知识库

本笔记研究模型完成资产排名后，配置规则如何影响ETF策略。它固定预测集和再平衡日历，为每种比较选取相同的前 k 名组合，并改变组合内的权重。方法包括等权、评分加权、逆波动率、风险平价、均值方差优化和层次风险平价。由于持有基金数量会影响权重的调整空间，分析还扫描了组合集中度。…

本笔记评估已登记的ETF预测集转化为投资组合后的表现。它将每个验证集预测集与已声明的入场方案交叉组合，例如不同的前 k 名持仓，同时固定交易日历、再平衡频率以及声明的佣金和滑点假设。扫描前，先通过引擎运行随机排名；夏普比率明显偏离零，被视为时间、数据连接或成本模型可能存在缺陷的证据。…

本章介绍一条从研究走向实盘执行的路径，核心是让同一策略逻辑能够用于回测、模拟交易和实盘场景。内容涵盖经纪商和平台集成、部署循环、数据与特征一致性检查、订单生命周期处理以及运维准备。订单工作流被建模为状态机，以便明确处理部分成交、撤单、拒单和中断后的恢复。风险控制包括订单和持仓限额、过期数据检查、影子交易、对账和熔断开关。…

本章梳理市场、基本面和另类金融数据来源，并比较资产类别如何影响价格、流动性和观测值的含义。文中强调，时间戳、调整方式、标识符和修订记录都是数据集定义的一部分，可能改变研究结论。示例包括考虑存续偏差的股票价格、公司行为调整、期货交易时段 K 线与连续合约、期权指标以及加密货币资金费率数据。…

本文介绍一种根据案例研究评估设置生成滚动验证切分的通用方法。它将折的构建交给能够感知日历的切分器，使用唯一时间戳以保持面板行对齐，并从明确的留出边界向后推进。训练和验证窗口可以采用滚动时长，并通过标签缓冲区将二者隔开，以减少跨越边界的结果造成的信息泄漏。 一个关键设计选择是如何计算缓冲区。对于具有市场日历的交易时段网格数据，以天表示的时长可以按交易时段数解释；以日历时间为基准的结果则使用经过的日历时间。同样的区别也用于清除结果期限触及留出集的验证观测。本文还建议在缩减折集合时标明折…

本笔记将两种顺序检测器应用于一年内两种 US 股票线性模型配置的实际验证集预测误差。双窗口均值漂移检测器寻找误差幅度的变化，错误日频率监测器则追踪方向预测出错的频率。每个检测器都在初始时期校准，再监测之后的交易时段，避免使用评估期数据拟合阈值。分析将警报与基于滚动波动率的市场剧烈波动代理指标进行比较，并保留警报相对剧烈波动事件的有符号距离，以区分提前预警和延迟发现。…

本文说明如何根据现有滚动验证规范推导单一留出集训练区间。它从研究配置读取声明的留出日期，采用验证折中最早的训练起始日期，并提前结束训练，留出足以覆盖最大标签缓冲区的间隔。该缓冲区可防止训练结果延伸到留出评估期。如果特征仅存在于较窄的折级历史范围内，训练起始下限可将留出拟合限制在这些特征实际覆盖的日期。 实现还会验证选定标签、折边界和已解析的 CV…

本笔记为标普 500 股票上的平值卖出跨式期权构建未来收益标签。由于每日面板中的名义 30 天跨式期权每个交易日都对应不同合约，平移价格序列会混合不同工具。标签改为跟踪建仓时确切的看涨和看跌期权合约，获取其后续价格或结算价值，并检查每笔交易的进场和出场数据是否有效。它还区分主要的持有至到期收益与固定期限诊断指标，包括 Delta 对冲变体。…

本笔记筛选适用于卖出平值跨式期权并持有至到期策略的候选特征。对每个交易日，它比较可用标的按某项特征进行的横截面排名与这些标的最终跨式期权结果的排名，再计算多个验证期内排名一致性的平均值。由于同时检验多个候选项，它会针对仓位重叠调整不确定性，并控制错误发现率。…

本笔记比较拆分共形预测、共形化分位数回归和自适应共形推断，用于预测 ETF 的未来收益。在滚动交叉验证中，模型用一个子集训练、用另一个子集校准区间误差，再对之后的观测进行评估。拆分共形根据校准残差的秩确定区间宽度；CQR在校准前拟合上下分位数模型，因此区间宽度可随条件变化。延迟结果变得可用后，ACI会更新其失覆盖率。…

本笔记解释了为何在许多因子或策略中搜索会抬高最终选中者的表面表现，即使每项估计本身计算正确。模拟的一组噪声因子说明，最高的信息系数可能只是偶然看起来很高。随后，笔记构建了先进行异方差和自相关稳健推断、再控制错误发现率的校正流程，并讨论了适用于更保守筛选的族错误率控制。…

本笔记比较案例研究回测所用成本扫描中的毛夏普和净夏普。对于每个已部署的策略配置，它从记录的产物中读取假设的单边成本和再平衡频率，插值得到假设成本下的夏普，并估计夏普降至零时的成本。如果扫描范围上限处策略仍有盈利，则将盈亏平衡点视为被删失的数据，而不报告为已观测到的交点。频率分组使用明确的换手倍数；笔记指出，这些倍数是设定值，而非实测换手率。…

本笔记解释了为何通用目标权重风险叠加层不适用于所述的标普 500 空头跨式期权引擎。该引擎为每周批次分配固定资本份额，并在每个批次内将权重归一化至总和为一。因此，下调这些权重会被归一化抵消，无法留出现金供回撤或波动率叠加层控制。相关控制应纳入策略规格，包括对冲阈值、结算约定、入场成本和批次数量。…

本笔记衡量某个选定的 US 公司特征策略在不同假设佣金和滑点下的验证表现变化。它在声明的成本网格上重新运行同一配置，并将每笔总费用平均分配给佣金和滑点。固定策略后，所得夏普曲线可以单独反映对交易成本假设的敏感度。曲线中标出了声明的成本水平，便于比较；已登记的结果可以复用，无需重新计算。…

本笔记使用高斯混合模型，根据九个因子和资产类别收益序列的联合表现对月份进行分组。它对月度观测值进行标准化，剔除缺失值月份，并使用 BIC、AIC 和轮廓系数比较候选聚类数量。随后，笔记结合有日期的市场事件解读聚类结果，并考察各组内的因子表现，展示合并平均值如何掩盖不同市场环境之间的差异。 证据来自 AQR 自 1927…

该笔记本介绍如何为选定的CME期货模型配置生成留出期预测。该配置依据验证结果选出，随后使用结束时间早于留出窗口的数据重新拟合。标签缓冲区将训练观测与评估期隔开，以避免前瞻标签结果延伸至留出期。笔记本还会使用窗口开始前估算并在整个窗口内保持固定的参数，为留出期重新生成模型特征。…

该Python模块介绍如何使用每日样本外收益量化策略回测的不确定性。它结合了收益序列统计量的平稳区块自助法区间、针对自相关和非正态性调整的夏普比率标准误，以及均值收益的Newey–West标准误。有再平衡间隔时，区块长度会依据该间隔确定；否则使用最优规模估计器确定，并设置基于收益期限的下限。该模块还定义了基于每日收益差异的配对自助法比较，以及用于比较信号、资产配置、风险叠加层和交易成本影响的分阶段基准链。…

该笔记本介绍成交量参与率限制如何约束每个市场时段内母订单可成交的数量。经纪商根据观测到的成交量计算允许执行的份额，并将未成交部分留到后续时段。较低的参与率上限会减少市场冲击，但延长完成时间；较高的上限会加快执行，同时增加市场冲击风险。最低成交量阈值可避免在流动性特别薄弱的时段交易。…

该笔记本从已登记的验证集回测中选择一个CME期货案例，涵盖信号规则、资产配置和风险叠加层。它在不同收益期限的候选方案之间进行比较，并选择验证夏普比率最高的配置。成本敏感性分析用于描述所选配置，不会增加候选池中的方案。规范运行会冻结候选成员，以便复现比较结果。…

这项案例研究比较了用于预测平值空头跨式期权到期收益的梯度提升模型。研究改变了树的容量和三种拟合目标：平方误差、绝对误差和Huber损失。滚动验证使用两个时期，其中包括发生波动事件的一年，并通过信息系数（IC）对预测评分。由于每个提升阶段都会生成自己的预测，因此不同检查点被视为独立的模型候选。…

本文介绍一套保持每日市场数据更新的运维流程：加载初始历史数据，获取少量有重叠的增量数据，检查日期缺失情况，并监控数据新鲜度和校验问题。重叠部分有助于捕捉数据供应商对近期数据条目的修订。对于OHLCV数据，更新窗口应截止于最后一根完整数据条，而不是当前日期，因为供应商可能返回部分数据或价格不完整的交易时段。本文还提醒，若不使用交易所日历来填补缺口，可能会人为生成周末和节假日的数据条目。…

本文介绍一项CME期货研究如何在验证数据上选定模型配置后，为留出期生成预测。系统从验证结果中恢复所选配置和检查点，然后仅使用留出期开始前可用的历史数据重新拟合模型。标签缓冲区可防止训练结果延伸至评估窗口，并重新计算留出期专属的资格条件和模型参数。已登记的训练身份可证明模型经过了新一轮拟合，而非重复使用在验证集上拟合的模型。…

本研究比较双重深度Q学习、按K均值划分的专家混合模型，以及参数量匹配的稠密网络在BTC/USDT订单执行中的表现。评估使用按五分钟频率聚合的均值币安限价订单簿数据，重点考察执行偏差、训练随机种子差异、策略崩溃和策略内部尾部风险。结果还与时间加权平均价格及立即清算基准进行比较。回放环境中的提前清算几乎没有成本，这是因为奖励和惩罚采用了文中所述的设计。…

本文研究具有幂效用的投资者在无限期限内的投资与消费问题。市场并不完备，投资机会取决于随机因子。研究涵盖有限状态因子和用伊藤扩散过程建模的因子，并将动态投资组合选择与哈密顿—雅可比—贝尔曼方程的求解联系起来。…