知识库

本笔记使用 Optuna 调优 LightGBM 收益模型，同时考虑横截面信息系数（IC）和预测换手率。单目标搜索最大化 IC 以供比较；NSGA-II 多目标搜索则找出帕累托最优设置，展现信号排序质量与作为交易成本代理指标的换手率之间的权衡。帕累托前沿有助于交易研究人员根据自身的成本承受能力选择模型，而不是将某一个验证分数视为唯一目标。 笔记还测试由 ETF…

本笔记比较嵌入式、服务器型、通用型和交易专用数据库在金融时间序列任务中的表现：批量写入、全表扫描、时间窗口查询、OHLCV 聚合以及成交与报价对齐。核心结论是，存储布局和查询类型对性能的影响各不相同：面向列的引擎可以高效扫描面板数据，而对特定回测窗口进行查询时，按时间排序的索引或分区更为重要。 计时规则通过各 Python…

本文以教学方式比较用于生成合成金融路径的参数化随机模型和自助法。内容涵盖几何布朗运动、跳跃扩散、均值回归、Heston 随机波动率和 GARCH，以及独立重采样和区块重采样。笔记实现并比较这些模型，考察收益分布、尾部行为、自相关和波动率聚集，并以 ETF 数据作为实证参照。文中还说明了补偿跳跃漂移、截断方差等实现选择，以确保模拟量具有合理含义。…

本笔记将 Feast 配置为金融和模型数据的特征库，并将其历史检索和时点检索结果与透明的手工连接进行比较。它声明实体、带时间戳的数据源、特征视图和生存时间，并在扩展后的日期范围内准备临时 Parquet 副本。该一致性检查旨在发现配置错误，例如选错时间戳、实体键或拟合模型所属的验证折版本。 比较时需要谨慎，因为 Feast…

本笔记使用 ETF 价格和宏观经济序列展示前视偏差检查。它说明，居中移动平均会纳入未来观测值，可能过度贴合价格拐点，而且近期数据缺少尾部，因为未来输入尚未到达。水平值与下一期收益的相关性检验甚至无法发现明确使用了未来价格的特征；笔记提出一种尺度一致的检查方法，对比特征自身收益与下一期价格收益，同时指出这一启发式方法不能替代合理的特征构建。 宏观部分区分事件时间与知晓时间，并考察 FRED…

本笔记对 US 股票中流动性较好的子集进行主成分分析，以提取潜在因子并构建多空特征向量投资组合。文中说明如何将标准化的 PCA 向量转换为原始收益权重，并按总敞口进行归一化；随后考察方差解释度、行业关联、层次 PCA、残差行为和投资组合风险分解。行业 ETF 相关性为原本没有名称的成分提供描述性标签。 分析还区分了特征向量符号的任意变化与因子子空间的真实变化，并展示了如何对滚动估计进行 Procrustes…

本文说明，模型不确定性能够提供点估计以外的信息。文中对比 GARCH 与随机波动率模型：前者根据过去收益定义波动率，后者将波动率视为潜在自回归过程，并使用 Student-t 分布建模收益。后验分布的离散程度可以作为时变特征，与持续性、波动率动态和尾部特征的估计值一同使用。 笔记介绍了对 SPY 收益进行滚动拟合并提取后验摘要的做法，同时提醒拟合需要数分钟。每季度重新拟合可以让参数特征在两次拟合之间继续使用，但最新的滤波波动率水平会过时；需要粒子滤波器才能更新该水平。笔记还评估采样器收敛性和蒙特卡洛误差，并讨论…

本笔记以线性回归为基准，利用分钟级微观结构特征预测 NASDAQ-100 收益。由于不同回看期的价差和订单失衡指标彼此重叠，特征矩阵存在严重多重共线性：普通最小二乘可能为近乎重复的输入赋予不稳定且方向相反的权重。笔记比较岭回归、套索回归和弹性网络惩罚，包括按各折数据缩放的惩罚强度，以考察收缩相关系数或选取稀疏特征集哪种效果更好。…

这项探索性分析描绘了一个以四小时为频率的 OANDA 数据集，涵盖 20 个货币对。文中说明，成交量字段统计的是单一交易平台的报价更新次数，而非合并后的成交规模，因此不能据此对全市场流动性进行排名。分析按 US 美元是基础货币、报价货币还是不在货币对中进行分类，并说明在何种情况下需要反转价格才能解读美元强弱。 笔记同时使用通过率和违规次数检查 OHLC 一致性，然后区分正常柱线间隔、周末休市和其他长时间间隔。笔记发现，时间戳遵循与纽约时段一致的网格，并以 5 点换日；因此，日线应按该边界汇总，而非按 UTC…

本笔记使用语言模型客户端、搜索工具和有限轮次循环构建预测智能体。智能体搜索证据，并给出二元概率及理由。其响应解析器处理常见格式错误并验证搜索和预测操作；无效回复会被要求修正。保存的运行记录保留提示词、工具结果、模型调用和令牌用量，因此无需新的 API 调用也能重放并审计预测。…

本笔记运用贝叶斯结构时间序列事件研究方法，估算美联储公告对债券 ETF 的影响。笔记根据事件发生前目标资产日对数收益与国际及大宗商品 ETF 控制变量收益之间的关系构建反事实。文中报告事件后累计差值及其后验可信区间，并使用安慰剂日期和将控制变量设为目标资产的检查，探查模型是否会在预期无影响的情况下检出影响。 该设计设定了事件前的估计窗口和事件后的测量窗口，并分析选定的 FOMC 日期。控制变量旨在跟踪相关市场走势，同时尽量减少对 US…

本笔记检验四种管理型投资组合策略在控制广泛 ETF 共动后，能否解释 SPY 收益。这些策略根据滞后动量、波动率或近期收益对 ETF 排名。研究以一组历史较长且构成平衡的 ETF 所得的 10 个主成分作为控制变量，并将 SPY 排除在因子构建股票池之外。研究比较每种策略对 SPY 的单变量载荷，以及选择控制变量后估计的条件载荷。 双重选择后 LASSO 会选择同时预测结果变量和各重点策略的控制变量。扩展时间序列折在训练数据内重新拟合缩放参数和 PCA；随后将所选控制变量的并集纳入含截距的回归，并使用…

本笔记将 Word2Vec skip-gram 方法用于机构股票持仓。笔记将每家机构的投资组合视为句子，将股票标识符视为词元，并将按报告持仓价值排序的仓位视为词序。反复出现在相似投资组合语境中的股票可能获得相近的嵌入表示，以此呈现机构投资组合行为，并识别经济特征相似的资产。 示例使用季度 13F 持仓，按投资组合广度选择机构，在排列仓位前删除重复的机构—股票记录，并基于所得投资组合序列训练嵌入表示。笔记使用排序指标评估遮蔽股票预测，并与随机基准和热门度基准比较，使用自助法区间表示基准的不确定性。…

本笔记将 ARIMA 预测作为后续模型的输入列，而非独立预测结果。笔记对 ETF 收益拟合模型，使用平稳性检查和自相关诊断提出模型阶数，并在训练数据块上使用信息准则比较候选阶数。核心区别在于：对平稳模型而言，多步预测会趋近其无条件均值，很快变得近乎恒定；单步预测则会随着新观测到来而更新。…

本笔记介绍风险溢价 PCA：通过加入训练期平均收益的加权外积来调整收益协方差矩阵。领先特征向量定义静态因子组合；提高权重会使因子偏向解释平均收益的方向，即使这些方向的方差较低。笔记比较不同权重下的定价拟合、评估期收益重构和载荷空间变化，然后使用预先选定的权重进行提前一日的因子溢价预测。 流程使用训练数据拟合载荷，将 ETF 面板限制为训练历史完整的代码，并在预测下一个因子溢价前投影每个已观测的决策日收益。笔记介绍滚动预测，并使用 MSE…

本笔记在拟合模型前，检查日度 US 股票排名策略是否有足够的可用数据进行公平评估。文章介绍如何使用历史成分股构建时点股票池：用成交价格和前一交易日成交额筛选可交易性，用调整后价格计算收益。还介绍了市场广度、交易成本假设、收益相对成本的变动、个股内部收益持续性和滚动样本设计等检查。…

本笔记将来自 SEC 13F 文件的机构股票持仓建模为图，连接管理机构与证券，并加入行业关系以便汇总。其架构同时保留季末报告日期和之后的文件公开日期：前者支持跨期比较，后者可避免在时点分析中提前使用尚未公开的持仓。笔记将股票多头持仓与申报的期权分开，因为看跌期权和看涨期权不等同于股票所有权；并根据初始构建期选择机构和证券，以避免未来成员身份泄漏到过去。发行人名称不同时，使用 CUSIP 作为证券标识符。 该笔记本展示了在图数据库中进行持仓、共同持仓和行业查询的方法，包括计算共同持仓的 Jaccard…

本笔记将21天前瞻ETF收益转化为涨跌目标，并在按时间顺序进行的滚动折中评估经L1和L2正则化的逻辑回归。它使用每折的训练数据缩放特征，再通过准确率、精确率、召回率、F1、ROC AUC和对数损失评估预测结果。本笔记还考察基于系数的特征重要性、概率校准，以及将收益分为底部、中间和顶部三组的三分类扩展。 讨论强调，区分能力和校准能力回答的是不同问题：AUC…

本笔记比较月度 US 股票收益预测中的梯度提升目标函数，同时固定特征、目标变量和滚动数据折。它比较平方误差、绝对误差和 Huber 损失；Huber 损失会降低大残差的影响。研究动机是，尽管信息系数评估的是横截面排名，个别极端收益仍可能主导平方误差拟合。参数网格还会改变树容量，并在多个提升检查点记录预测，以便通过学习曲线判断表现是继续改善还是趋于平缓。…

本文说明如何解读 CME 期货模型的横截面信息系数（IC），以及它们与后续组合测试的关系。分析先计算每个日期预测收益与实际收益之间的排名相关性，再对各日期的相关性取平均。这与一种等权策略相符：按排名选择合约，并舍弃预测收益幅度。本文还区分跨折均值和 t 统计量与日度序列推断，指出报告的 t 统计量使用跨折标准误；当预测趋近于常数时，有效 IC 的日期数量也很重要。 分析将 IC…

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。…

本文说明折减夏普比率（DSR）如何根据测试的策略数量、各策略夏普估计值的差异以及非正态收益分布，对选定策略的夏普比率进行调整。文中将其与未经校正的概率夏普比率计算作比较，并概述相关的回测过拟合概率分析，该分析使用互补的组合对称交叉验证划分。对零优势策略和优势相同的变体进行模拟，展示了为何选取最佳结果会使表面表现显得优于实际。 实践建议包括记录每个测试变体、估计各次试验夏普比率的离散程度和收益矩，并同时报告 DSR…

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…