知识库

本文介绍如何通过注册表检查决定复用还是重新运行模型训练和回测。运行记录由根据其规范生成的哈希标识；只有预期产物齐全时，运行结果才可复用。缺失部分会将运行标记为不完整，并触发重新训练或运行；显式强制标记则用于调试。本文还说明如何规范化和摘要预测键，包括对时序值采用带版本的呈现规则，以便一致地比较以不同类型加载的等价日期。…

本笔记演示如何微调Transformer进行金融命名实体识别，将文本片段转换为结构化的机构、人物、金额、日期和百分比字段。笔记介绍BIO实体边界标签，并说明如何将词级标注对齐到子词元：首个子词元接收该词的标签，后续部分不计入损失。笔记还区分精确实体跨度评分与词元级评分，并说明提取出的实体数量如何转化为文档特征。…

本笔记研究使用梯度提升预测CME期货收益的横截面表现。通过叶节点数量配置调整树的容量，并比较平方误差、绝对误差和Huber目标函数；它们对极端残差影响拟合的程度各不相同。每个模型都会在多个提升检查点进行评估，因此树的数量和预先声明的模型配置一样，都是筛选维度。对两个收益期限使用同一网格拟合，以便在固定模型系列中比较期限效应。…

本笔记介绍将分钟级NASDAQ-100数据转化为模型特征的三种方法：用于预测方差和预测误差的滚动HAR回归、用于分析近期成交量模式的傅里叶变换，以及用于表示价格和订单流变化顺序的二阶路径签名。笔记强调，拟合参数蕴含其估计窗口的信息，因此重新拟合和特征时点必须避免使用未来信息。特征按时间戳和交易标的存储，并检查其在配置的预测期限所需不同滚动验证划分中的覆盖情况。…

本笔记比较从公司申报文本语料中检索段落的四种方法：BM25、稠密嵌入、倒数排名融合（RRF）和交叉编码器重排器。RRF融合的是排序列表，而非原始分数，因此能够结合词法与语义系统，无需校准它们不同的分数量纲。随后，重排器会对候选集合重新排序。笔记还说明如何实现各检索阶段，并在相同检索深度上评估它们。…

本文介绍一种端到端预测架构，结合研究小组、汇总预测、对抗式辩论和监督器。监督器识别分歧、搜索澄清证据，并给出带置信度标签的概率。基于置信度的规则决定该概率是覆盖汇总预测、与其融合，还是不改变汇总预测。笔记还集中管理影响输出的设置，并记录每个阶段的概率和运行细节，以供后续审查。…

本笔记整理跨案例的LightGBM模型比较，并在条件允许时以线性模型和TabM作为参照模型系列。评估覆盖不同树规模、回归损失、检查点和分类目标。主要信号指标是每日横截面Spearman信息系数的平均值，并报告HAC置信区间。比较时会考虑模型评估所用验证折和天数是否相同。…

本笔记比较LightGBM与MLP、TabM，以及在可用时的TabPFN，利用表格特征预测ETF远期收益。模型在相同的按时间顺序排列的滚动验证折上评估，主要比较秩信息系数和训练时间。神经网络方法包括简单的多层感知机和TabM；后者对共享同一骨干网络的多个适配器头的预测取平均。训练使用L1损失，并在每个训练窗口内用留出数据选择停止点。…

本笔记比较普通最小二乘、岭回归、LASSO和弹性网络，用于预测 ETF 的21日远期收益。各模型使用相同的预先声明的滚动验证折，并设置与标签期限相匹配的清除间隔。每一折都根据训练集百分位数截断特征极值，然后在拟合前对特征进行标准化。绩效指标包括横截面秩信息系数；当可用资产过少或预测值没有变化时，不计入未定义的日期。 分析通过 alpha…

本文档将ADIA Lab因果发现挑战视为已知合成数据生成模型族内的监督推断任务。任务使用大量带标签的数据集和图结构配对，为处理变量和结果变量周围的变量分配八种角色。文档解释了监督模型为何可能在此类任务中优于经典因果发现方法：它们可以从模拟器生成的样本中学习稳定的统计模式，有些方法还会使用PC或NOTEARS等方法的输出作为模型特征。…

本模块根据已注册的预测集构建均值预测集成，重点关注可复现性并避免选择偏差。它从注册表解析符合条件的模型配置，而非维护手工编写的成员列表；会过滤不完整或已弃用的预测，并为每种配置选择最后一个符合条件的检查点，而非验证结果最佳的检查点。它还会拒绝将某个配置对应到多个有效训练运行的模糊情况。…

本笔记介绍局部线性趋势状态空间模型，说明如何从价格水平中提取金融特征。隐藏状态包含价格水平和斜率，观测值则是带噪声的收盘价。每一步中，滤波器先预测状态，再计算观测预测误差（创新项），并根据卡尔曼增益更新估计值。由此得到的水平、斜率、预测误差（创新项）和不确定性可用于描述趋势、意外变化和置信程度。噪声设置决定估计值的响应速度，而最大似然拟合则提供了一种基于数据确定参数的替代方式。…

本笔记将日内股票收益中的连续价格变动与离散跳跃分开。它根据对数收益平方估算日实现方差，并使用双幂变差作为对跳跃稳健的连续部分估计；两者的非负差值用于估算跳跃方差。随后，Lee–Mykland检验使用同一交易时段内此前观测值估算的局部波动率，对各收益进行标准化。其基于Gumbel分布的临界值考虑到一天内对多个分钟数据点进行检验，并能适应局部波动率变化。…

本笔记使用纯Python编排、CrewAI和LangGraph实现四阶段预测流程。它比较状态的存放位置、如何检查或恢复故障、各方法增加了哪些依赖，以及如何进行追踪。原生版本与LangGraph版本组合了相同的专家类，而CrewAI版本使用角色提示任务和不同的模型调用路径。这一差异意味着它们的预测概率并非用于衡量框架质量的受控基准。…

本笔记研究线性模型正则化在货币对集合中的应用；由于各货币对都是以共享货币报价，其收益彼此相关。它区分了岭回归、Lasso和弹性网络可以处理的特征共线性，与系数惩罚无法解决的被排名资产之间的依赖关系。岭回归会缩小系数但保留特征；Lasso可以将系数压至零；弹性网络结合两者的特性。惩罚参数在每个训练折内确定，模型则在共同的滚动样本上拟合和评估。…

本笔记研究极端永续期货溢价是否会影响后续BTC收益或溢价回归。它将处于高溢价状态定义为处理条件，并比较两种结果：可能受多种因素影响的广义市场结果，以及与资金压力和套利联系更直接的溢价变化。有向无环图规定了调整变量集合，使用回溯收益和波动率作为控制变量；研究设计则将处理前控制变量与远期结果分开。…

本章综述如何将拟合后的统计方法转换为交易模型特征，涵盖诊断与平稳性、结构突变、分数差分、卡尔曼滤波、谱方法与路径签名方法、ARIMA与GARCH波动率、HAR与粗糙波动率指标、不确定性估计、市场状态模型以及横截面或面板变换。输出包括滤波后的水平值与趋势、创新、预测、条件波动率、市场状态概率，以及后验或预测不确定性。…

本笔记为一种读取上市期权数据、为股票排名并随后持有股票的策略构建远期股票收益标签。它构建考虑公司行动影响的调整后价格序列，并使用持续稳定的证券标识符识别公司；随后检查每个远期窗口是否完整、是否始终对应同一证券，以及是否按交易时段计量。它还会明确处理收益不可得的情况以构建方向标签，区分持有期限与验证集隔离间隔（purge buffer），并根据结果实际确定的时间截断诊断，而不是根据信号观测时间截断。…

本笔记介绍一种逐次筛查单个特征的方法，用于评估20个货币对中的候选信号。它仅使用滚动验证窗口，计算每个特征的每日横截面排名与下一交易日收益之间的一致性。评估面板会在留出集之前提前截断，以确保标签结果不会在面板内到期。覆盖率和陈旧度筛选会剔除过于稀疏或静态、无法评估的列；类似Newey–West的方法则会将相邻交易日之间的依赖关系纳入不确定性估计。折方向检查、冗余分析和错误发现率调整用于应对不稳定性和多重特征检验问题。…

本笔记将主成分分析作为期权分析研究中预测股票收益的无条件潜在因子基准模型。PCA利用历史收益面板估计共同变动和各股票对这些变动的暴露，再根据训练窗口估计的因子均值生成预测。它刻意排除隐含波动率、偏斜、期限结构和其他期权特征。该基准模型可用于衡量在相关模型中根据这些特征调整暴露所带来的作用。…

本笔记比较穷举网格搜索与Optuna的TPE采样器，用于调优LightGBM收益预测模型。首先，两种方法使用相同的试验预算和离散参数网格；枚举会覆盖所有组合，而采样可能重复访问某些点。随后，笔记考察固定网格无法表示的连续参数空间。比较中区分了搜索空间允许探索的范围与采样方法实际能够发现的内容。…

本笔记使用信息系数、分位数收益、首尾分位差和分类诊断评估横截面动量因子。它介绍Spearman IC，即逐日计算信号与后续收益的秩相关，并将其与所有日期和资产观测值合并计算的相关性区分开来。两种计算方式可能得出不同结果，因为合并计算的IC也反映收益的时变特征。笔记还介绍ICIR、显著性指标、分位数单调性、换手率和信号衰减等互补诊断。…

本笔记使用ETF面板数据讲解成对和横截面特征。它比较Engle–Granger与Johansen协整检验，区分平稳价差与简单的共同变动。能源基金与原油基金的示例未通过两项检验；基金持仓和期货展期成本的差异有助于解释固定组合为何可能漂移。笔记提醒，基于未通过协整检验的结果估算出的对冲比率，并不能证明存在可交易关系。…

此配置指定了来自FRED的历史宏观经济数据集，用于市场状态过滤和跨资产分析。数据按日、周、月和季度频率组织，涵盖美国国债收益率、联邦基金利率、VIX、劳动力指标、通胀指数、工业生产、货币供应量以及名义和实际GDP。其中还列出描述性名称，并定义了由不同期限美国国债收益率计算的收益率曲线利差。…