知识库

本笔记将日内股票收益中的连续价格变动与离散跳跃分开。它根据对数收益平方估算日实现方差，并使用双幂变差作为对跳跃稳健的连续部分估计；两者的非负差值用于估算跳跃方差。随后，Lee–Mykland检验使用同一交易时段内此前观测值估算的局部波动率，对各收益进行标准化。其基于Gumbel分布的临界值考虑到一天内对多个分钟数据点进行检验，并能适应局部波动率变化。…

本笔记为一种读取上市期权数据、为股票排名并随后持有股票的策略构建远期股票收益标签。它构建考虑公司行动影响的调整后价格序列，并使用持续稳定的证券标识符识别公司；随后检查每个远期窗口是否完整、是否始终对应同一证券，以及是否按交易时段计量。它还会明确处理收益不可得的情况以构建方向标签，区分持有期限与验证集隔离间隔（purge buffer），并根据结果实际确定的时间截断诊断，而不是根据信号观测时间截断。…

本笔记将母订单视为有限时域控制问题。在每个时间间隔，表格型Q学习根据时间、待成交数量以及最近观测到的价差和波动率状态，选择基于VWAP的交易切片乘数。奖励函数在执行成本（包括价差和基于情景的市场冲击）与波动区间内持有未执行订单量的线性惩罚之间进行权衡。参与率上限约束成交量，终端惩罚则使未成交订单量产生代价。为使策略学习如何适应流动性而非进行方向性择时，模型排除了价格和收益信号。…

本笔记使用历史US股票收益构建相关网络并探索组合构建。它使用估计窗口数据筛选流动性较好的资产集合，将两两相关性转换为距离，并提取最小生成树（MST），以便更容易检查密集的依赖结构。度中心性、中介中心性和接近中心性用于描述各资产在树中的位置；随后采用反向中心性加权规则降低结构枢纽资产的权重，并设置持仓上限。笔记还将这些配置与投资组合基准进行比较，并考察一种示意性的冲击传播敏感性。…

本笔记将主成分分析作为期权分析研究中预测股票收益的无条件潜在因子基准模型。PCA利用历史收益面板估计共同变动和各股票对这些变动的暴露，再根据训练窗口估计的因子均值生成预测。它刻意排除隐含波动率、偏斜、期限结构和其他期权特征。该基准模型可用于衡量在相关模型中根据这些特征调整暴露所带来的作用。…

此笔记本使用最大有利变动幅度（MFE）和最大不利变动幅度（MAE），根据观测到的价格路径确定三重障碍标签的宽度。对于在行情柱收盘时进入的头寸，它从下一根行情柱开始，测量前向持有窗口内最有利和最不利的变动。多头和空头头寸采用相反的定义。笔记本还介绍基于真实波幅和怀尔德平滑法计算的平均真实波幅，并说明可以通过波动率调整障碍宽度。…

本文介绍GReaT框架：将混合数值和类别型金融数据的行序列化为文本，在这些记录上微调语言模型，再将生成的文本解析回表格。示例根据历史收益、波动率、成交量及类别型方向或状态标签构建ETF特征，并以远期收益为目标。它将合成记录与留出的真实数据进行比较，并讨论先用合成数据训练、再用真实数据测试的下游评估方式。…

此笔记本使用主成分分析表示广泛US股票面板中的共同变动。PCA提取能够解释收益共同变化的方向；每只股票的载荷衡量其对各方向的暴露。根据有限因子重构的预测，能够捕捉股票与面板共享的行为，同时舍弃个股特有信息。因子在每个滚动前向训练折内拟合，再应用于验证行，以避免在因子估计中使用未来收益。…

此笔记本介绍时间卷积网络（TCN），用于根据滞后收益特征序列预测ETF远期收益。因果卷积确保输出只使用截至相应日期的观测；指数递增的膨胀率则扩大输入窗口内的感受野。残差连接支持更深的网络堆叠，权重归一化和通道丢弃也是模块设计的一部分。模型与岭回归基准进行比较，评估指标包括横截面排名相关性，以及相对于零预测的平方误差。…

此笔记本介绍成交笔数失衡柱和成交量失衡柱，并用NVDA成交数据比较自适应、固定阈值和滚动窗口方法。成交笔数失衡会累积带符号的交易方向，直到达到阈值；预期阈值取决于每柱预期交易笔数，以及估计的买卖失衡程度。笔记本用库实现核对手工计算的成交笔数柱，并通过参数扫描考察柱数、平均柱大小、收益正态性、自相关和方差比。…

本笔记比较两种Transformer架构，使用历史动量特征预测21日ETF收益。PatchTST将连续日期分组成多个片段，使每个词元包含局部形态的短序列。iTransformer则将每个特征的历史数据作为一个词元，使注意力能够关联不同变量，同时在各词元内保留时间顺序。比较使用相同的ETF面板，并以岭回归和零收益预测为基准，通过横截面秩信息系数和平方误差评估两种模型。…

本笔记通过分别建模交易摩擦、融资和基金费用，说明如何将总收益转换为净业绩。其参数化成本结构根据换手率和交易规模计算交易成本，根据杠杆和空头敞口计算融资成本，并依据管理和行政费用假设计算年度费用。随后将这些扣减项应用于每日 ETF 收益序列，涵盖三种配置：高换手率 QQQ、杠杆化 QQQ-IWM 多空价差，以及低换手率 SPY。…

本笔记分析重建的NASDAQ订单簿，描述盘中最佳买价和卖价处的价差与深度，并研究订单流不平衡是否与下一时间桶的收益相关。价差以基点表示，以便比较不同股价下的成本；笔记绘制一个交易时段内的价差和最优报价深度，并根据解析后的消息中的新增和撤单构造不平衡指标。笔记将原始不平衡指标与带符号的对数变换进行比较，以减轻厚尾时间桶的影响，并考察跨股票的相关性，而非依赖单只股票。…

本笔记介绍条件自编码器如何扩展工具变量PCA，用于ETF收益建模。两种方法都将基金特征映射到因子暴露，并将暴露与因子收益结合；自编码器用神经网络取代了IPCA的线性特征到暴露映射。训练使用滚动验证折，按预先声明的轮次计划为每个标签生成多个检查点。笔记发布全部检查点，供后续模型选择在候选集可见的情况下使用验证回测夏普比率，而不是在此根据验证信息准则选择轮次。…

本案例研究说明，为什么无法对基于月度观测构建的US公司特征组合检验止损、移动止损及其他头寸级覆盖规则。向量化回测将一个权重向量应用于当月已实现的前向收益，因此不包含入场和退出之间的价格路径。止损行为以及最大不利或有利变动取决于缺失的路径；若要模拟这些情况，就必须捏造数据。…

本笔记介绍一套用于确定如何建模金融时间序列的工作流程。首先绘制SPY价格与收益、VIX水平和收益分布，以识别水平漂移、波动聚集和厚尾。接着结合原假设为存在单位根的增广迪基-富勒检验，以及原假设为水平平稳的KPSS。两者的原假设方向相反，因此联合解读可得到四种可能结论，而非简单的是或否。…

此配置规定了一项只做多的ETF排序与再平衡实验。它定义了一个涵盖股票、债券、商品和地区敞口的广泛100-ETF股票池，采用月度决策并在次日开盘执行。主要标签预测21日收益；五日标签采用每周时间表，使回测频率更贴合其期限。持仓按排名选出并等权配置，同时测试不同组合集中度下的前K名选择。…

这项US股票面板研究使用惩罚线性模型作为基准，根据收盘时观测到的特征预测前向收益。特征集包含相互重叠的动量和波动率测量，产生多重共线性，可能使普通最小二乘法的系数不稳定。笔记比较了用于收缩系数的Ridge、可将系数设为零的Lasso，以及结合两种惩罚的Elastic Net。通过惩罚强度网格，研究正则化对滚动验证各折及多个收益期限的验证信息系数有何影响。…

本基准测试使用相同的确定性OHLCV面板，对比CSV、Parquet、Feather（Arrow IPC）和HDF5。测量写入时间、物化读取时间、文件大小，以及仅读取指定列的影响。计时方法是写入一次，并在预热后对多次读取求平均；因此，读取测量反映的是热缓存情形。Feather的内存映射打开时间会与物化时间分开报告，避免将其误认为数据加载成本。…

这项ETF特征研究构建了三种模型衍生输入：用于估计市场状态的隐马尔可夫模型（HMM）、参考基金价格的分数差分，以及每只ETF的GARCH（1,1）条件波动率。笔记强调，避免前视偏差要求参数和推断都只能使用截至每个交易时段可获得的信息。重新拟合计划会将每个预测区段之前估计的参数应用于该区段；经过滤的HMM概率则避免纳入平滑概率会包含的未来信息。…

本笔记介绍工具变量主成分分析（IPCA）：该方法估计共同因子，同时将每只股票的因子暴露设为其当日期权曲面特征的共享线性函数。这些特征包括隐含波动率、看跌看涨偏斜、期限结构斜率，以及隐含方差与已实现方差。交替最小二乘拟合特征到暴露的映射和因子收益；笔记将其与普通PCA进行对比，后者的暴露来自收益历史，并要求面板平衡。…

本教程使用SPY日线数据，对比固定止损和止盈障碍、移动止损、按ATR缩放的退出、机器学习退出信号及这些方法的组合。固定障碍以入场价格为基准进行模拟；隔夜跳空按开盘价成交；若一根K线同时触及止损和目标价，则采用保守的止损优先假设。ATR根据近期价格变动缩放退出距离。机器学习部分使用技术特征和按时间顺序划分的数据，并在边界附近清除样本，以减少前瞻标签造成的信息泄漏。…

该笔记解释了原始股票价格跨越拆股或现金股息日期时，为何可能导致收益失真。文中介绍后复权，即根据之后发生的公司行动缩放历史价格；并区分用于成交模拟的原始价格、适用于部分短期研究的拆股调整价格，以及适用于长期研究和回测的总回报调整价格。苹果公司的历史数据示例展示了拆股和股息调整如何影响累计收益。 该笔记还演示了如何将调整方法应用于 OHLCV 数据，并将所得序列与已调整的参考序列核对。文中强调应验证数据供应商的约定，因为标记为收盘价的字段可能采用不同的调整政策；并说明已知拆股事件有助于识别数据源采用的处理方式。…

该笔记检验基于模型的头寸规模设定是否能在基于 US 公司特征的策略中优于等权配置。它比较两种方法：评分加权会为预测分数较高的股票配置更多权重；保形加权则在预测区间显示可靠性较低时减少配置。两种方法分别与多个投资组合集中度水平交叉比较；每次比较中，所选预测和集中度均保持不变。…