知识库

本章认为，可重复的研究纪律比任何单一策略更能持久地带来交易优势。它介绍了一套以可证伪假设、样本外评估和多重检验校正为基础的流程，以减少偏差。随后，本章概述量化领域的职业角色和机构，强调交易全周期的广泛协作，以及在主要技能领域的深入专长。本章还建议持续、有规划地学习，并通过研究、发表成果、开源工作和专业社群付诸实践。 本章将量子计算、去中心化金融和负责任的 AI 视为新兴领域，并区分当前的机遇与责任和仍较遥远的技术。本章称 DeFi…

本文介绍使用 TabM 对永续合约资金费率面板数据建模的原因：其共享神经网络主干可以组合所有输入特征，非线性层则能够表示特征交互。与在每个分支节点选择一个特征的树不同，这种设计可以同时使用彼此相关的列。TabM 集成成员共享大部分网络，同时保留各自独立的缩放向量和输出层，因此，与分别训练多个网络相比，取平均值的成本更低。…

此评估流程针对 NASDAQ-100 盘中数据面板，将金融特征和模型特征与未来收益进行比较筛选。首先保留最终测试期，并排除未来标签会在该窗口内确定的观测值。对于每个特征，流程会按照标签期限匹配的间隔测量横截面排序信息系数（IC），使用 Newey-West 方法调整序列相关，并考虑多重检验。数据覆盖率、重复值频率、分位数收益形态和两两冗余度也用于质量检查与诊断。每个候选项都会获得继续、修改或停止的决定，支持证据记录在可审计台账中。…

本分析估计跳过近期数据的动量是否与 ETF 未来收益的因果变化有关，而不是考察动量对收益的预测能力。双重机器学习使用声明的混杂因素分别对结果和处理变量建模，再根据这些模型未能解释的部分估计二者关系。混杂因素包括已实现波动率、市场状态指标和收益率曲线斜率。拟合前，分析确定了研究总体、时间规则、禁入期和安慰剂设计，并将结果作为独立的因果证据记录，而非预测模型候选项。…

本笔记本研究用于预测加密货币永续合约收益和方向的梯度提升模型。网格搜索改变树的容量和损失函数，包括平方误差、绝对误差和 Huber 目标，并在训练过程的多个阶段为模型打分。文中说明，树可能反复按高度相似的溢价特征进行拆分，从而拟合训练样本的细节，却没有增加信息。候选模型只在相同标签内比较，不会跨不同预测目标比较。…

本文介绍用于多变量时间序列预测的 PatchTST 神经网络主干。它将每条输入序列拆分为相互重叠的片段，将每个片段映射到学习得到的特征空间，添加位置编码，再通过堆叠的 Transformer 编码器层处理所得序列。编码器在注意力层中独立处理每个输入变量，随后由预测头将编码后的片段映射到目标预测区间。…

此笔记本估计，在价格波动率、资金费率和平均溢价偏差这三个明确列出的驱动因素保持不变时，加密永续合约的溢价 Z 分数是否会影响后续八小时收益。由于处理变量是连续的，目标是估计一条斜率，描述溢价 Z 分数每增加一个单位，预期收益会如何变化。笔记本将这一干预问题与收益预测及交易策略评估区分开来。…

此笔记本介绍一种用于生成金融时间序列的无条件 Sig-Wasserstein GAN。它以基于期望路径签名的距离取代通过学习获得的真实与生成数据判别器；路径签名是对路径连续变化的数学概括。神经生成器从噪声中生成路径；增强后的路径被转换为截断签名，按签名级别归一化，并通过训练匹配真实数据的期望签名。示例使用单资产标普 500 对数收益样本，并说明一种基于过去观测生成期货数据的条件扩展方法，但并未实现该扩展。…

此笔记本说明如何根据案例研究登记表重建模型实验目录，并将其内容与 MLflow 进行比较。笔记本跟踪实验经过训练运行、预测集和回测运行的过程，并将每个阶段与前一阶段关联起来。规范化后的规格会获得确定性哈希，使重复运行具有幂等性，并可识别配置变化。随后，查询会将验证指标、组合回测结果和产物来源汇总到可搜索视图中。…

此笔记本比较普通最小二乘法、岭回归、LASSO 和弹性网络，以预测 ETF 样本空间中的远期收益。所有模型都使用相同的滚动切分，清除间隔与标签期限匹配，因此差异可归因于正则化方法，而非切分不一致。在每个切分中，特征仅使用训练数据进行缩尾处理，然后标准化；绩效通过横截面秩相关以及误差和拟合指标进行评估。 分析考察各切分中的系数路径和选择稳定性。岭回归会收缩权重但保留特征，LASSO…

本章概述如何围绕股票、宏观经济序列、期货、加密资产和预测市场，构建时间一致的基本面与另类数据研究。核心方法包括双时态存储与时点查询、考虑数据源的发布时间、具有时间有效性的实体映射，以及可审计的申报文件文本提取。笔记本依次将这些理念应用于 SEC 申报文件与 XBRL、宏观数据发布、CFTC 持仓、链上指标、机构持仓和市场预测数据流。…

此笔记本比较线性模型，使用重叠的价格衍生特征预测 ETF 收益。由于多个收益期限和指标类别可能编码相似信息，普通最小二乘法可能为近似重复的特征赋予不稳定且方向相反的系数。实验在滚动切分中调整岭回归、套索和弹性网络拟合的惩罚强度。岭回归会收缩系数但保留特征；套索可以将系数设为零；弹性网络则结合两者的效果。针对每个切分调整套索惩罚项的尺度，使声明的比例在各切分间具有可比性。…

本指南将因果问题与 Python 库对应起来，并阐明在假定因果结构下估计效应与从数据中发现可能结构之间的区别。指南介绍了用于调整处理效应的双重机器学习、使用 DoWhy 进行基于图的识别与反驳，以及时间序列或横截面结构发现方法，例如 PCMCI、PC、FCI、GES、LiNGAM 和 NOTEARS。指南还说明处理变量类型和目标估计量如何影响工具选择：将连续处理变量转为分组会改变所估计的问题。…

本笔记介绍用于ETF横截面定价的随机贴现因子模型。该模型不是分别估计基金敞口和因子收益，而是训练神经网络寻找一个共同的贴现因子序列，使其与基金收益的协变关系能够解释平均收益。训练目标是最小化定价误差，预测收益和信息系数则作为后续诊断指标进行报告。区分优化目标与报告的预测评分，对于解读模型至关重要。…

本笔记将共享权重的神经网络集成模型TabM应用于加密货币永续期货特征面板。各成员共享神经网络主干，但拥有独立的缩放向量和输出层，从而兼顾高效集成与相关输入之间的非线性交互。工作流处理回归、二元方向和三分类方向目标，并针对类别不平衡采用每折专属的类别权重。笔记还保存并登记多个训练检查点的预测结果，将每个检查点视为独立的候选模型。…

本笔记围绕一个具体问题展开：学习得到的永续资金费率特征序列表示，能否优于对溢价——即永续价格与现货价格之间的差距——进行人工汇总的结果。笔记比较了两种模型：NLinear在近期窗口内对变化进行线性映射，循环LSTM则利用循环结构。两者使用相同的特征顺序、数据折、缺失数据规则和检查点安排，因此任何测得的差异都能更清楚地归因于架构。笔记定义了实验并记录验证集预测；策略筛选会在之后的回测中进行，而非在此处进行。…

本笔记研究SHAP特征归因是否足够稳定，能否用于模型精简、风险决策或报告。笔记以一项ETF预测任务为例，首先搜索预测结果接近但SHAP特征归因概况不同的测试样本。随后比较使用不同随机种子训练的LightGBM模型和随机森林模型的归因概况，并同时比较它们的验证集横截面信息系数。这些演示说明了解释结果多样性的两种形式：同一个模型对相似输出可能产生不同的特征贡献模式；预测能力相似的模型也可能重视不同的输入特征。…

本笔记逐一评估候选特征对20货币对后续收益的预测能力。分析仅限于滚动验证期，为每个交易时段标注所属数据折，并在留出集之前留出缓冲间隔，防止标签在该预留区间内结算。留出集本身不参与测量。工作流首先筛选覆盖率和变动幅度足够的特征，然后衡量特征值与下一交易时段收益之间的每日横截面Spearman等级相关性。它在允许相邻交易时段相关的情况下估计不确定性，检查各数据折中的效应方向是否一致，并通过错误发现率程序调整完整搜索的显著性检验。…

本笔记解释如何合并多个智能体的概率预测，以及如何校准合并后的概率。笔记介绍Neyman极值化方法：根据面板规模和假设的成对相关性，将平均预测值从基准率向外推移。假设相关性较低时，会将面板视为多个证据来源并赋予更大权重；相关性较高时，则认为这些智能体更相似。示例和模拟图表显示，随着这一假设变化，汇总结果可能发生显著偏移。该方法没有考虑预测之间的分歧，即使平均值相同的面板也可能具有非常不同的离散程度。…

该数据工具支持使用Chen、Pelger和Zhu资产定价数据集，其中包含股票收益、公司特征、宏观经济序列和拆分前的特征张量。其转换方法根据已发布的训练、验证和测试张量生成Parquet文件。由于存档数据在每个区块中提供了持续匿名的公司位置，却没有跨区块映射，转换器会为各区块分配互不重叠的标识符范围。这能保留区块内的公司身份，但不意味着相同标识符跨区块对应同一家已知公司。…

本笔记考察金融特征是否有助于解释一个 10 个交易日的 Delta 对冲期权收益标签。它比较了使用单个隐含波动率特征、依赖和不依赖隐含波动率的特征组，以及完整特征集的 Ridge 模型。所有比较都使用相同的标签专属前向滚动折和验证集标识，并汇总每日秩信息系数及其不确定性估计。计算 IC 时始终采用最低横截面样本量要求。…

本模块介绍了一种为多个模型族准备滚动训练和验证数据折的通用方法。它将耗时且与模型无关的工作——切分时间窗口、应用每折特定的基于模型的特征、删除标签缺失的行，以及抽取训练样本——与后续的模型特定变换分开。复用原始数据折可以避免为每个配置重复相同的准备工作。线性模型进行缺失值填补和标准化，而梯度提升树保留缺失值，并使用其原生缺失值路由。…

本笔记评估用于期货预测的LSTM和NLinear序列模型。与每个决策只使用一行特征的模型不同，序列模型使用按时间排序的历史观测窗口，可能学习到固定摘要遗漏的模式。NLinear预测相对于每个窗口最后一个值的变化；LSTM则学习如何在窗口内传递信息。笔记说明了为何两种模型都要测试：复杂模型的容量可能更大，但线性基准模型在预测任务中的表现也曾颇具竞争力。…

本笔记比较了用于永续期货资金费率研究的多个模型族的验证集预测结果。它说明，信息系数衡量预测值与后续收益之间的排序关联，AUC衡量上涨或下跌标签的排序能力，而对数损失评估概率预测的准确性，并对自信却错误的预测施以重罚。由于这些指标回答的问题不同，AUC可能提高而对数损失却恶化；两种排序指标都不能证明收益幅度有用或概率经过校准。…