知识库

这项ETF特征研究构建了三种模型衍生输入：用于估计市场状态的隐马尔可夫模型（HMM）、参考基金价格的分数差分，以及每只ETF的GARCH（1,1）条件波动率。笔记强调，避免前视偏差要求参数和推断都只能使用截至每个交易时段可获得的信息。重新拟合计划会将每个预测区段之前估计的参数应用于该区段；经过滤的HMM概率则避免纳入平滑概率会包含的未来信息。…

本教程使用SPY日线数据，对比固定止损和止盈障碍、移动止损、按ATR缩放的退出、机器学习退出信号及这些方法的组合。固定障碍以入场价格为基准进行模拟；隔夜跳空按开盘价成交；若一根K线同时触及止损和目标价，则采用保守的止损优先假设。ATR根据近期价格变动缩放退出距离。机器学习部分使用技术特征和按时间顺序划分的数据，并在边界附近清除样本，以减少前瞻标签造成的信息泄漏。…

本研究比较梯度提升树与惩罚线性模型，按未来收益对货币对排序。研究动机是：树模型可表示条件关系，例如在一种市场状态下使用动量、在另一种状态下使用 carry；同时，各货币对共享货币，统计上并非相互独立。预先设定的网格通过叶节点数量改变树模型容量，并比较平方误差、绝对误差和 Huber 损失目标。每种配置都会在多个提升检查点进行评估，因此停止点也是一个候选选择，而不只是拟合细节。…

该笔记在共享的模拟交易环境中比较 DQN、PPO和A2C；该环境根据比特币永续期货的小时收益校准。一个 GARCH(1,1) 模型提供波动聚集特征；环境会对持仓变化收费，并将动作延迟一个时间步执行，以免智能体获得行动时已可见的收益。每种算法获得相同的训练交互预算，并在匹配的未见回合种子上评估。 比较不只看平均奖励，还关注其他诊断指标：配对回合差异用于量化策略间的不确定性；持仓分布和切换次数则显示智能体是否会响应观测，或固定在单一持仓上。文中还解释了为何 DQN…

该笔记解释了原始股票价格跨越拆股或现金股息日期时，为何可能导致收益失真。文中介绍后复权，即根据之后发生的公司行动缩放历史价格；并区分用于成交模拟的原始价格、适用于部分短期研究的拆股调整价格，以及适用于长期研究和回测的总回报调整价格。苹果公司的历史数据示例展示了拆股和股息调整如何影响累计收益。 该笔记还演示了如何将调整方法应用于 OHLCV 数据，并将所得序列与已调整的参考序列核对。文中强调应验证数据供应商的约定，因为标记为收盘价的字段可能采用不同的调整政策；并说明已知拆股事件有助于识别数据源采用的处理方式。…

该笔记检验基于模型的头寸规模设定是否能在基于 US 公司特征的策略中优于等权配置。它比较两种方法：评分加权会为预测分数较高的股票配置更多权重；保形加权则在预测区间显示可靠性较低时减少配置。两种方法分别与多个投资组合集中度水平交叉比较；每次比较中，所选预测和集中度均保持不变。…

该笔记评估连续观测存在依赖关系时，信号的信息系数（IC）能否与噪声区分。文中以动量信号和 ETF 数据说明这一问题，并解释重叠的未来收益、持续性信号排名和市场状态如何使每日 IC 值产生自相关。此时，朴素 t 统计量可能低估不确定性并高估显著性。 该笔记将 Newey–West…

该笔记介绍如何检查来自 FRED 的经济指标面板，并解读其日历日期网格、元数据和派生列。由于面板已展平到日历日，行数会掩盖源数据的发布安排。统计每个序列的数值变化，可估算其发布频率下限；但若连续发布的数值不变，统计结果可能漏掉实际发布。示例包括美国国债收益率、VIX，以及十年期与两年期收益率之差，并将近期政策事件作为图表注释。…

该笔记介绍如何为 FX 标签准备并注册 NLinear 预测。NLinear 会从每段固定长度的输入历史中减去最近观测值，使模型专注于回看窗口内的变化。统一的序列资格流程依据最终确定的标签时间线划分各折边界，并排除跨越每日观测缺失区间的窗口，因此验证预测只覆盖有效序列。 工作流会解析模型设置，检查请求的架构和标签是否符合已配置的训练计划，并在拟合或重新加载权重前记录预测身份和检查点计划。随后验证每个声明的 epoch…

这个共享分析工具通过注册表指标和预测级诊断，支持比较交易模型的预测。它会加载预先计算的信息系数结果，可按标签或模型系列筛选，并默认排除已废弃的预测版本，避免覆盖不完整的过时运行扭曲排名。它还提供折级指标，并支持在覆盖率约束下选择代表性模型、对齐预测，以及检查一致性、分桶单调性、学习曲线和条件于市场状态的表现。 实现中强调了实用的防护措施：在共同日期范围内比较模型，在联接时保留预测身份，分别处理 null 值与 NaN…

本文说明如何为按期限结构对产品排序的横截面期货策略构造未来收益标签。文中区分了两类价格：滚动调整价格适用于跨合约换月计算收益；原始结算价则保留了生成持有收益信号所需的同期曲线。标签使用近月合约；在向前移位之前，数据必须保持完整，以便每个期限都按该产品自身的交易时段计数，而不是按筛选后剩余的行计数。…

本文介绍基于期货持有收益构建的三种模型特征：预测下一交易时段持有收益的 ARIMA、选定周期长度的滚动傅里叶指标，以及根据平均持有收益推断市场状态的两状态隐马尔可夫模型。核心经验是严格遵守时间顺序：参数只能用更早的观测拟合，按预先声明的计划更新，并在下次重新拟合前保持不变。对于隐马尔可夫模型，滤波后的状态概率只使用当前和过去的观测，不使用之后的数据。仅采用滚动评估划分并不能防止数据泄漏；如果特征是用未来观测估计的，仍会发生泄漏。…

本文档介绍如何将滚动的ETF收益窗口转换为双通道图像，供常规卷积神经网络使用。格拉姆角场将归一化观测映射为角度，并记录成对角关系；马尔可夫转移场则将观测分箱为分位数，并表示箱间转移。图像CNN和带惩罚项的线性基准模型接收相同的编码输入，预测结果按日期通过横截面秩相关进行评估。这种编码在信息和评估方面存在重要局限。逐窗口归一化会去掉收益水平和范围，因此形状相似的窗口之间的波动率差异会被掩盖。窗口会重新采样到固定图像网格；当网格大于原始回看窗口时，可能会加入插值像素。工作流程还通过保留较新的完整日期来限制样本量，只使…

本文档介绍一种时间卷积网络，用于根据包含60次结算的窗口预测加密货币永续合约资金费率溢价。四个因果卷积块使用大小为三的卷积核，膨胀系数分别为1、2、4和8。其感受野覆盖61次结算，足以涵盖完整输入窗口。因果填充可防止某个位置使用之后的结算数据，避免验证结果泄漏未来信息。该模型对所有时间位置的表示取平均；相比之下，作为对照的LSTM依据最后一个循环状态进行预测。这个差异用于检验有用信息是分布于整个窗口，还是集中在窗口末尾。工作流程会删除跨越预期但缺失结算时段的窗口，以解决数据缺口；随后通过检查点进行训练，并要求验证…

本笔记介绍一种受GT-GAN启发的架构，用于合成时间戳确实不规则的时间序列，例如逐笔、成交量或美元K线。GRU-ODE编码器将观测值映射为潜在状态；基于ODE的生成器和判别器组件对连续时间演化建模，ODE解码器则重建观测值。由于可以查询任意时刻的潜在状态，该模型支持在固定观测网格之外进行插值和生成。…

本笔记比较在预测模型中使用市场状态的三种方式：不纳入市场状态信息、将波动状态的过滤概率作为特征，或为硬分类的市场状态分别拟合专家模型。它在每个逐步扩展的时间序列折内，通过隐马尔可夫模型计算市场状态概率；模型仅在训练区块内拟合，并在测试区块中使用向前过滤的概率。训练集和测试集之间留出间隔，以对应多交易时段的未来收益目标；缩放也只在训练数据上拟合。…

本笔记提出一种流程，用于在挑战模型获得资金之前，以影子模式评估该模型。它比较固定的现有模型与候选模型的已存储预测结果，构建等权排名多空组合，对两者应用相同的交易成本规则，并评估预先设定的晋级门槛。该门槛结合了最低夏普比率改善幅度和观测时长，以及信号相关性、头寸一致性和相对回撤上限。要求所有条件均满足，旨在区分稳健的模型升级、噪声导致的表现结果，以及策略敞口的变化。…

本笔记介绍如何使用EdgarTools查看SEC文件并提取结构化公司数据。它解释如何通过稳定的CIK识别申报公司、按表格类型检索申报文件，以及将带有XBRL标签的年报转换为财务报表。内容还包括阅读内部人士Form 4交易和机构Form 13F持仓，以及按类型和日期搜索申报索引。 用于回测时，申报日期是可用的时点时间戳；会计期末可能比公开披露早数周或数月。笔记强调，各公司的报表标签各不相同，因此横截面处理流程应依赖XBRL标签。必须结合交易代码解读Form…

本案例研究使用线性模型作为基准，预测广泛US股票面板的未来收益。它解释了为何重叠的价格和成交量特征会造成共线性，使普通最小二乘系数不稳定，并比较岭回归收缩与Lasso和ElasticNet特征选择。模型在多个滚动前向折和若干预测期限上进行评估，预测和运行记录留待之后回测。信息系数排名展示正则化的影响，但并不用于选择最终交易策略。…

本分析比较九项交易案例研究中已登记的双重机器学习处理效应。它从各研究的登记库载入当前结果，检查登记完整性和重复标签，并明确展示覆盖范围。效应和置信区间保留原有单位，而HAC统计量用于支持跨面板比较。笔记还比较朴素OLS估计与正交化估计，应用分块置换反证检验，并区分多个标签与真正不同的预测期限。…

本笔记提供一个框架，使用每日投资组合收益和匹配的SPY基准评估ETF配置回测。内容涵盖夏普、索提诺、卡玛和最大回撤等风险与收益指标、滚动指标、回撤恢复、相对基准的阿尔法、贝塔、跟踪误差和信息比率，以及特定压力时期的表现。收益来自一项已登记且考虑成本的回测；执行假设沿用该回测产物中的设定，不会再次扣除成本。…

本笔记说明模型不确定性如何在点估计之外提供信息。它拟合一个随机波动率模型，其中潜在对数波动率随时间演化，收益服从Student-t分布。笔记提取后验分布离散程度、区间宽度和参数估计作为特征，并关注采样器收敛和蒙特卡洛误差。笔记还介绍ARIMA模型的预测区间，并说明为何应在估计所用的尺度上衡量不确定性。…

本笔记通过跨多个资产类别的多空动量示例，介绍期货回测机制。它解释合约规格如何通过乘数将价格变动换算为美元损益，以及名义敞口如何决定合约数量。笔记比较按合约收取的固定费用与按比例计算的成本，讨论期货交易时段和保证金，并使用行业归因考察集中度。示例采用与交易时段对齐的日度数据，并比较使用与不使用合约乘数的影响。…

本笔记估算，只包含仍存续的US只股票的等权投资组合，相比完整的初始股票范围可能高估多少收益。首先，笔记检查面板从何时开始记录股票代码退出，发现记录到的退出仅始于数据集的最后几年。由于来源中没有更早缺失的公司，分析仅对观察到退出记录的时期作出结论。笔记还解释，该面板没有退市原因和最终支付数据，因此必须对最后一次报价后的结果进行建模。…