知识库

本笔记筛选金融特征和模型衍生特征，评估它们对ETF后续收益的排序能力。它逐日计算信息系数，将每项特征的横截面排名与前瞻收益排名进行比较，再考察由此得到的时间序列。分析针对重叠收益标签调整不确定性，控制同时检验多个特征产生的假发现，检查关联在滚动验证窗口中是否保持同一方向，并识别代表重复证据的高度相关特征。分析还仅使用验证日期，并将留出期排除在筛选之外。…

本笔记说明如何评估基于US股票面板构建的策略能否承受交易摩擦。它使用验证集夏普比率为每个标签固定一种配置，然后在设定的不同成本水平下重新计算同一策略的表现。这样可以避免在扫描过程中，按某个成本假设挑选出表现最好的策略。符合条件的来源策略涵盖信号、配置和风险覆盖阶段；重新计算风险策略表现时，保留其风险覆盖。…

本研究使用十个交易日的 NVDA 逐笔委托数据，考察每日交易活动如何影响柱采样。它将交易筛选为 US 常规交易时段内的数据，根据交易场所标签识别主动方，并报告每日交易笔数、成交股数和成交金额的变化。随后，它将时间柱、逐笔柱、成交量柱、成交金额柱和不平衡柱的阈值校准到目标日柱数，并比较每日柱数及柱统计数据，以判断参数在不同交易时段间是否稳定。…

本案例研究将梯度提升树应用于 NASDAQ-100 微观结构特征，以预测多个日内周期的收益和方向。它将树模型与线性模型进行对比：树可以发现条件关系，例如订单流不平衡的作用随价差而异；线性模型则需要明确提供此类交互项。搜索过程调整树的容量、损失函数和提升迭代次数，并在多个检查点发布预测。…

本笔记比较在机构 13F 持仓数据集上进行确定性关系检索与嵌入搜索。它通过保留固定截止时间前各机构最近一次报告的持仓，构建特定时点快照，随后围绕主要持有人、共同持仓和机构最大持仓提出问题。预期的支持记录根据同一份持仓数据定义。 图检索方法采用与支持记录定义相符的明确筛选和交集，因此其完美召回率由构造方式保证；它是类似预言机的结构化数据库基线，而非经过独立测试的模型。嵌入基线搜索持仓的文字描述，并返回固定数量的结果。比较衡量支持记录召回率和大致的词元预算；词元数是根据词数乘数估算的，并未使用实际分词器。…

本笔记演示如何对经过特征工程处理的 ETF 特征训练生成对抗网络，并使用差分隐私。它介绍隐私参数 epsilon 和 delta，解释为何 DP-SGD 会在聚合前裁剪每条记录的梯度并加入校准噪声，还使用 Opacus 管理逐样本梯度和累积隐私记账。判别器必须采用兼容的层，因为跨批次归一化可能泄露记录间的信息；生成器不会直接处理真实观测值。…

本笔记对 ETF 特征和前向收益应用经典普通最小二乘推断。它回顾系数估计、标准误、t 统计量、p 值，以及对异方差、残差自相关、非正态性和多重共线性的检验。样本是一个不平衡的资产日期面板；工作流程采用滚动训练折，使用训练数据标准化特征，并在估计稳健协方差指标前剔除若干线性相关的收益合成指标。…

本文档介绍用于加载已解析 NASDAQ ITCH 消息的工具，并根据订单新增、删除、撤销、成交和替换消息重建限价订单簿。它跟踪每笔订单的剩余股数，使后续订单簿更新使用当前数量，并通过追踪订单引用来处理替换链。快照会报告多个买卖价位，以及最优报价、价差和中间价。 本文档还解释了 Lee–Ready 风格的交易分类：将每笔成交价与当前中间价比较；若成交发生在中间价，或报价不可用，则根据价格变化方向进行逐笔价格测试。ITCH…

本笔记追踪 ETF 排名信号如何形成投资组合，并进行简化回测。岭回归和逻辑分类采用滚动切分进行训练，随后与动量组合和等权组合进行比较。每月再平衡时，活跃信号会选出一个仅做多、包含排名前十标的且等权配置的组合。比较报告总收益和净收益表现指标、换手率及横截面信息系数，以展示信号的排名能力与交易其对应组合的结果可能不同。…

本笔记比较时间柱、逐笔柱、成交量柱、成交金额柱、不平衡柱和运行柱，这些柱均由单日 AAPL 交易所成交数据构建。前四种采样方法分别按经过时间、交易笔数、成交股数或成交金额对观测进行分组。不平衡柱和运行柱还会使用推断出的交易方向来捕捉带方向的订单流。本笔记提出比较不同柱类型的收益分布和自相关性，包括基于成交量或成交金额的采样是否比时间柱更能改善正态性。 由于成交数据流没有可用的主动方标签，示例采用逐笔价格测试：价格上涨或下跌用于判定方向，价格不变时则沿用上一次方向。它还将这一估算与 Lee-Ready…

本笔记本展示如何使用估计窗口内的相关性网络描述股票池并构建网络分散化投资组合。它仅使用评估前可得的数据选择流动性较好的代码，将收益相关性转换为距离，并提取最小生成树（MST）。度中心性、中介中心性和接近中心性用于概括该树中的枢纽和桥接节点；随后用中心性倒数降低结构上居于中心的资产权重。笔记本还介绍同步冲击传播敏感性分析，并比较较晚评估窗口期间的投资组合。…

这项探索性分析研究旧版Quandl WIKI US股票面板，重点关注价格口径、数据覆盖范围，以及其历史数据可用于何种回测。分析区分反映实际交易价格水平的原始价格，以及用于计算经拆股和股息调整后收益的调整价格。分析还建议通过逐年统计代码数量、查看首次和最后观测值检查覆盖范围，并进行行级空值与OHLC一致性检查。…

本笔记本使用分钟级NASDAQ-100数据，通过三种方法构建特征：用于短期方差预测的滚动异质自回归回归、用于描述近期活动周期结构的傅里叶变换，以及用于捕捉价格、订单流和交易强度变化顺序的二阶路径签名。文中解释，回归特征取决于拟合参数所用的数据窗口，而变换和签名则是在近期窗口上进行的固定计算。特征按时间柱逐一生成，并评估其横截面排序能力。…

本笔记本评估能否使用已发布的US公司面板研究基于公司特征的月度多空策略。它检查数据编码、可用股票池随时间的变化、每次再平衡是否有足够公司填满多空两侧、特征价差是否可能超过假设的交易成本，以及开发历史是否支持滚动评估并保持留出集未读取。文中描述的策略按公司排名，买入排名靠前的一组并卖出排名靠后的一组，以月收益为结果变量。…

本文说明如何从汇总为日内时间柱的 NASDAQ 成交数据中构建基于逐笔交易的市场微观结构特征。内容涵盖 Kyle lambda、Amihud 非流动性指标、Roll 价差估计量、交易强度和订单流失衡（OFI）。文中强调，汇总前必须先将 OFI 中的每笔交易判定为买方或卖方发起；如果只根据时间柱收盘价赋予方向，衡量结果就会退化为时间柱收益的方向。文中还区分了描述交易活动的订单流特征与价差、深度等订单簿状态特征。 一个重要注意事项是，已安装的Kyle…

本文介绍如何比较线性模型、梯度提升模型、表格深度学习模型和序列模型对标普500期权的验证集预测。报告诊断结果前，先检查每个已登记预测样本是否符合其资格契约且完整，并确认所有样本共享同一交叉验证标识。由于序列模型需要回看历史数据，其符合资格的行有所不同；只有在资格组匹配时比较才有意义，不能自动跨模型家族比较。…

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。…

本笔记讲解如何将NASDAQTotalView-ITCH逐笔订单消息从二进制格式解码为结构化记录。文中解释消息帧结构和各类型特有的布局，演示字段解包，并转换以午夜以来纳秒表示的时间戳，以及以整数存储并隐含小数位的价格。主要流程逐条读取消息，解码受支持的类型，缓存记录，并按消息类型分区写入Parquet输出，从而无需将整个交易时段数据保留在内存中即可处理。…

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。…

本笔记通过两种方式应用同一个月度ETF动量与收益率曲线市场环境策略：向量化收益计算和顺序式账户模拟。两者使用相同的目标权重、资产、日期和总交易成本，因此比较可以聚焦于执行选择，例如目标生效时间、成交价格、整股约束和现金跟踪。信号依据回溯期收益相对于已实现波动率为ETF排名，在风险偏好时期持有选中的基金，否则持有债券ETF。…

本笔记介绍如何使用长短期记忆网络处理一分钟NASDAQ-100微观结构特征，以预测多个期限的前向收益。模型逐步处理一段回溯序列，并学习保留哪些早期观测。训练使用滚动折，仅依据训练数据对特征进行标准化，在股票和折之间重置状态，并保存已声明检查点的验证预测。序列窗口按照各标签期限间隔取样，以减少训练目标之间的重叠。…

本笔记介绍一种条件自编码器，它扩展了带特征的主成分分析，用神经网络取代股票特征到因子暴露的线性映射。模型保留了暴露乘以因子收益的结构，同时允许特征与载荷之间存在非线性关系。模型在每个训练窗口中学习重建设定的前向收益标签，随后使用验证集信息系数衡量所得表示能否迁移到后续日期。…

本笔记介绍一种使用统一管理器、预设或自定义代码列表以及分区Parquet存储来获取和维护金融时间序列的工作流程。内容涵盖单标的和多标的并行抓取、将数据载入存储、读取指定日期范围、增量更新，以及在研究或回测前检测数据缺口。经过重新基准化的ETF序列涵盖股票、债券和黄金，说明批量加载如何让跨资产比较在一个数据集中成为可能。…