知识库

本笔记将股票级预测转化为验证集投资组合。在每个再平衡日，按预测收益对股票排序，买入排名靠前的一组并卖空排名靠后的一组，且为每个头寸分配相同资金。该基准应用于全部已声明的预测总体以及一组 top-k 取值，且不会预先按排名准确度筛选模型。因此，比较可以聚焦于排名作为策略的表现，包括排名变化及由此产生的换手如何影响收益。…

该源模块根据模型预测和回测的实验注册表构建目录表。模块定义了用于来源追踪、身份、完成状态、工件可用性和指标的保留字段。目录包含多个回答不同问题的度量，包括折级和经过 Newey-West 调整的信息系数、日度及汇总 AUC、覆盖数量、不确定性区间、破产信息和风险控制触发次数。 代码以只读模式读取 SQLite…

本案例研究评估了小型且相关的 G10 即期货币对集合中的日度动量和套息信号。工作流程包括可行性检查、未来收益标签、工程化特征和基于模型的特征、交叉验证、多个模型家族、因果分析、回测、配置与风险比较、成本敏感性分析以及封存留出集。研究设计强调经过选择偏差调整的评估，并与等权基准比较，而非将模型分数单独视为策略证据。 报告中的训练模型信息系数在所考察的各个期限上，其置信区间都跨越零。使用 21…

本笔记将供应链知识图谱和机构持仓申报转化为下游金融建模特征。从公司网络中提取拓扑指标、供应商集中度、竞争暴露度和瓶颈指标。从特定时点的 13F 持仓中构建持有人广度、集中度和共同持仓信号，再将持仓与运营指标结合为跨图交互特征。…

此笔记本汇总ETF案例研究中已登记的回测，对策略进行考虑不确定性的评估。它读取带有分块自助法置信区间的表现指标，并用配对自助法比较连续的流程阶段、策略变体和留出结果。流程阶段涵盖信号选择、资产配置、交易成本和风险叠加规则。它还将选定策略与等权跨资产ETF基准在验证期和留出期的表现进行比较。…

此笔记本为多元化的ETF资产集合实现端到端的组合策略。模型结合时间特征、资产元数据、横截面注意力，以及允许在资产类别内和特定经济关联之间进行注意力计算的宏观图先验。SoftMin目标侧重于表现最弱的滚动训练窗口中的夏普表现，成本感知惩罚项则考虑各资产特有的换手成本。笔记本按时间顺序划分训练、验证和测试窗口，然后将完整模型与不含SoftMin的消融版本及更简单的组合基准进行比较。…

本笔记研究了应用于所选加密货币永续策略配置的六种配置方法。排名和入场规则保持不变，仅改变分配给各仓位的资金。这些方法使用模型评分、单个合约波动率、跨合约协方差或历史不确定性。根据验证集回测夏普比率，配置从基准方案逐步推进；不同模型配置与其预测集合分别计数。每种配置都与其匹配的基准方案比较，同时保持预测、检查点、入场规则、成本和资金费率不变。…

本实现介绍了一种神经随机贴现因子模型和一个用于检验资产定价关系的对抗矩网络。SDF网络将资产特征（可选择与来自LSTM的宏观经济状态表征相结合）映射为资产权重。这些权重与收益共同构成时点层面的贴现因子。启用宏观输入时，LSTM状态会在每个时间步由所有资产共享；否则，模型仅使用资产特征。…

本笔记本汇总了多个案例研究中构建的金融特征，并列出各市场研究在注册表中的最高信息系数。它统计特征数量及特征名称类别、比较特征空间规模，并总结跨资产模式。类别仅通过名称前缀机械划分，因此只能作为粗略参考：专业指标和不一致的命名可能会拆分相关概念，或使不同概念的数量显得偏多。本笔记本还分析信息系数与投资范围广度及估算信息比率之间的关系。…

本笔记本使用机构的13F申报持仓数据，对比结构化图检索与基于嵌入的向量检索。它在固定截止时间构建时点持仓快照，限制股票范围，并围绕股票持有人、机构持仓和持仓相同的机构生成问题。每个问题都预先定义了预期的支持记录，以便衡量支持记录召回率并估算检索令牌预算。…

本案例研究将已存储的模型预测转化为 US 股票的多空等权投资组合。它遍历多种入场方案，每种方案都选择排名最高的股票做多、排名最低的股票做空，以考察投资组合集中度如何与模型排名相互作用。在评估模型分数前，先将带随机种子的随机排名送入同一回测引擎，并将所得夏普比率与规定的容差进行比较。这样做旨在检测回测流程本身而非预测信息带来的收益。…

本文介绍将预测分数转换为交易信号的几种方法：固定阈值、按资产分别计算的滚动百分位数，以及横截面百分位数。固定阈值使用选定的分数水平；滚动阈值根据某项资产近期的分数分布进行调整；横截面阈值则在每个时间点相对于同类资产选择标的。每种方法都可以生成仅做多或多空信号，并可使用对称的较低阈值建立空头仓位。…

本章综述从收益和特征面板中提取共同结构的方法，包括从 PCA 和特征投资组合到 IPCA、风险溢价 PCA、条件自编码器、随机贴现因子估计和监督式自编码器。核心区别在于：有些因子解释收益协方差，有些因子则有助于给收益定价或预测收益。这些方法估计因子和载荷的方式各不相同；有些方法绕过共同的重建与预测框架，直接估计定价或预测结果。…

本笔记本在每次调仓时对股票排名，将横截面股票预测转化为多空投资组合：买入排名最高的前 k 只股票，并做空排名最低的后 k 只，每个仓位投入等额资金。等权重提供一个基准，可将排名差异与更复杂配置器的影响区分开来。它测试声明的预测总体中的每个成员，而不按排名准确度筛选模型，因为预测排名质量本身无法揭示换手率或实际投资组合表现。 每个预测都会与多个 top-k…

文档介绍机器学习交易研究工作流，涵盖从数据和特征构建、模型训练、回测、交易成本、组合与风险决策，到部署和监控的完整过程。文档强调探索性调参与最终评估之间的证据边界、滚动前向验证，以及处理多重检验、过拟合和不确定性的方法。九个案例研究涉及ETF、加密货币永续合约、日内股票、期权、公司特征、FX和期货。…

本笔记将已选定的FX策略规范应用于已登记的留出预测。策略信号、资金分配、风险控制、再平衡规则、成本和账户设置均保持不变；预测集和价格框架标识则根据留出输入进行调整。留出预测根据由所选策略规范推导出的训练标识进行匹配，并设置保护机制，以防回测与采用不同配置的既有运行发生冲突。预热观测值按策略规范加载，而测量收益的窗口仍为留出期。…

本笔记将等权配置与两种适用于 US 公司特征策略的配置规则进行比较：评分加权会为模型预测较高的标的分配更多资金；保形加权则会减少预测误差区间较宽标的的资金配置。研究将每种配置方法与多个组合集中度水平交叉比较，并在每项比较中固定所选预测和集中度。…

本笔记构建端到端组合配置器，在 LSTM 前置入类似时间融合变换器的变量选择网络。独立的门控残差网络对各项特征进行嵌入，学习得到的软权重在序列编码器生成资产级信号前组合这些嵌入。组合层将信号转化为以波动率为目标的多空头寸，训练则采用纳入换手成本的合并夏普比率目标。 实验使用广泛的 ETF…

本笔记本介绍 Tail-GAN，一种旨在复现金融情景尾部风险的生成对抗方法，尤其关注风险价值（VaR）和预期损失（ES）。它使用可微排序，让基于分位数的风险度量参与训练，并通过投影步骤使建模的 VaR 和 ES 估计符合经济一致性。示例根据 ETF 收益构建滚动情景，并评估随机生成的多空投资组合策略。 笔记本介绍如何缩放收益，使其符合生成器的有界输出范围，然后通过整体和逐策略风险误差、相关性及散点图评估生成的情景。结果显示，整体 VaR 和 ES…

该配置模块介绍一种框架，用于为各案例研究声明回测扫描设置。它从配置文件读取入场方案、配置方法、交易成本网格和风险控制；如果缺少必需配置，则明确报错。模块还集中管理执行默认值和配置器回看窗口，使投资组合配置方法使用一致的估计期。可选的分阶段筛选可以先测试一组基线策略，再对较小的排名子集进行更广泛的比较。…

本章介绍如何构建和使用金融知识图谱，适用于依赖所有权、供应链或传染关系等信息的问题。内容涵盖实体身份、类型化关系模式、数据来源，以及借助LLM从申报文件中提取信息。图谱检索增强生成（RAG）被介绍为一种通过受约束的关系查询检索证据的方法，查询执行过程保持确定且可审计。本章还说明图结构如何转化为机器学习输入，包括中心性、拥挤度、共同持有关系以及图间交互。内容将显式知识图谱与相关性网络、最小生成树和学习得到的图表示联系起来，并介绍它们在预测、投资组合构建和风险分析中的潜在作用。时间框架会区分事件、披露和提取时间，以减…

该笔记使用CAPM和 Fama-French 因子回归分析股票 ETF 投资组合，并进一步考察滚动敞口、收益归因和残差依赖。它使用对齐的日度收益和因子数据，通过异方差与自相关稳健标准误估计回归不确定性，并在进行收益归因时延后滚动贝塔，以避免前视。模型比较显示，加入风格因子可能改变估计的阿尔法。笔记还考察因子控制后资产是否仍然相关，并使用 Ledoit-Wolf 收缩法稳定因子协方差估计。…

本文档介绍了一个用于比较策略选择各阶段配对表现的生成器。它会比较信号选择与等权参照、留出集选择与验证集选择，以及配置、成本敏感性和风险叠加各阶段之间的变化。大多数比较使用配对平稳区块自助法，以保留对齐收益序列之间的关系。对于验证集与留出集的比较，由于观测窗口不重叠，生成器改为按窗口独立抽样；由此得到的区间衡量的是这些窗口之间的差异，而非单一持久策略优势的证据。…

该工具根据资产分组标签和可选的组间连接，构建布尔型资产间邻接矩阵。分配到同一宏观组的资产彼此连接；每条提供的跨组边都会以双向方式连接两组中的所有成员。可选的自连接允许每项资产关注自身。没有映射的资产会被分配到未知组，因此会与其他未映射资产相连。…