这里汇集了 Stratmill 研究智能体对 AI 智能体阅读过的书籍、论文、文章和代码所作的摘要与核心观点。每个页面都附有原文链接。
961 份文档
本分析读取一个已登记的回测流程，评估基于公司特征的月度US股票策略。它报告夏普不确定性、概率夏普和去膨胀夏普指标、配对策略比较、留出期衰减，以及旨在反映微型股流动性差异的成本分析。验证集用于选择策略规格；留出集用于评估冻结后的选择，而非进行新一轮选择。配对指标和置信区间用于区分实际测得的变化与点估计差异。本文强调了解释结果的局限：留出期仅涵盖一个日历年，分析针对主要月收益标签，而且窗口较短可能导致区间较宽。多空组合假设能够按随时期变化的费率借入股票；成本分析显示，容量限制可能大幅压缩价差。队列调整处理了选择效应，…
本笔记在符合条件且覆盖完整的候选项中，对验证夏普排名最高的配置谱系评估逐仓止损、移动止损和时间退出。每种覆盖规则都与其自身未应用覆盖规则的母策略比较，以单独衡量该风险规则的影响。配对区块Bootstrap区间用于评估夏普差异是否显著异于零，并同时比较回撤。选择和调参仅使用验证数据。排除经完整验证期MAE校准的阈值，因为同一批路径既用于设定阈值，也用于评分；另行保留一个留出集来评估冻结后的配置。笔记还强调，股票池由当前成分股组成，因此生存偏差限制了关于历史指数成分或未来S&P…
本笔记基于外汇价格历史构建拟合模型特征，补充直接根据历史价格计算的指标。它介绍三种方法：状态空间滤波器用于估计缓慢变化的价格水平及相关量；双状态隐马尔可夫模型用于估计美元动荡状态的概率；固定阶数的ARIMA收益模型则用一步预测误差衡量意外变化。四小时柱通过共享日历汇总为交易时段。…
本笔记比较卖出跨式期权的S&P 500策略所采用的投资组合权重规则。在选定标的和其他策略设置保持不变的情况下，它用基于模型预测或标的收益风险估计的配置器替代等权基准。可选方法包括评分加权、反波动率、风险平价、层级风险平价、收缩均值方差优化，以及根据预测区间宽度进行的保形加权。…
本笔记衡量执行成本对已选定加密货币永续合约配置的影响。它固定模型、检查点、入场规则、配置器和风险控制，然后根据预先设定的网格，对交易名义金额应用不同的往返成本并重新运行策略。所得成本衰减曲线旨在展示该配置能承受多大摩擦，以及表现何时达到盈亏平衡；它不用于对候选项排名或进行选择。…
本笔记介绍将S&P 500公司的季度MD&A披露转化为交易特征的流程。它以申报文件的受理日期作为时点锚点；若一家公司在同一天提交多份申报文件，则保留其中对应期间最新的申报文件。笔记构建两种信号：将FinBERT分块级情绪汇总为文档均值和离散度，以及基于句子转换器嵌入计算的季度间语义变化。笔记还解释了年度报告所在季度为何会造成10-Q覆盖的季节性缺口。…
本章围绕一个实际问题综述时间序列深度学习：观测顺序何时包含横截面预测遗漏的信息？哪些模型设计能够利用这些信息？内容涵盖循环网络及其顺序训练负担、N-BEATS等分解模型、基于注意力的方法、时间卷积、混合网络、状态空间模型、图像编码和预训练预测器。笔记系列比较不同架构，并包含强大的线性基准、滚动评估和打乱顺序等诊断，以检验模型是否利用了时间结构。…
这项只读分析汇总多个模型类别的验证预测，用于评估预测是否完整、对股票的排序效果如何、排序能力能否跨折持续，以及表面相似的模型是否提供不同信息。分析采用信息系数，即预测与后续收益之间的横截面秩相关，并使用考虑重叠收益窗口依赖性的区间。两两比较使用共同日期和面板键，避免样本不匹配或重复连接导致结果失真。…
本笔记应用TabM，这是一种在集成成员间共享两层特征网络的表格神经网络架构。每个成员用自身学习到的向量缩放共享表示，并使用独立输出层；对成员预测取平均，旨在以低于分别训练完整网络的成本保留集成多样性。三个预先指定的配置在其他训练设置保持不变的情况下，改变层宽和成员数量，预测目标为卖出跨式期权的收益。…
本笔记介绍如何为先前选定的S&P 500期权模型生成样本外预测集。它根据验证结果固定配置，在留出期之前的数据上重新拟合该配置，并登记留出窗口的预测。训练身份核验用于区分真正的重新拟合与误关联到验证集训练运行的预测。训练截止点还包含完整期权周期的标签缓冲期，因为到期收益的结算时间晚于固定期限目标。…
本笔记在小时级BTC、ETH和SOL永续合约数据上测试双模型退出设计。入场分类器识别异常强劲的前向收益；其预测概率随后与技术特征一起输入另一个模型，用于估计下一个24小时收益是否为负。退出模型训练时使用的入场概率由扩展窗口的折外预测生成，并在折边界处清除观测，以防标签延伸到之后的时段。…
本文介绍用于准备时间序列面板以供模型训练和滚动推理的数据集工具。训练数据集返回由特征、前向收益、波动率尺度和掩码构成的滑动序列，并支持配置序列长度、日期范围和步长。日期边界会映射到面板中可用的日期；若指定范围无法提供完整序列，构造函数会拒绝该范围。…
本笔记为广泛的US股票池构建基于价格的特征，用于排序。内容介绍动量、波动率、移动平均线和技术指标等特征类别，并以单个交易时段后的收益标签进行评估。核心设计规则是：先在完整交易时段序列上计算每只股票的滚动特征，再应用资格筛选，最后计算横截面排名。这样既保留了窗口的含义，也确保每日排名反映的是可以交易的标的。…
本章将风险管理作为策略设计和实际运行的一部分。内容涵盖风险价值和条件风险价值的尾部风险衡量、回撤深度与恢复、敞口分解、压力测试、自适应控制和治理。所述方法包括历史法、参数法和Cornish-Fisher尾部估计；危机重演和假设情景；因子回归；波动率目标控制；仓位退出；漂移监测；以及熔断开关。章节强调，应在部署前定义限额和升级处置规则，并且只使用决策时可获得的信息。…
该配置规定了加密货币永续期货的多空策略研究流程。它定义了一个按成交量筛选的19种资产范围，决策与每八小时一次的资金费率结算对齐，并在资金费率结算时点执行。主要目标是八小时前瞻收益，并包含收益和方向变体；该方案还描述了资金费率、溢价、价格波动和横截面特征，以及套息、均值回归、动量和波动率假设。…
本笔记将预先设定的止损、追踪止损和时间退出规则，应用于每个期货收益期限上验证排名最高的信号策略或配置策略。每条规则都在自己的母策略上评估，参数事先固定，而非根据验证价格路径调优。所有预先声明的规则都必须完成评估，以保留后续筛选所需的候选策略范围。…
本文分析固定ETF动量策略对成本的敏感性。它保持投资范围、权重、时间安排和模拟器不变，在不同的每一交易腿费用水平下重新运行回测。所得曲线展示假设交易成本上升时，夏普比率和复合增长如何变化。本文还用两种方法估算盈亏平衡费用：用毛收益增长除以年度换手率，以及对模拟增长曲线进行插值。两者的差异展示了成本随时间复合产生的影响。…
本笔记为多元化ETF投资组合构建仅做多且满仓的均值方差框架。它构造可行投资组合和有效前沿，再根据估计的收益和协方差求解夏普比率最大化和方差最小化的权重。笔记还将优化后的投资组合与等权重、波动率倒数加权和等风险贡献等所需估计较少的简单替代方案进行比较。核心结论是，预期收益难以估计；尽管协方差的估计使用了多得多的观测值，预期收益仍可能主导优化器的输出。笔记考察协方差矩阵的条件状况，固定训练窗口的权重，并在之后的测试期评估；比较时将配置时点的影响与交易成本区分开来。证据来自单一投资范围和一次训练测试划分，因此权重和排名…
本笔记筛选金融特征和模型衍生特征，评估它们对ETF后续收益的排序能力。它逐日计算信息系数，将每项特征的横截面排名与前瞻收益排名进行比较，再考察由此得到的时间序列。分析针对重叠收益标签调整不确定性，控制同时检验多个特征产生的假发现，检查关联在滚动验证窗口中是否保持同一方向，并识别代表重复证据的高度相关特征。分析还仅使用验证日期，并将留出期排除在筛选之外。…
本笔记说明如何评估基于US股票面板构建的策略能否承受交易摩擦。它使用验证集夏普比率为每个标签固定一种配置，然后在设定的不同成本水平下重新计算同一策略的表现。这样可以避免在扫描过程中，按某个成本假设挑选出表现最好的策略。符合条件的来源策略涵盖信号、配置和风险覆盖阶段；重新计算风险策略表现时，保留其风险覆盖。…
本分析比较多个模型系列对永续期货资金费率的验证预测。它说明信息系数衡量后续收益的排名，AUC 衡量上涨和下跌结果的排序，而对数损失评估概率质量并惩罚过度自信的错误。这些诊断指标回答不同问题：排名更好并不保证概率校准更好，而单独描述预测结果的指标也不能确定哪种交易策略表现最佳。…
本案例研究评估 DeFi Llama 总锁仓价值数据，考察其能否作为 Ether 交易研究流程的输入。研究分别考察信号强度、数据质量、法律适用性和商业价值，并将法律问题以及无法重建历史版本视为硬性门槛。它将三种 TVL 变换与多个周期的 Ether 前向收益进行比较。由于这些收益存在重叠，分析采用与各周期匹配滞后的 Newey-West 标准误，并明确考虑所检验的信号与周期组合数量。…
本笔记评估由较早资产配置阶段选出的加密永续期货持仓的逐仓退出规则。它定义了固定亏损止损、与每笔持仓最佳价格挂钩的移动止损，以及持仓达到设定期限后的时间退出规则。声明的网格包含十四项控制参数，并应用于经过缩减的候选配置，以限制在同一验证数据上反复选择。每项覆盖规则均通过成对结果与相同的无覆盖规则配置进行比较。…
本案例研究配置了一个 LSTM 模型，用于预测 FX 货币对标签。它将循环模型携带的隐藏状态与固定回看变换和卷积感受野进行对比，同时将与其他模型的比较留给单独分析。共享执行器会在拟合前确定序列长度、架构设置、设备、标签、折和检查点计划。它会排除任何跨越缺失日度观测值的回看窗口，因此验证覆盖范围可能小于原始面板。…