知识库

该笔记使用双重机器学习（DML）估计跳过近期动量对 ETF 远期收益的影响；这是因果问题，与收益预测不同。笔记使用指定的混杂因素建模结果变量和动量处理变量，再估计这些模型未能解释的关系。分析在拟合前界定研究总体和时间边界，按日期对观测分组以进行交叉拟合，并使用禁入期，防止重叠的结果期跨越验证边界。 笔记将 Driscoll–Kraay…

该笔记展示如何使用 Optuna 的 TPE 采样器调优 LightGBM，以预测 ETF 收益。搜索内容包括树结构、采样和正则化设置，并通过提前停止选择提升轮数，再用自定义回调报告横截面信息系数（IC），以便剪枝。笔记比较了单个验证折与取平均的滚动目标，并在独立且时间范围固定的留出集上评估选定模型。 报告的证据提醒，单个窗口可能偏向一个退化的近乎常数预测器，其 IC…

本章介绍了在交易中使用预测模型的研究流程，其中样本外预测的稳定性可能比系数估计的无偏性更重要。内容涵盖 Ridge、LASSO 和 Elastic Net 等正则化回归方法，以及用于方向预测的逻辑回归。流程包括时点数据预处理、滚动验证、时间缓冲区、用于模型选择的嵌套交叉验证，以及考察特征归因及其稳定性的诊断。…

本笔记介绍何时应按柱线逐步模拟状态变化中的交易策略，而不是将其表示为预先计算的信号或权重。笔记对比基于数组的回测与顺序模拟：前者速度可能较快，便于扫描参数；后者则可以根据先前的成交、持仓、已实现盈亏或权益来做决策。示例包括自适应凯利仓位规模、协同配对交易和回撤熔断机制。…

本章将策略研究描述为对可执行决策流程的设计和评估，涵盖从最初的经济构想到仓位规模、约束、成本和模拟实盘测试。章节建议先对策略系列和潜在优势来源分类，再构建模型；随后定义带版本的设置，以确保比较有意义。章节还将模型诊断、信号诊断和投资组合结果区分开来，以降低所有研究选择都针对回测表现进行优化的风险。…

本笔记为US股票面板定义前瞻收益标签，并解释其构建方式为何会影响所有后续模型和回测。笔记按交易日设定调整后价格收益窗口，检查每只股票是否有必需的未来观测，并为无效标签的行指定明确原因。笔记还会在计算收益后应用价格和流动性资格筛选，防止剔除观测改变保留行的前瞻时长。留出期边界会根据每个结果所需的实现时间进行调整。…

本笔记介绍如何使用CAPM和Fama–French因子回归分解ETF收益与风险。笔记使用异方差和自相关稳健标准误估计全样本暴露，使用滚动窗口跟踪贝塔变化，并在将后续收益归因于暴露时使用滞后暴露，以避免前视偏差。分析还将手工计算结果与因子模型库进行比较，并使用收缩法稳定因子协方差估计。 示例涵盖全市场和风格聚焦型 US 股票…

本笔记检查历史ETF数据在拟合模型或进行预测前，是否足以支持月度排名策略。笔记使用前一年的流动性检验可交易样本范围，统计再平衡日符合条件的基金数量，将每股佣金和估计的半价差换算为相对价格的成本，并将这些成本与调整后价格的变动进行比较。收益使用调整后价格计算，而交易成本和美元成交额使用实际成交价格和成交量计算。…

本笔记比较US股票仓位的资金分配方式，同时固定模型、检查点、再平衡日期和所选股票。笔记考察基于预测强度、预测区间宽度、个股波动率以及考虑协方差的投资组合方法来设定权重。该设置可以单独观察仓位规模相对于现有等权基准如何改变回测。考虑协方差的方法可以计入股票之间重叠的风险敞口，但需要历史估计；基于个股波动率的规则则不会建模这些关系。…

本笔记评估止损、移动止损和固定期限退出在所选US股票策略中的效果。止损针对入场后的亏损，移动止损针对价格从持仓峰值回落，时间退出则在设定的持有期后平仓，不考虑价格。由于这些覆盖措施只会平掉现有仓位，它们可能缩短亏损，也可能过早平掉盈利交易。…

本笔记展示在平静与承压时期检查ETF动量和技术特征的漂移，以及利用跨市场环境的溢价指数数据检查加密货币永续合约的漂移。笔记比较总体稳定性指数（PSI）及其分箱贡献与瓦瑟斯坦距离，并使用领域分类器检验参考样本和当前样本能否被联合区分。生产监控器将PSI和分类器分数映射为警报级别，并展示警报数量如何用于提出重新训练建议。…

本笔记比较股票和期货佣金模型及多种滑点模型，强调它们的单位和假设各不相同。按比例收取的费用在名义金额中的占比保持不变，而最低费用、固定费用、按股收费和费率门槛对大小订单的影响不同。期货佣金按合约数量和乘数计算；期货滑点则以总金额表示，而非每单位调整。 随后，文中比较不受参与率影响的滑点假设与成交量占比冲击；订单占每根 K 线成交量越多，冲击越大。还对固定动量规则采用日度、周度和月度再平衡频率进行评估，以展示成本与净夏普率如何共同变化。示例和成本分解仅供说明，再平衡频率的结果仅适用于所述 ETF…

本文介绍针对已选定 CME 期货策略进行固定的样本外回测。配置、预测、资金分配器、再平衡频率、集中度和交易成本假设均沿用前期研究步骤，并在留出窗口中保持不变。文中强调，只有固定所有选择，得到的表现才能作为留出证据。…

这项教学分析比较四种神经网络设计在同一任务上的表现：根据近期收益窗口预测下一日收益。汇集的八只交易所交易基金提供了多样的市场敞口。模型处理窗口的方式各不相同：全连接网络将其视为向量，卷积网络扫描局部模式，循环网络则逐步更新隐藏状态摘要。分析同时考察预测误差和训练成本，并研究这些成本如何随历史窗口长度变化。…

本笔记审计一项 FX 货币对研究中的完整规范验证预测集。它检查模型身份、产物可用性、完整性、已配置标签的覆盖情况，以及汇总后的配置是否符合声明的菜单。通过沿用数据谱系移除已被取代的预测集，使分析与下游回测使用相同的模型总体。因果估计单独报告，因为它回答的是处理效应问题，而非预测评分问题。…

本笔记衡量交易成本对固定 CME 期货策略配置的影响。它通过统一的验证阶段流程选出报告所用配置，在成本测试中沿用其风险调整机制，并应用预先声明的全包成本网格，将佣金和滑点均分。成本结果不参与配置选择，因此成本假设不会影响策略的选取。重点在于净夏普降至零时的成本水平，而非某个假定费率下的表现。…

本笔记比较在离散调仓且交易产生比例成本时，对卖出的欧式看涨期权进行对冲的方法。它定义自融资终端盈亏，然后在 Heston 模拟价格下训练神经对冲模型，以最小化预期损失。替代方法包括 Black-Scholes delta、考虑摩擦的 Whalley-Wilmott 规则、基于表格价值的方法，以及从零实现的神经网络。训练、验证和评估路径彼此分开；先用验证集在不同训练随机种子中选择，再报告评估路径上的结果。…

本笔记比较六种仅做多的 ETF 配置方法，旨在降低对不稳定估计的依赖。对于使用协方差的方法，笔记应用 Ledoit-Wolf 协方差收缩，并比较均值方差最大夏普、最小方差、风险平价、分层风险平价、最小条件回撤风险和等权。每种配置均在训练窗口拟合后固定，并在之后的收益上评估；执行环节还计入声明的佣金和滑点。…

本章综合九个案例，追踪机器学习信号如何经过投资组合构建、交易成本、风险覆盖层和冻结的留出集评估。本章以每个案例的演进过程为分析单位，而不是只按夏普比率给策略排名。所述框架将信号质量、投资组合转化、成本下的存续能力和时间稳定性分开，再利用这些阶段识别限制因素所在，以及后续研究可能发挥作用之处。…

本评估追踪单一 US 股票策略，从冻结的验证回测集到留出集评估。它采用确定性规则：选择验证夏普比率最高的候选项，并以回测哈希打破平局。注册记录用于验证所选策略的数据、训练、预测和回测沿袭，同时将验证窗口与留出窗口分开。 分析使用不确定性区间、配对比较、收益路径和回撤路径，将所选策略与等权基准进行比较。选择规则依据夏普点估计，而非预测…

本笔记使用已注册的留出集预测运行选定的 NASDAQ-100 微观结构配置。模型、配置方法、集中度、再平衡计划、风险覆盖层和成本假设沿用先前工作且保持不变；本笔记不做选择或调参。笔记通过配置已注册的训练身份验证预测集，然后进行交易并注册所得收益序列。验证集和留出集表现会作为背景信息列出，更广泛的解读留待单独分析。…

本笔记说明如何从固定的一组 US 股票回测中选出一个策略，并在独立留出期评估所得策略。笔记会验证候选项是否具有所需的数据和协议标识，再按验证夏普比率排序，并使用稳定哈希打破平局。留出集会关联到所选配置已记录的训练、预测、策略、标签、特征和价格沿袭信息。表现通过不确定性区间、配对收益比较，以及分别针对验证集和留出集的路径诊断来考察。…

本笔记演示将共享的回测与实盘策略接入盈透证券模拟交易会话的操作流程。流程会检查账户身份和状态、请求历史柱状数据以初始化指标、订阅市场数据、汇总传入的逐笔数据，并在影子模式下通过安全层传递策略意图。示例采用 ETF 动量策略，同一策略类也可用于回测和实盘环境。…

本笔记介绍由看多和看空角色参与的多轮预测辩论。双方分别主张某事件发生概率更高或更低，在后续轮次中会看到对方先前的论点，并给出概率及支持证据。主要诊断指标是双方概率随时间变化的差距：差距缩小可能表明一方回应了此前未考虑的证据，持续存在的差距则记录了尚未解决的分歧。差距低于选定阈值或达到轮数上限时，流程可以停止。…