据质量。关卡逐级累积，策略只有通过此前所有适用关卡才能进入最后阶段。不适用于某个案例的阶段会作为直接通过处理，而非判定失败。…

该工具模块生成表格和图表，用于评估验证数据和留出数据上的预测模型。诊断内容包括信息系数置信区间、验证集到留出集的表现衰减、经选择调整的回测统计量、分折比较、市场环境覆盖度和保形区间覆盖率。该模块查询已持久化的训练、预测和回测记录，筛选可比较的配置，并在相关结果尚不可用时返回稳定的空表结构。…

本章介绍生成合成金融数据的经典方法，涵盖连续时间价格过程、GARCH波动率、自助法重采样和模型比较。文中说明几何布朗运动、跳跃扩散、均值回归和Heston等模型如何体现关于收益、跳跃和波动率变化的不同假设，并讨论漂移补偿和方差截断等实际实现细节。…

本文介绍一种神经策略网络的架构，它将资产级时间序列和上下文映射为有界的组合风险权重。其逐资产主干网络结合了上下文嵌入、特征级调制、变量选择、LSTM和因果时间注意力。随后，网络通过滞后横截面注意力处理资产之间的关系，也可以选择使用受宏观经济邻接图限制的注意力。…

本笔记比较领先标普500股票信号配置的组合规模确定方法。首先依据验证夏普比率，为每种配置选出覆盖完整的最佳检查点；随后将多种配置方法——包括分数加权、保形加权、波动率倒数加权、风险平价、均值—方差优化和层级风险平价——应用于相同预测。笔记还改变每次再平衡时持有的股票数量，并将结果与信号阶段的等权基线进行比较。…

本笔记介绍一项扩展窗口双重机器学习分析，考察在调整贝塔、特质波动率、市值和方差后，12至-2个月动量是否能预测下月US公司的收益。分析使用较早月份拟合辅助模型，在训练期与测试期之间设置禁入期，并排除最后的2016留出集。在相同的折外观测值上，将调整后的估计与朴素OLS进行比较，并使用 Driscoll-Kraay 推断处理时间和公司间的依赖。…

本笔记使用双重机器学习，考察调整已观测混杂因素后，隐含波动率减去实现波动率的价差是否与后续股票收益相关。分析将实现波动率、股票动量和风险反转偏度列为相关控制变量，并在相同的交叉拟合观测值上，将调整后的估计与朴素普通最小二乘法进行比较。分析还使用区块置换反驳检验和考虑面板结构的不确定性估计。…

本训练工具介绍一种 DeePM 风格模型的优化循环。该循环使用 AdamW，根据稳健的夏普比率导向损失更新模型参数，并传入前向收益、波动率缩放、掩码、交易成本以及配置的预热期和软最小值控制参数。非有限损失会被跳过，每次优化器更新前也可以裁剪梯度。…

本案例研究使用梯度提升树拟合ETF收益标签，并与在强岭正则化下表现良好的线性基准进行比较。文中解释了树模型为何能发现交互作用，例如动量在不同市场压力状态下表现不同；而贪心划分可能在相关特征中任意选择，岭回归则能组合这些特征。网格改变树模型容量和损失函数，并在训练期间的多个检查点评估每种配置。…

本文直接使用案例研究的 Parquet 数据演示特征存储概念。特征视图指定实体键、事件时间戳、可用期限和特征列。模型训练时，将历史值连接到这些值已知时的决策时间；实盘使用时，则提取决策时点可用的最新值。让这些规则保持一致有助于避免训练与服务偏差。…

本分析笔记说明如何利用注册表结果而非重新回测，评估基于公司特征构建的US股票策略。笔记读取考虑不确定性的绩效统计，在共同支持范围内对配置排序，并通过配对比较评估选定策略相对于等权基准的表现。根据选定验证运行的完整规格确定留出集选择，避免依据留出集结果进行选择。…

本文介绍在组合计划再平衡前平仓的三种规则：固定止损、根据仓位最佳价格衡量的移动止损，以及在设定持有期后平仓的时间退出。由于这些覆盖规则只会移除仓位，因此可能减少亏损或截断收益，改变收益分布，而非增加风险敞口。时间退出是一个不依赖价格的控制项，用于评估持有时长是否重要。…

本笔记本将机构 13F 披露转化为连接管理机构与股票的二部图，再提取股票层面的持仓特征。它汇总重复的机构—股票仓位，统一发行人标签，排除期权记录，并使用完整报告季度，避免将缺失申报误判为退出。申报日期决定完整的所选管理机构快照何时可得，从而支持按时点研究。…

本笔记本评估 Binance 永续期货数据能否支持按溢价对合约排序并建立多空仓位的截面策略。它不拟合模型，也不进行预测，而是在资金费率结算时检查既定交易资产范围，将观测到的广度与策略预期的持仓规模进行比较，考察价格变动相对于交易所费用的情况，并评估开发期历史数据能否支持滚动验证且保留留出期。…

本笔记本比较多个案例策略在假设交易成本下的影响。它读取每项已部署策略配置的成本敏感度回测，将毛夏普率与案例自身假设成本下的净夏普率进行比较，并估算夏普率降至零时的成本。如果假设成本落在已测试成本点之间，则对净夏普率进行线性插值。分析还按调仓周期分组，考察换手频率与成本拖累的关系。…

本笔记本评估 57 个会计和价格类特征，检验它们各自对下个月 US 股票收益的预测作用。它计算每月截面秩相关，取其时间平均值，并针对序列依赖和多候选项检验调整不确定性。它还检查关联是否在滚动训练和验证期内持续存在，并依据效应大小、一致性、显著性和冗余，为每个特征作出单独判断。…

本概览汇总了九个交易案例的配置数据，涵盖股票、加密资产、外汇、期货、期权和多资产投资组合。它比较各项研究的资产范围、数据频率、决策周期、成本模型以及信号到仓位的映射方式。这些示例展示了不同策略和数据集如何采用不同选择，也包括交易成本影响尤为显著的情形。…

这项案例研究使用与其他模型系列相同的时点 CME 期货特征行和滚动验证折，评估参数效率高的神经网络集成模型 TabM。研究将 TabM 作为一种在共享大部分参数的同时，对模型差异取平均的方法，并改变模型容量，以探究模型在小型且噪声较大的面板数据上如何平衡拟合与泛化能力。所述评估使用等权验证集回测和夏普比率，在已声明的训练轮数检查点中进行选择。 笔记本强调了确保比较可信的防护措施：按折进行特征缩放以避免验证集泄漏；将固定随机种子纳入模型标识；并记录设备标识，因为 CPU 和 GPU…