知识库

本笔记从一项审计中单独分析 LEAN 引擎的结果。该审计将保留的真实策略运行结果与匹配的 ML4T Backtest配置进行比较。笔记列出四类受支持的工作负载：ETF配置、加密货币永续合约资金费率、以 USD 报价的 FX 配置，以及 US 股票面板。冻结的 CME 期货数据包因缺少创建相应原生 LEAN 订阅所需的带日期合约链和展期映射而被排除。比较报告成交、估值、时间戳一致性、权益及终值差异，以及负向对照的检出情况。…

本笔记使用真实ETF数据，评估动量信号在回看期、市场状态和实现方式的合理变化下是否仍然有用。它计算动量与未来收益之间的横截面信息系数，然后一次扫描一个回看期参数，以观察表现的响应面。稳健性以接近峰值的参数选择范围衡量，而非单一最佳结果的高度。HAC标准误处理序列相关性和重叠的未来收益标签。…

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。…

本参考资料汇总了 35 种 CME 期货产品的挂牌合约月份，涵盖股票指数、美国国债、能源、金属、货币、利率、农产品、畜牧产品和加密货币。资料介绍交易所的月份代码体系，并区分按月、按季度以及特定产品每两个月挂牌的安排。表格列出了典型挂牌模式，包括股票指数和主要美国国债合约的季度周期、能源产品的月度合约，以及农产品和畜牧市场按作物或交割安排的周期。…

本笔记使用双重机器学习估计期货持有收益能否在控制波动率、动量和横截面持有收益排名后，独立预测后续收益。它通过灵活模型和交叉拟合，将持有收益及收益率分别对这些混杂因素进行残差化处理，再根据残差估计效应。结果在两个收益期限上进行评估。HAC 置信区间考虑了波动率变化和结果重叠；区块置换反证检验则将观测到的 HAC 统计量与重新排列处理区块后的估计结果进行比较。…

本案例研究提出了一套加密货币永续合约研究流程，将多空头寸在定期结算时相互支付的资金费率视为潜在收益来源。文中介绍了从标签构建和金融特征，到统计与机器学习模型、因果分析、回测、投资组合配置、风险及成本评估的数据和模型阶段。该方案采用永续合约交易对横截面、八小时观测频率和交易成本假设，并基于数量有限的时间折进行验证。…

本笔记解释如何将 Kalshi 的美联储利率二元合约解读为概率，以及如何将一系列利率阈值转换为隐含分布。笔记强调，数据源包含 YES 买价，因此价格是受到价差影响的下限；阈值顺序违例属于诊断信号，并不能证明存在套利机会。 笔记通过识别不可能出现的零收盘价和过时的盘中区间，处理交易稀疏及数据摄取问题，随后使用向前填充修复价格以避免前视。笔记区分报价修订与实际成交，提出概率动量和波动率特征，并检查这些特征在多大程度上传递信息。数百根 K…

这份文档比较不同仓位规模方法，应用于按等权验证夏普率排名的基准模型选出的 CME 期货策略。等权方式对所有入选产品一视同仁，但不同期货合约的波动率和联动性可能相差很大。替代方法使用产品波动率、协方差关系或其他已声明的规模输入来调整风险敞口。逆波动率规模方法需要估计的量较少，在历史数据有限时可能更稳健；基于协方差的方法可以考虑分散化，但更容易受到估计噪声影响。…

这本笔记使用双重机器学习，估计在调整波动率、动量和横截面展期收益排名后，期货展期收益是否会影响后续收益。它区分因果解释与预测表现：盈利的回测可以说明展期收益能够预测收益，却不能证明展期收益本身导致了这些收益。灵活的干扰模型根据混杂因素预测处理变量和结果，并通过交叉拟合减少样本内偏差。由于波动率聚集且收益标签相互重叠会导致残差相关，分析采用了异方差与自相关一致的误差估计。…

这本笔记将神经随机贴现因子模型应用于 CME 期货。在资产定价中，随机贴现因子是一个随机变量；在无套利条件下，它与每项资产收益率的乘积具有相同的期望值。模型利用各产品收益率以及可观察特征（如展期收益、动量和波动率）来估计这一潜在对象。与所述仅使用收益率的 PCA 对比不同，SDF 可以让特征影响其横截面工具权重。…

本分析在拟合任何模型之前，检查结算数据是否支持每周横截面 CME 期货策略。它检验再平衡日期上的报价产品是否足以构建预期的多头和空头投资组合，使用交易所最小价格变动单位估算价差成本，并将价格调整后的变动与这些成本进行比较。分析还考察信号持续性，以及现有开发历史能否支持滚动验证，同时保留后续留出集不被使用。…

本笔记使用 Optuna 调优 LightGBM 收益模型，同时考虑横截面信息系数（IC）和预测换手率。单目标搜索最大化 IC 以供比较；NSGA-II 多目标搜索则找出帕累托最优设置，展现信号排序质量与作为交易成本代理指标的换手率之间的权衡。帕累托前沿有助于交易研究人员根据自身的成本承受能力选择模型，而不是将某一个验证分数视为唯一目标。 笔记还测试由 ETF…

本案例研究将 CME 期货的不同仓位规模方法与等权基准进行比较。文中说明，反向波动率配置使用各合约自身的波动率，而基于协方差的方法还会考虑不同产品之间的关系。这些方法可能改善分散化，但需要根据有限的历史数据估计更多参数，也可能放大噪声。笔记先筛选出一组强信号配置，再根据每次决策之前可获得的价格历史应用预先声明的配置方法。…

本文介绍一个针对 CME…

本文说明如何解读 CME 期货模型的横截面信息系数（IC），以及它们与后续组合测试的关系。分析先计算每个日期预测收益与实际收益之间的排名相关性，再对各日期的相关性取平均。这与一种等权策略相符：按排名选择合约，并舍弃预测收益幅度。本文还区分跨折均值和 t 统计量与日度序列推断，指出报告的 t 统计量使用跨折标准误；当预测趋近于常数时，有效 IC 的日期数量也很重要。 分析将 IC…

本笔记在拟合任何模型前，检查数据能否支持每周横截面期货策略。笔记介绍了一种设计：对 CME 产品排序，做多排名最高的合约、做空排名最低的合约，并检查再平衡日期是否有足够多的产品报价来构建多空两侧。为评估成本可行性，笔记使用交易所合约规格和最小价格变动单位来表示假设的买卖价差成本，再将价格变动与这些成本换算到共同尺度进行比较。笔记还检查信号持续性，以及开发期历史数据能否支持重复的滚动划分，同时不查看留出数据。…

本笔记针对前瞻收益，为 CME 期货案例研究筛选候选特征。它对每个特征计算特征值与后续收益之间的截面排名相关性，汇总各日期的相关性，针对重叠收益期限调整不确定性，并对测试集合应用 Benjamini-Hochberg 错误发现控制。它检查覆盖率和数据陈旧情况，考察特征在滚动验证年份及不同标签期限中的一致性，并记录继续、修改或停止的评估及其支持证据。为保留后续确认环节，筛选时不使用留出期。…

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。…

本模块定义了面向读者的CME期货研究流程，涵盖模型请求、预测与回测执行、候选池和最终筛选。它从共享设置声明中读取已配置的标签扫描范围，保留其顺序，并检查各标签下是否存在所请求的模型配置。研究构建会区分标准运行与缩减版预览运行，并记录执行详情，确保预览输出不会被视为标准总体成员。…

此笔记本使用最大有利变动幅度（MFE）和最大不利变动幅度（MAE），根据观测到的价格路径确定三重障碍标签的宽度。对于在行情柱收盘时进入的头寸，它从下一根行情柱开始，测量前向持有窗口内最有利和最不利的变动。多头和空头头寸采用相反的定义。笔记本还介绍基于真实波幅和怀尔德平滑法计算的平均真实波幅，并说明可以通过波动率调整障碍宽度。…

此笔记本说明如何根据即将到期的单个合约构建连续期货价格历史。它根据成交量识别近月合约，采用不可回退约束以避免错误切换，并将按日历确定的换月时间与实际交易活动进行比较。笔记本还指出一些数据陷阱：必须将非价差期货合约与跨期价差区分开来，合约代码可能不包含完整年份，而且在将构建序列与供应商序列比较前，必须对齐行情柱频率。…

这段验证脚本演练了一个精简的CME期货研究流程，从模型预测到投资组合权重和回测。脚本检查预测是否恰好覆盖预期的产品、时间戳和折键，拟合状态与预测文件是否匹配其记录的摘要，以及重新运行请求是否会复现相同产物。脚本还检查预览输出是否与正式总体及候选集分离。…