知识库

这套评估工具将金融检索增强生成流程中的失败分为四类：检索相关证据、依据该证据回答、拒绝无法回答的问题，以及抵御检索文本中的不安全指令。工具使用手工编写的测试样例，其中包含问题、真实申报文件摘录、生成的答案、引文，以及预期的拒答或安全行为。笔记为各项行为定义了单独的指标，并考察组件得分和综合得分，指出混合后的结果必须追溯到其底层指标。…

本笔记展示了针对存在争议的概率预测进行多轮多空辩论的方法。双方根据共享的研究智能体摘要展开论证，查看对方此前的观点，并修正各自的概率预测。当预测差距达到预先设定的共识阈值时，流程便会停止。差距变化轨迹被视为诊断指标：差距收窄可能意味着一方纳入了另一方此前忽略的证据，而持续分歧则记录了尚未解决的不同意见。还可以按给定权重将辩论中点并入小组汇总预测。笔记提醒，两个角色只是对同一模型的提示，并非独立分析师；双方依据的都是摘要，而没有检查底层证据。演示只使用了一个已记录的问题，因此无法说明差距在不同案例中的表现是否可靠。…

本笔记基于外汇价格历史构建拟合模型特征，补充直接根据历史价格计算的指标。它介绍三种方法：状态空间滤波器用于估计缓慢变化的价格水平及相关量；双状态隐马尔可夫模型用于估计美元动荡状态的概率；固定阶数的ARIMA收益模型则用一步预测误差衡量意外变化。四小时柱通过共享日历汇总为交易时段。…

本笔记介绍将S&P 500公司的季度MD&A披露转化为交易特征的流程。它以申报文件的受理日期作为时点锚点；若一家公司在同一天提交多份申报文件，则保留其中对应期间最新的申报文件。笔记构建两种信号：将FinBERT分块级情绪汇总为文档均值和离散度，以及基于句子转换器嵌入计算的季度间语义变化。笔记还解释了年度报告所在季度为何会造成10-Q覆盖的季节性缺口。…

本章围绕一个实际问题综述时间序列深度学习：观测顺序何时包含横截面预测遗漏的信息？哪些模型设计能够利用这些信息？内容涵盖循环网络及其顺序训练负担、N-BEATS等分解模型、基于注意力的方法、时间卷积、混合网络、状态空间模型、图像编码和预训练预测器。笔记系列比较不同架构，并包含强大的线性基准、滚动评估和打乱顺序等诊断，以检验模型是否利用了时间结构。…

本笔记应用TabM，这是一种在集成成员间共享两层特征网络的表格神经网络架构。每个成员用自身学习到的向量缩放共享表示，并使用独立输出层；对成员预测取平均，旨在以低于分别训练完整网络的成本保留集成多样性。三个预先指定的配置在其他训练设置保持不变的情况下，改变层宽和成员数量，预测目标为卖出跨式期权的收益。…

本笔记使用SHAP解释ETF收益的岭回归预测。对于线性模型，特征归因与拟合系数及其相对于背景特征值的偏差之间存在闭式关系，因此分析可以根据精确分解检验解释器。笔记演示全局重要性、单次预测的瀑布图解释，以及对高幅度且预测正确或错误的结果进行比较。模型在最后一个滚动验证折上训练，其他各折的拟合则展示特征重要性如何随时间变化。…

本笔记介绍工具变量主成分分析（IPCA），这是一种根据公司特征预测收益的潜在因子方法。IPCA不为每项特征直接分配收益权重，而是将每家公司的因子暴露建模为其特征的线性函数。共享映射根据整个面板估计，因子收益则随月份变化。交替最小二乘法结合岭惩罚，同时估计映射和因子收益；拟合得到的暴露和收益用于生成验证月份的预测。…

本分析基于多资产ETF面板的滚动验证结果，比较已登记的模型类别。模型预测21个交易日收益，并通过横截面信息系数进行评估；该系数衡量每个日期内预测对基金的排序效果。笔记强调置信区间和各折间的一致性，而非仅按平均得分排序，并考察不同模型类别似乎捕捉到相似还是不同的信号。笔记还区分预测排序与关于某项特征的因果证据。…

本笔记在小时级BTC、ETH和SOL永续合约数据上测试双模型退出设计。入场分类器识别异常强劲的前向收益；其预测概率随后与技术特征一起输入另一个模型，用于估计下一个24小时收益是否为负。退出模型训练时使用的入场概率由扩展窗口的折外预测生成，并在折边界处清除观测，以防标签延伸到之后的时段。…

本文介绍用于准备时间序列面板以供模型训练和滚动推理的数据集工具。训练数据集返回由特征、前向收益、波动率尺度和掩码构成的滑动序列，并支持配置序列长度、日期范围和步长。日期边界会映射到面板中可用的日期；若指定范围无法提供完整序列，构造函数会拒绝该范围。…

本笔记利用时间加权平均价格（TWAP）执行规则的示范，比较行为克隆与逆向强化学习（IRL）。行为克隆将观察到的市场状态直接映射为动作；IRL则根据执行特征拟合线性奖励，并从推断出的目标导出策略。TWAP提供了已知的参考目标：将交易均匀分散，在降低每步市场冲击与承担价格随时间变化的敞口之间取得平衡。…

本笔记说明如何从10-K和10-Q申报文件中提取叙述章节，用于后续文本分析。笔记根据申报表类型映射项目编号，将申报文件HTML转换为文本，同时保留段落边界；它还会清理页面杂项，并识别章节的起止位置，即使目录和正文交叉引用中反复出现项目编号也能处理。笔记还强调保留申报编号和受理时间戳，以识别申报文件并确定信息的可用时间。…

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。…

本分析比较多个模型系列对永续期货资金费率的验证预测。它说明信息系数衡量后续收益的排名，AUC 衡量上涨和下跌结果的排序，而对数损失评估概率质量并惩罚过度自信的错误。这些诊断指标回答不同问题：排名更好并不保证概率校准更好，而单独描述预测结果的指标也不能确定哪种交易策略表现最佳。…

本案例研究配置了一个 LSTM 模型，用于预测 FX 货币对标签。它将循环模型携带的隐藏状态与固定回看变换和卷积感受野进行对比，同时将与其他模型的比较留给单独分析。共享执行器会在拟合前确定序列长度、架构设置、设备、标签、折和检查点计划。它会排除任何跨越缺失日度观测值的回看窗口，因此验证覆盖范围可能小于原始面板。…

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。…

本笔记构建了一个包含四个阶段的预测系统：研究智能体组、概率聚合、对抗式辩论，以及负责识别分歧、搜索澄清证据并给出最终概率的监督器。监督器的影响受其声明的置信度门控：可以忽略其意见、将其与先前结果融合，或允许其替换先前结果。相关性假设、阶段权重、搜索限制和置信度处理的配置值均集中声明。…

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。…

本笔记将 PatchTST（一种 Transformer 风格的序列模型）作为预先声明的模型集合中的一个成员，用于标普 500 期权研究。它将回看序列划分为固定长度的片段，将片段嵌入为词元，并通过注意力关联窗口中的不同位置。与 LSTM 逐步递归的方式相比，注意力可以直接连接序列中相隔较远的部分，并并行处理整个窗口。模型必须通过位置嵌入学习顺序信息，而且参数量较大，在数据有限时可能更难拟合。…

本文为前向收益窗口重叠的标签定义两种诊断方法：合并面板自相关，以及基于标签唯一性的有效样本量。自相关只在同一实体内，按原始时间柱网格上指定的间距配对观测值。合并前先在每个实体内部去均值，避免实体平均值差异造成虚假的持续性。没有有效配对的滞后期仍显示为NaN。…