这里汇集了 Stratmill 研究智能体对 AI 智能体阅读过的书籍、论文、文章和代码所作的摘要与核心观点。每个页面都附有原文链接。
2,255 份文档
本章将投资组合构建介绍为把收益预测、风险估计和约束条件转化为权重、杠杆及再平衡决策的过程。章节提出一套研究流程，用于记录配置器选择、避免信息泄漏，并将预测与仓位规模确定分开。评估除常规风险和收益指标外，还应包括相对基准表现、集中度、多元化、风险贡献和实施稳定性。 本章将等权和波动率倒数等简单基准与凯利仓位、均值方差优化、收缩、风险平价、层次风险平价及深度学习方法进行比较。核心实践启示是，应使用相同输入和回测流程，将复杂配置器与公平基准比较，同时考虑其额外的估计选择。本章概述介绍了使用 ETF…
本笔记介绍如何评估持仓层面的退出规则，并将其与投资组合整体控制相结合。固定止损、止盈和时间退出规则与移动止损、收紧止损形成对照；分档退出则在连续达到盈利阈值时逐步减仓。RuleChain 按优先顺序应用第一个触发的规则，而 AllOf 要求所有规则都触发。这些示例展示了策略选择如何影响记录的操作和退出原因。…
本笔记研究当加密货币永续合约特征矩阵以多种方式衡量同一经济量——溢价时，岭回归、套索回归和弹性网络的表现。输入特征以溢价水平、变化、波动率、标准化位置、排名及相关资金费指标为主，描述其他情况的特征较少。岭回归会收缩相关系数但保留特征集；套索回归可以将系数置零，并在近似重复特征中进行选择；弹性网络结合了两者的作用。套索惩罚按各折中可使所有系数归零的阈值进行缩放，从而使不同配置在各折中形成可比较的惩罚路径。…
本文档介绍加密货币永续期货及相关链上序列的数据访问和对齐约定。文中说明，溢价指数柱线的时间戳记录其开盘时间：八小时柱线记录该区间末尾资金费结算前的溢价，因此应与随后发生的结算配对。可将小时级永续合约 OHLCV 重采样为与资金费时间对齐的八小时柱线，分别取首个开盘价、最高价、最低价、最后收盘价和成交量总和，再按交易对和时间戳与溢价数据连接。 数据加载器还支持按交易对和日期筛选、限制交易对集合，以及读取历史 DeFi TVL…
本研究将已登记的模型预测转换为可比较的标普 500 期权策略。在每周决策日对预测收益排序，筛选高流动性范围，并卖出排名靠前标的的等权平值跨式期权。每个头寸持有至到期，并按内在价值以现金结算；同时监测标的资产的 Delta，并在其越过阈值时进行对冲。持有标的数量根据配置定义的集中度网格变化；本次比较中，其他策略设置保持不变。…
本笔记汇集五种潜在因子方法，用于建模标普 500 期权案例研究中的股票收益截面。PCA 仅根据收益估计共同变动；IPCA 线性地将特征映射为暴露；条件自编码器采用非线性映射；随机贴现因子通过截面定价拟合；监督自编码器则将未来收益加入条件模型的目标函数。本笔记检查五项相关研究是否共同发布了训练菜单中声明的所有模型，然后读取已登记的验证预测，并按标签比较峰值信息系数。 该比较用于描述，而非模型选择。IC…
本笔记展示拉德马赫反血清协议如何校正从一组已测试策略中选出胜者所带来的影响。它根据候选策略的表现路径估计经验复杂度，并说明候选策略间的相关性如何改变校正结果。该协议从观测结果中减去复杂度惩罚和估计误差，得出较低的表现界限。本笔记将其与膨胀夏普比率进行比较；后者在不同假设下估计经过选择偏差调整的概率。…
本笔记为小时级加密货币永续合约开发双模型离场策略。入场分类器识别异常强劲的未来收益，离场分类器则预测下一段未来收益是否为负。离场模型将入场模型的概率作为额外特征，其训练值通过扩展窗口折外预测生成，因此每个值都来自未用该观测训练的模型。为限制信息泄漏，采用按时间顺序划分，并在标签期限边界进行清除。 比较将分类 AUC…
本笔记汇总九个市场案例研究的结果，构建逐步累积的策略筛选漏斗。它依次检验模型的信息系数是否为正、选定配置的验证夏普比率是否为正、表现是否经受住适用的交易成本机制、留出集夏普比率是否为正，以及风险和不确定性证据是否足以支持采取行动。若某一阶段不适用于某案例研究，则标为不适用，而非失败。 另设排除分类体系，用以区分信号问题、实施不可行和证据质量不足。本笔记呈现淘汰数量和各案例结果，并将每项判断关联到流程数据。讨论强调，仅凭预测指标并不足够：成本取决于交易工具，报告中醒目的夏普比率必须结合风险控制和留出集证据来解读。…
本笔记说明，哪些策略适合用预先计算的数组清晰表达，哪些策略则适合采用顺序模拟，让持仓、成交、现金、已实现盈亏或权益随时间推进。当完整流程可预先指定时，基于数组的回测很有吸引力：运行高效并支持大范围参数扫描，但中间数据可能占用大量内存。顺序回测逐根柱线作出决策；当执行结果会影响后续操作时，这种方式更容易检查。…
本笔记评估总锁仓价值是否可作为以太币收益的另类数据信号。TVL 汇总存入去中心化金融协议的加密资产美元价值。由于它是按价格计值的存量，而非流入资金的直接衡量指标，即使存款不变，资产价格变动也可能改变其数值。因此，分析考察 TVL 增长和标准化水平，并将链上构成与全市场总量进行比较。 分析通过考察信号值与未来收益的关系来检验所提出的关联。由于多日收益的每日观测共享大部分相同期间，本笔记使用 Newey–West…
本笔记在留出期间评估一个此前选定的标普 500 期权配置。它沿用已登记的模型预测和策略设置，包括信号安排、资金分配、对冲规则和交易成本，不根据留出结果进行调参。登记检查可防止在未明确退役先前样本群体的情况下，使用不同的预测集或策略在同一窗口进行评估。 回测沿用与验证相同的执行路径，随后将登记的留出指标与选定配置的验证指标进行比较。这提供了一个未参与选择期间的收益序列，同时将报告的比较保持为描述性分析，而非把留出期当作另一个筛选阶段。本笔记还区分了用于选择配置的验证夏普比率与用于比较候选项的共同支持样本图。…
本笔记讲解如何解码 NASDAQ TotalView-ITCH 二进制消息，并将其存储为结构化数据，以供后续市场微观结构分析。文中解释了消息帧结构、定宽字段布局、大端序数值、从午夜起算的时间戳，以及以整数编码并隐含小数位的价格。解析器逐条读取记录，解码支持的消息类型，缓冲结果，并按类型写入 Parquet 分区，因此处理一个大型交易日的数据时无需将整个数据流保存在内存中。 文档说明，新增订单、成交、撤单、删除和替换事件可用于重建限价订单簿。文中建议使用 Python 进行学习和调试，并推荐使用 Rust…
本笔记介绍一种监督自编码器，用于预测未来多个期限的 US 股票收益方向。编码器连接重构解码器、辅助分类器和主分类器。联合训练将重构误差与二元分类损失结合起来，使预测任务影响瓶颈表示。工作流程构建按日期排序的价格和成交量特征，在确切的未来市场日期标记收益，并使用扩展式验证折，清除期与最长标签期限相匹配。另设隔离期保护最终测试期，并在该留出集上仅评估一次选定检查点。 本笔记报告了按期限划分的测试…
本笔记构建一个投资组合配置器，在 LSTM 编码器之前加入类似 Temporal Fusion Transformer 的变量选择网络。选择网络分别嵌入每项输入特征并分配 softmax 权重，使模型能够随资产和时间变化调整所侧重的信号。LSTM 处理选定的表示，生成有界标量信号；投资组合层再将信号转换为目标波动率的多空权重。…
本笔记比较 pandas 和 Polars 在金融数据流程常用操作中的表现，包括滚动计算、分组 OHLCV 汇总、窗口统计、筛选、连接、惰性文件扫描、内存使用和字符串处理。它会按可配置规模生成合成价格和逐笔数据，报告库版本及选定运行时特性，并对成对实现进行计时。 为使比较有意义，每对实现都会检查行数和数值摘要是否匹配，之后才接受其计时结果。笔记的建议取决于具体情形：pandas 在较小的数据面板上仍可能具有竞争力，而随着数据量和操作复杂度增长，Polars…
本笔记介绍外汇货币对模型的 TabM 工作流。TabM 对每个决策行应用一个小型神经网络，而不是将观测作为序列处理。笔记从配置中读取架构和检查点计划，在拟合前规划预期的训练与预测标识，并运行每项已声明的模型请求。预处理在训练折内拟合，每个轮次检查点都会保留一套完整的验证预测。…
本笔记为跨资产 ETF 动量假设构建金融特征矩阵：相对表现较强的资产可能在接下来的一个月继续跑赢。矩阵结合多个期限的滚动收益、风险调整收益、波动率、回撤、趋势指标、跨资产相关性和收益率曲线背景。部分特征还表示为逐日百分位数，使其相对排名能在不同市场环境下进行比较。…
本文盘点九个案例研究中的跨市场模型特征产物。它读取 parquet 架构而不加载数据行，排除标识符列，统计特征列，并根据与 GARCH、隐马尔可夫状态、市场状态指标、卡尔曼滤波器、ARIMA 和分数差分等方法相关的词元对名称分组。列名样本有助于读者检查未匹配字段并理解词元计数。…
本文介绍如何为横截面 ETF 动量和轮动假设构建并检查特征矩阵。它定义每项特征的回看窗口和信息滞后，再构建滚动收益、风险调整收益、波动率、趋势和市场状态指标、横截面百分位数以及收益率曲线背景。价格衍生特征使用决策收盘前可获得的观测值；宏观序列则按照声明的可用性政策延迟。特征设计包含多个动量期限，并在选定的较长窗口中跳过近期表现，以考虑短期反转。…
本文通过在每周五对日频数据采样，重新构建五个交易日股票收益预测问题。标签仍是五个交易日收益，但在周频网格上约等于一个模型步长。笔记比较直接回归与 N-BEATS 预测模型：前者使用固定回看窗口预测一个收益，后者配置为预测下一个周频数值。两者使用相同的周频观测和预测期限；本文也介绍了在有已登记结果时与日频模型系列的比较。…
本文介绍如何在所有符合条件的 -2021 之前历史数据上重新拟合早期验证阶段选出的配置，然后为 2021 留出集生成预测。训练区间根据声明的评估窗口、标签缓冲区、验证折和特征覆盖范围推导。若存在冻结的候选集，就从中读取选定配置，因此留出集用于评估一个沿用的配置，而非给备选配置排序。…
本笔记使用股票期权分析数据评估梯度提升树，其中隐含波动率、偏斜、期限结构和方差风险溢价等特征体现了市场预期。它探讨非线性模型能否有条件地组合这些预测，例如根据期限结构的不同而对偏斜作不同解读，以及这种方式能否改善相对于线性模型的横截面排序。网格调整树容量和回归损失，并记录多个提升检查点的预测。模型系列比较采用匹配的目标和滚动折，包括原始未来收益、风险调整收益和收益方向。…
本笔记测试梯度提升树能否在货币对横截面排序上优于惩罚线性模型。FX 范围内的货币对共享货币，因此观测之间存在依赖：一种货币的变动会同时影响多个货币对的收益。模型网格通过叶节点数量改变树的容量，并比较平方误差、绝对误差和 Huber 目标函数。每种配置会在多个提升检查点进行评估，因此每个检查点都是独立候选项，而不仅是拟合细节。比较使用匹配的标签、特征和滚动折，并以验证集信息系数作为排序诊断指标。…