知识库

本工具介绍用于诊断量化研究流程所生成数据产物的方法。它会统计数值列中的空值、非有限值、零值、不同值数量、分位数和尾部行为，并标记超出可配置提示阈值的列。它还会将已生成的键与明确声明的预期范围进行比较，报告缺失和意外的键，避免仅因现有行完整，就误以为规模不足的输出状况良好。…

本笔记检验学习得到的图嵌入是否能为 US 股票的表格模型增加预测信息。它基于目标期之前测得的绝对收益相关性构建网络，并利用同一段目标期前历史构造动量、波动率和趋势特征，以预测后续股票收益。比较过程中，每个交叉验证折内都会训练一个图注意力自编码器，随后在相同的留出股票上评估包含和不包含图派生特征的岭回归模型。…

本笔记比较波动率测量方法，并在粗糙度分析之外构建异质自回归（HAR）波动率模型。它使用日内收益估计时段已实现方差，区分日内波动与隔夜收益，并将基于日内区间的估计量与更高频的测量结果进行核验。文中指出了数据问题，例如公司行动后的价格未作调整、交易时段不完整，以及交易所交易时段缺失。HAR 结合短期、中期和较长期的波动率均值，使其系数可解释为不同市场节奏的贡献；回归变量重叠意味着需要修正标准误。…

本文介绍一项标普 500 期权研究中的 LSTM 序列模型。不同于依赖人工构造特征概括标的历史的横截面模型，LSTM 接收按时间排序的窗口，并学习序列中哪些部分重要。它的门控机制会在回看区间中传递信息，但额外的灵活性也增加了拟合噪声的风险，尤其是在期权数据集有限时。采用该模型是为了检验序列顺序是否能提供基于特征的梯度提升模型之外的信息，而非预设深度学习必然胜过后者。 训练流程通过统一预设固定架构、遵守时间折边界，并按既定计划发布检查点，以便在后续阶段选模。由于 CPU 和 GPU…

本笔记使用拆分保形预测，为梯度提升预测构建区间。模型在较早的训练片段上拟合，在较晚的校准片段上测量绝对残差，并使用有限样本次序统计量设定区间宽度。校准数据按时间顺序划分，并通过与标签期限相关的隔离期与训练数据分开，以处理前瞻目标造成的信息泄漏。研究比较了 ETF、加密货币和期货数据上的区间覆盖率与宽度，涵盖分位数回归、保形化分位数回归和自适应保形推断。…

本笔记使用一个确定性的一百万行 OHLCV 面板，比较 CSV、Parquet、Feather 和 HDF5 存储格式。它测量写入时间、完整读取并物化数据所需时间、文件大小，以及仅选取两列时的读取时间。计时方法采用一次写入测量，并在预热后对多次热缓存读取取平均。笔记会强制物化数据，避免将内存映射的 Feather 读取误认为数据已完整读取，并验证每次完整读取是否返回预期行数。…

本笔记介绍将财经标题转化为个股信号的流程。它会清理并规范新闻语料，在股票代码与日期分组内去除完全重复及前缀匹配的重复项，并使用句子嵌入表示标题含义。新闻意外度衡量某日嵌入与近期基准的偏离程度；情绪特征则反映平均情绪极性及分歧程度。笔记还将意外度与情绪方向结合，按股票代码和日期汇总观测，并通过信息系数和收益分组评估信号与未来收益的关系。…

本笔记说明如何在通过验证结果选定 FX 策略配置后生成留出集预测。它会在获准且保持偿付能力的候选项中，选定验证回测夏普比率最高的一项，然后根据所选标签的观测时间线构建留出区间。训练会在留出集之前预留一段标签缓冲区，避免训练结果延伸至评估期。笔记根据验证规格重建模型请求，在保留所选配置和检查点的同时调整折的几何结构。…

本笔记说明日频 OHLCV 数据的生命周期：加载初始历史数据，获取少量有重叠的增量数据，检测缺失交易日，并汇总每个标的的数据新鲜度和校验问题。它说明更新窗口为何应截止于数据服务商最近一根完整 K 线，因为当日记录可能包含未完成价格；也说明重叠窗口有助于捕获供应商修订数据。此外，笔记还概述了适用于不同更新需求的增量更新、仅追加、全量刷新和回填方式。 示例使用日频 US 股票数据，报告新增可用交易日之前每个标的的初始面板有 502…

本笔记在模拟加密货币交易环境中比较 DQN、PPO 与 A2C。它根据比特币永续期货小时收益校准 GARCH(1,1) 波动过程，再模拟保留波动聚集特征、但收益方向仍不可预测的路径。每个智能体获得相同的训练预算，并在相同的留出回合随机种子上接受评估。环境会延迟奖励，使某项操作获得下一步的收益；每当仓位改变时，环境都会收取成本。…

本笔记诊断一个固定的仅做多 ETF 动量基准在 2010 至 2024 年不同市场环境下的表现。它使用每日收益发生前已知的波动率和趋势指标为收益标记状态，并以扩展历史中位数定义高低状态。收益率曲线利差也决定该基准持有选定的动量 ETF，还是防御性债券组合。随后，笔记按波动率与趋势的四种组合划分收益和风险指标，报告各组观测数，并使用可加总的对数收益将峰谷损失归因至不同状态。…

本笔记将先前选定的公司特征预测和固定投资组合配置应用于一年期留出集。它不再对预测、资金分配、集中度、再平衡或交易成本作出新选择，以保留留出集用于样本外评估。投资组合的保形分配器使用验证残差估计预测可靠性；残差过少的公司使用汇总后的备用区间宽度。权重依据投资组合各部分内相对区间宽度的倒数确定，因此分配器侧重可靠性，而非单纯偏向预测收益最高的公司。…

本笔记构建了一个在网页搜索和概率预测之间交替工作的预测智能体。一个精简的双方法语言模型接口，让同一循环可以使用模拟、本地或商业服务商。智能体接收一个预测市场问题，并可发出两种 JSON 操作之一：搜索证据，或说明一个概率并给出理由。步骤预算会限制运行过程；在调用任何工具之前，格式错误或未知的操作都会被记录并送回以便修正。…

本笔记通过交易数据构建成交笔数和成交量失衡柱，考察由信息驱动的抽样方法。它将手动实现的成交笔数失衡算法与库中的采样器进行核验，随后调整预期柱大小和自适应设置，比较自适应、固定阈值和滚动窗口方法。通过柱数、平均大小、Jarque–Bera 正态性检验、滞后一阶自相关和方差比统计量评估柱收益。该框架强调随时间检查采样器的阈值组成：仅观察期末预期规模的漂移，可能遗漏自适应过程中向上、向下或相互抵消的变化。…

本审计比较多个交易引擎在ETF配置、期货、加密货币永续合约资金费率、外汇和US股票上，重放相同的冻结模型目标与内容寻址历史输入的表现。审计通过匹配成交记录、估值时间戳、账户价值、期末价值，以及检测人为篡改的成交记录，评估执行一致性。由于建模和目标构建都在任一引擎运行之前完成，因此这项比较检验的是重放行为，而非信号生成是否一致。…

本笔记展示一种只读问答流程，其机构持仓图谱基于 13F 文件构建。该流程不从自然语言生成数据库查询，而是将明确支持的问题路由到手写且实体固定的 Cypher 模板。模板用于检索持有人、持有两只相同证券的机构，或某机构持仓最大的证券。数据生产方提供的快照包含最新可用的申报日期；查询会按公开可用性筛选并选取最近的报告期，从而将这两个时间概念区分开来。…

本分析从登记系统加载各案例研究的叠加规则回测，将其夏普和最大回撤与配置阶段基准比较；若不可用，则使用信号阶段基准。分析按规则类型分类配置，报告每项研究中夏普最高的叠加规则，以及各类别的均值、中位数和正向改善率。参数扫描中的最佳结果会与典型配置分开处理，因为选择最大值会夸大表面收益。…

本笔记评估 NASDAQ-100 日内策略中配置阶段排名靠前的配置，并考察持仓级止损、移动止损和时间退出。策略每十五分钟决策一次，而回测引擎每分钟监控持仓，因此叠加规则可以在信号更新之间退出。移动止损阈值既包括预设网格，也包括根据最大不利偏移（MAE）校准的变体；最大不利偏移是指定持有期限内观察到的最差不利价格变动。…

本笔记推导欧式看涨期权和看跌期权的 Black-Scholes 定价，检验看涨看跌平价，并使用 Brent 求根法计算隐含波动率。还定义 Delta、Gamma、Vega、Theta 和 Rho，并用图表展示期权敏感度如何随实值程度和到期时间变化。希腊值被视为用于对冲和理解风险敞口的局部指标；隐含波动率则是使模型价格与观察到的期权价格相匹配的波动率输入。…

本笔记介绍一种用于标普 500 股票和期权研究的分块变换器，用于序列预测。它将时间窗口划分为连续数据块，并将每块表示为一个词元，使注意力机制能够直接比较窗口中相距较远的部分，同时处理更短的序列。块大小决定分辨率取舍：较大的数据块可缩短序列，但会在注意力机制逐个检查观测值之前将更多观测组合起来。…

本笔记介绍用于动态 US 股票面板的工具变量主成分分析（IPCA）。传统 PCA 为每只股票分配拟合载荷，无法自然覆盖训练样本中缺失的股票，而且公司特征发生变化时，载荷仍保持固定。IPCA 则估计从可观测特征到因子载荷的共享映射，因此可以为未见过的股票计算载荷，并在特征变化时更新载荷。 本笔记在滚动各折的训练行上拟合模型，并使用相同的面板和因子数量与 PCA…

本章将强化学习定位为一种序列控制工具，并将其与监督式预测区分开来。重点是行动会影响后续结果且奖励相对具体的任务：交易执行、做市和衍生品对冲。内容还讨论如何将这些问题映射为部分可观测决策过程、如何在基于价值的方法和演员评论家方法之间选择，以及如何将学习策略与既有执行计划或对冲基准进行比较。 案例研究包括模拟执行比较、加密货币永续期货重放、考虑库存风险的报价，以及计入交易成本的对冲。研究强调配对路径、行动分布、损益分布和风险指标可作为有用的评估证据；本章概述并未广泛证明 RL…

这份 ETF 特征笔记说明，即使统计模型的公式只使用过去观测，其估计参数仍可能泄漏未来信息。解决方法是采用滚动重拟合计划：设置初始预热期，在每个重拟合时点使用截至当时可用的数据拟合，然后生成后续特征值，直到下一个重拟合时点。该方法用于市场状态分析，包括隐马尔可夫模型、经分数阶差分处理的参考 ETF 价格，以及各 ETF 的 GARCH(1,1) 条件波动率。…

本笔记从冻结的验证候选集中重建选定的 FX 配对配置，再评估其验证和留出期证据。选择规则是取符合条件且验证夏普最高的配置，并在并列时按回测标识确定性地打破平局；成本变体不纳入候选集。留出期谱系按模型系列、配置、标签和检查点进行匹配，因为真正重新训练后的训练标识会不同。分析会读取先前登记的留出期预测和回测，检查来源，并列出验证期、留出期及两者差异的区间估计和配对比较。…