知识库

本文介绍一种滚动方法，将预测残差转化为按实体区分的不确定性宽度，用于设定仓位规模。在每个决策时点，校准只使用已经有足够时间得出结果的残差，滞后期根据预测期限确定，且至少为一个时间步。较早的折和当前折中已经经过的历史数据都符合使用条件。如果某个实体的观测值不足，该方法会使用汇总宽度，避免未校准的实体在未被说明的情况下从选定篮子中剔除。宽度按预测集和 alpha 保存，并将实体标识规范化，以便后续使用。…

本案例研究从一个冻结的加密货币永续期货策略池中选出一种配置。策略池涵盖多种收益和方向标签、投资组合规模设定方法及风险叠加规则。研究选择验证集夏普比率最高的配置，再通过区块自助法区间、概率夏普、最短记录长度，以及考虑候选数量和相关性的去膨胀夏普变体来考察不确定性。研究还将交易成本与资金费率分开，后者是与持仓相关的独立收益流。 报告中的验证集胜出者夏普比率为 1.57，其自助法区间不包含零；但考虑到从 2,807…

本指南介绍 Ken French 数据库和 AQR 的公开因子收益数据集，包括市场、规模、价值、盈利能力、投资、动量、质量和低贝塔因子。指南说明如何下载和载入月度或日度观测值、按日期筛选、查看数据概况，以及根据月度收益计算年化均值、波动率和夏普比率。这些序列可用于因子投资研究、风险归因，以及将策略收益与既定风险敞口进行基准比较。 本文说明了由数据提供方定义的因子覆盖范围，并指出这些来源无需 API 密钥。文中没有给出因子的实证结果或提供方之间的比较，也没有评估任何因子是否能持续获得溢价。AQR…

本笔记使用双重机器学习，估计永续期货溢价偏离是否与随后八小时收益相关，以及这种估计关系在高波动和低波动市场中是否不同。文中介绍了跨加密货币品种的面板设计，对观测到的处理前特征进行调整，采用带清除和隔离期的滚动交叉拟合，并在标准误中考虑共同时间冲击和序列相关性。按状态分别拟合模型，并加入处理与状态的交互项，以分析不同波动状态之间的差异。 本笔记还使用品种内的区块置换作为反证检验，区块的选择旨在保留处理变量的持续性。文中提醒，由于置换后的处理变量残差方差不同，应使用 t…

本笔记介绍如何评估概率预测并管理预测流程。它比较 Brier 分数、对数分数、期望校准误差和锐度；展示可靠性图如何揭示预测过度自信或自信不足之处；并说明如何拟合校准变换，同时避免在拟合校准变换的同一批观测上评估。笔记还涵盖使用冻结的搜索证据重放一次运行、通过代理执行工具权限，以及扫描不可信文本以发现注入尝试。…

本部署演示使用主要 FX 货币对的历史日线数据重新训练岭回归模型，通过 Interactive Brokers 模拟交易会话获取当前 K 线数据，对货币对排序并构建做多组合。演示逐步介绍如何连接经纪商、准备精简特征集、确认 FX 合约、规划订单，并记录每次运行以供监控和审计。使用同一交易场所获取数据和执行交易可简化操作流程，而笔记会明确说明账户检查和合约解析。 部署特征根据经纪商线段重新计算，与研究案例中的更广泛特征集不同，因此不能保证研究和部署之间保持一致。FX…

本教程将 ETF 横截面信号转化为仅做多、前十名等权组合，并将岭回归和逻辑分类与动量及等权基准进行比较。模型在滚动训练窗口中拟合，并针对前向收益标签设置缓冲期，随后每月调整组合。分析计算组合收益、换手率、毛收益和净收益指标以及信息系数，以展示信号排序质量与扣除交易成本后结果之间的关系。 交易成本按组合换手率对每一边分别计费。笔记解释了为什么反复更换持仓的主动策略可能比等权策略损失更多收益；等权策略通常只在恢复目标权重时交易。笔记还提醒，净夏普比率和 IC…

本研究检验线性模型拟合月度 US 股票收益较差，是否源于其平方误差目标函数。研究固定未缩尾的前向收益目标、特征和滚动折，并比较使用平方误差、绝对误差和 Huber 损失训练的提升树模型。平方误差会让极端残差产生不成比例的影响；绝对误差会减小这种影响，而 Huber 损失则在二次惩罚和线性惩罚之间转换。网格还会改变树的容量，并记录多个训练检查点的预测，将每个检查点视为独立候选项。…

本笔记训练一个近端策略优化智能体，在指定期限内执行固定订单。它将学习得到的交易节奏策略与 TWAP 和 Almgren–Chriss 排程进行比较，衡量实施缺口并考察各策略的交易时点。评估对所有策略使用相同的模拟市场路径，因此可以逐个回合进行比较，并说明库存风险和偏离均匀交易节奏的程度如何影响学习策略。 笔记还详细说明了模拟市场的局限。波动率和市场机制行为根据小时级 BTC…

本笔记介绍 Rademacher Anti-Serum（RAS）协议，用于调整从有限策略或信号类别中进行选择时的表现估计。经验 Rademacher 复杂度估计候选表现矩阵与随机符号对齐的程度，因此候选项之间的依赖关系会反映在其实际路径中，而不仅仅由试验次数表示。RAS 将复杂度估计和抽样误差项转化为表现下界。笔记将此方法与 Deflated Sharpe Ratio（DSR）进行比较，后者在不同假设下给出经过选择调整的概率。…

本笔记介绍 NLinear，将其作为根据有序特征窗口预测股票收益的基准模型。每个样本包含同一只股票连续 60 个交易时段。对于每个特征，模型减去其最新值，通过线性层将所得历史序列映射为单个值，再加回最新值。最后一个线性层将这些摘要合并为一个预测。这个简单设计会消除当前特征水平的影响，使研究者能够检验表达能力更强的序列模型是否能带来价值。…

本参考资料介绍了两个用于研究股票仓位和内部人士活动的公开 SEC 文件来源。季度 13F 报告提供机构持仓，可选择经过整理的管理人集合，也可使用涵盖完整申报期的批量数据。Form 4 文件记录所选股票代码对应的内部人士交易。指南介绍如何下载、加载并整理数据以供后续分析，包括股票层面的特征以及机构与股票之间的持仓关联。…

本笔记将 TabM 神经网络拟合至标普 500 期权空头跨式策略收益目标，并在与线性和提升方法相同的特征面板上比较三种模型容量。TabM 在集成成员之间共享神经网络骨干，同时通过学习得到的成员专属缩放向量和输出层生成不同预测，再对其取平均。研究采用滚动折，仅在训练行上拟合预处理，并在预定训练检查点生成验证集预测。…

本笔记演示欧式看涨期权空头的深度对冲。它模拟几何布朗运动路径，以 Black–Scholes Delta 对冲为基准，并训练半循环神经网络选择标的资产仓位，以最小化针对期末损失的条件风险价值目标。开仓、调仓和结束对冲时均计入交易成本，因此学习策略和基准遵循相同的交易成本规则。分析还考察网络在仓位接近 Delta 基准时是否减少交易。 示例将尾部风险与均值和离散程度一并比较，因为优化损失尾部可能改变分布中其他部分的结果。笔记提醒，证据来自单一模拟市场设置：一种期权规格、恒定波动率的 GBM…

本笔记评估标普 500 股票和期权配置的仓位级控制，将固定止损、移动止损和时间退出分别与各自策略未加覆盖规则的基准进行比较。笔记使用验证集夏普比率选择符合条件的策略谱系，再评估各项预先声明的覆盖规则是否改变验证集夏普比率和回撤。夏普差异采用配对分块自助法区间，以区分改进证据与单纯的点估计排名。…

本文档介绍外汇 OHLCV 数据集，覆盖 G10 主要货币对和交叉盘，包含来自 OANDA 的日线及四小时线。文档说明如何下载、加载数据，按货币对或日期范围筛选，并通过覆盖范围汇总和年化波动率估算进行探索。波动率示例分别计算各货币对的收益，并依据每个交易年假定的四小时线数量缩放标准差。 笔记说明，货币对采用基准货币/报价货币惯例，区分 USD 主要货币对与交叉盘，并指出数据提供方的成交量反映其自身交易，而非全球 FX 市场。价格为中间价；由于 FX…

本文档演示了工具变量 PCA，其中资产因子载荷被建模为收益发生前观测到的特征的线性函数。该方法使用交替最小二乘法估计特征到载荷的映射和实现因子，再通过旋转不变的子空间诊断评估载荷恢复效果。由于旋转和符号变化不会改变拟合收益，单个因子标签无法识别；比较时应关注恢复出的子空间。 合成面板将时间 t 的特征与时间 t+1…

本文档介绍一个可复现的 US 股票基准数据集，取自 Chen、Pelger 和 Zhu 的资产定价复现档案。数据集包含约 1.2 百万条月度股票观测，覆盖 1967 至 2016，包括 46 项公司特征、宏观经济指标、前向收益，以及预先定义的训练、验证和测试分区。公司标识符在各自发布的张量中匿名且保持一致，但不同标识符命名空间使研究者无法跨张量关联公司。 该数据集支持资产定价机器学习研究，适用于一致的基准数据比解释个别证券更重要的场景。其公开的时间分区将 1967–1986 用于训练，1987–1991…

本文介绍 TSMixer 如何将股票近期的特征历史处理为按交易时段和特征排列的矩阵。其模块先沿时间维度混合各特征列中的信息，再在每个交易时段内跨特征混合信息。堆叠多个模块后，这些操作无需循环状态也能相互作用。本笔记在相同的 US 股票面板和前向滚动折上，将这一方法与 LSTM 和 NLinear 进行比较，因此重点是架构对比。 每个训练样本需要同一只股票连续 60 个交易时段；上市、停牌和退市都可能打断窗口，减少可用样本。每种配置训练 100…

本笔记使用已登记的 ETF GBM 预测和 CME 期货预测，比较等权、按保形区间宽度倒数加权，以及按正预测分数比例加权。它使用严格早于当前折的残差校准针对实体的 Mondrian 分割保形区间，并排除前向收益标签当时尚不可观测的残差。若最早一折没有有效的历史校准样本池，则将其排除。历史残差区间越窄，组合权重越大，将区间宽度作为置信度的代理指标。 三种配置规则使用相同的前 K 名选择，因此差异来自权重。笔记考察信号信息系数以及夏普比率、收益、回撤和换手率等组合指标。不过，GBM 预测是根据验证集 IC…

本笔记在 ETF 面板上，将零样本 Chronos 和 TinyTimeMixer 预测与 LSTM 及惩罚线性模型进行比较。所有模型接收相同的单变量历史上下文，但预训练模型预测的是该上下文序列，而非前向收益标签。其预测路径的均值成为横截面排序分数，并以排序信息系数进行评估。训练得到的基准模型则直接预测标签，因此该比较检验的是零样本预测能否提供有用的排序信号，而非能否对目标作出校准良好的预测。…

本笔记评估期权市场指标能否对不同股票的未来收益进行排序。笔记使用期权衍生特征拟合已声明的线性模型，采用滚动验证，并比较岭回归、套索回归和弹性网络的惩罚强度。特征集包括各期限的隐含波动率、波动率偏斜、期限结构斜率和方差风险溢价等指标。正则化用于处理相关特征之间的冗余；套索回归和弹性网络还可以将部分系数缩减为零。…

本笔记讲解GARCH如何将波动率聚集转化为逐交易时段特征。首先通过收益图和ARCH-LM检验，检查平方收益是否依赖自身滞后项。在GARCH(1,1)模型中，对新冲击的响应以及先前方差的延续，决定了波动率估计变化和衰减的速度。不对称扩展模型允许负收益对波动率的影响不同于正收益。笔记还讨论了使用条件波动率度量风险，以及通过统计超越次数检查风险价值预测。…

本研究考察期权市场数据能否对未来股票收益进行排序。特征包括不同期限的隐含波动率、看跌看涨偏斜、期限结构斜率和方差风险溢价。由于许多指标以多个相互重叠的形式表示，研究比较了广泛的正则化强度下的线性模型：岭回归会收缩相关系数，而套索回归和弹性网络还可以移除特征。滚动验证对声明的模型配置进行拟合，并在匹配的股票、日期和数据折上生成预测。…