知识库

本文介绍一项 CME 期货实验：使用参数高效的神经集成模型 TabM，处理与线性模型和梯度提升模型相同的工程化特征行和滚动折。TabM 在集成成员之间共享大部分权重，以较低的完整计算成本获得多个网络平均所带来的部分方差降低效果。不同配置采用不同模型容量；每个预先声明的训练检查点都会发布，供后续验证回测和基于夏普比率的选择使用。…

本文介绍 NLinear，这是一种利用日内特征预测 NASDAQ-100 股票收益的简约序列模型。它使用固定的回看窗口，减去最新观测值，让模型处理变化量而非水平值，再通过单个线性层映射所得特征。这样的设置有助于区分收益究竟来自序列窗口本身，还是更复杂的模型架构。预测目标覆盖多个未来收益期限，其中与策略相关的目标是未来十五分钟收益。…

本文介绍一条将 SEC 8-K 文件转化为结构化企业事件的流程。语言模型负责提取事件关系，明确的模式检查则验证实体名称、关系类型、类别和日期。确定性规范化用于修正实体格式；含有不支持值的记录会保留为待审核状态。申报文件的条目编号会作为上下文传入，多个条目都会保留；缺失条目会明确标记为缺失，而不是推断补出。 该工作流强调可追溯性和时间完整性：哈希涵盖提示中使用的所有申报字段，提取过程可复现，稳定标识符支持向 Neo4j…

本模块介绍一项注册表迁移：某个库更改了滚动折的编号，但日期窗口和拟合值保持不变。由于折标识符出现在训练规范、预测键、输入指纹、模型参数、产物和下游哈希中，更改标签时必须同步更新一系列相关身份标识和引用。…

本笔记介绍如何在验证折上选定配置后，为 US 股票案例的留出期生成预测。它解析选定配置，保留其检查点选择，并使用留出期开始前可用的数据构建新的训练规范。标签缓冲区可防止训练结果延伸到评估窗口内，而重新拟合时会重新计算各折的资格条件和参数。…

本笔记说明隐马尔可夫模型如何根据收益和近期波动率推断不可观测的市场状态。首先设定简单的对照规则：以波动率指数阈值识别压力状态，以价格相对长期移动平均线的位置识别趋势。一个两状态示例展示了前向算法如何利用截至当前交易时段可用的观测值更新状态概率。…

本笔记说明如何比较 S&P 500期权预测模型，避免不完整或不匹配的评估样本扭曲结果。它按模型家族、配置和检查点识别各模型，检查预测是否符合其登记的适用条件，并验证各总体是否具有相同的交叉验证标识。序列模型需要回看历史，因此可能覆盖较少的行；跨不同适用条件组进行比较，会将模型差异与样本差异混在一起。 笔记介绍按折汇总的信息系数（IC）指标，并区分基于折的描述性统计量与使用日度…

本笔记使用 Ridge 回归和三种保形方法，为ETF远期收益构建不确定性区间：分割保形预测、保形化分位数回归和自适应保形推断。它使用滚动验证折进行评估，并说明有限样本校准规则：选择达到所需排名的校准分数，而非插值分位数。自适应保形推断会随时间更新误覆盖目标，反馈则延迟至远期收益标签确定后。…

本笔记使用双重机器学习估计永续期货溢价 z 分数在调整六项处理前控制变量后，是否与随后八小时收益相关。它通过分别拟合并加入处理与状态的交互项，比较高波动和低波动状态下的效应。数据采用多交易对面板结构，因此进行交叉拟合、设置禁用期和计算 Driscoll–Kraay 标准误时，方法将每个时间戳视为一个决策周期。 笔记还介绍一种区块置换反证程序：在每个交易对内部打乱处理值，同时保留时间持续性，区块长度则与处理窗口相对应。文中说明，当置换处理的残差方差不同时，安慰剂比较为何应使用 t…

本笔记介绍一种条件自编码器，将股票收益建模为特征相关的因子载荷与潜在因子的乘积。它先通过联合截面最小二乘拟合估计特征管理组合收益，然后训练神经网络重构同期收益。另一个滚动适配器预测下一个因子实现值，并通过当前特征将其映射为下一日股票收益预测。…

本笔记比较基于ETF特征的线性模型，这些特征由重叠收益窗口及相关动量、波动率和振荡指标构成。此类预测变量存在共线性，会使普通最小二乘系数不稳定。实验在滚动验证折上拟合岭回归、Lasso 和 ElasticNet 配置，按每折数据确定惩罚强度，并检查每种配置是否都在相同资产、日期和折上评估。…

分数阶差分对对数价格的滞后差分算子应用非整数次幂。其二项式权重随历史观测逐渐衰减，因此结果将价格变化与部分保留的水平信息结合起来。分数阶数决定这种权衡：较低阶数保留更多记忆，但平稳性证据通常较弱；较高阶数使用较短的历史并去除更多水平信息。…

本笔记介绍一种LSTM模型，它根据US股票面板中按顺序排列的特征窗口预测收益。与扁平表格模型不同，LSTM按顺序处理交易时段，并在每个窗口中传递隐藏状态。训练得到的门控机制控制哪些新信息进入该状态、哪些既有信息被丢弃，以及哪些信息传递到下一步。该设置使用堆叠循环层，并为每种配置保存多个训练轮次检查点。…

本笔记介绍 TimeGAN，这是一种用于生成合成金融序列的循环生成对抗模型。它的五个模块学习嵌入与重构、预测后续潜在状态、从噪声生成序列，并区分生成序列与真实序列。训练分为表示学习、时间监督和联合对抗学习。示例使用由US只股票构成的面板中的日对数收益率，并留出最新的一段数据用于评估。 评估结合分布检验、判别器以及“合成数据训练、真实数据测试”的比较。笔记说明，仅匹配均值和标准差，无法证明序列结构、波动聚集或股票间依赖关系已被复现。笔记还比较收益率与价格水平：由于模型输出受 sigmoid…

本笔记将两种顺序检测器应用于一年内两种 US 股票线性模型配置的实际验证集预测误差。双窗口均值漂移检测器寻找误差幅度的变化，错误日频率监测器则追踪方向预测出错的频率。每个检测器都在初始时期校准，再监测之后的交易时段，避免使用评估期数据拟合阈值。分析将警报与基于滚动波动率的市场剧烈波动代理指标进行比较，并保留警报相对剧烈波动事件的有符号距离，以区分提前预警和延迟发现。…

本笔记介绍一种用于预测 ETF 未来收益的监督自编码器。网络将基金特征行压缩为低维表示，并直接根据该表示预测收益。与同一模型家族中的条件自编码器不同，它不假设收益由少数共同因子生成。重建损失和收益预测损失共同参与训练，因此更改目标标签会产生一个单独拟合的模型。…

本文说明如何根据现有滚动验证规范推导单一留出集训练区间。它从研究配置读取声明的留出日期，采用验证折中最早的训练起始日期，并提前结束训练，留出足以覆盖最大标签缓冲区的间隔。该缓冲区可防止训练结果延伸到留出评估期。如果特征仅存在于较窄的折级历史范围内，训练起始下限可将留出拟合限制在这些特征实际覆盖的日期。 实现还会验证选定标签、折边界和已解析的 CV…

本分析比较九个交易案例中的特征筛查记录。它区分 Benjamini–Hochberg 错误发现率显著性与另一种得出 PROCEED 决策的路径；后者结合案例特定的效应量下限和各折符号稳定性。由于决策可由任一路径满足，PROCEED特征数量可能超过通过 FDR 阈值的数量。随后，笔记将各案例的 PROCEED 占比与验证集和留出集夏普比率配对，探讨特征存活是否能预测策略存活。 证据明确有限：记录是重新生成的，候选特征彼此相关，且仅少数案例登记了回测。不同案例的 PROCEED…

本笔记微调三个 Transformer 检查点，用于金融句子的三分类情绪分析，并比较准确率、宏平均 F1、混淆矩阵、参数数量和训练时间。它对 Financial PhraseBank 进行分层训练集、验证集和测试集划分，为通用随机性和 Trainer 随机性设置种子，并采用动态批次填充。模型包括领域专用的 FinBERT 检查点和两个通用检查点。 核心经验是：解读测试分数前，先检查检查点的训练历史。FinBERT…

本文介绍两种用于期货收益的潜在因子方法。主成分分析找出能解释最多收益变化的不相关方向；神经随机贴现因子则寻找与预期收益横截面相关的组合，并可使用展期收益（carry）或波动率等产品特征。因此，两种方法回答的问题不同：一种关注广泛的共同变动，另一种关注可能被定价的收益结构；推断因子的经济含义仍需进一步解释。…

本笔记筛选适用于卖出平值跨式期权并持有至到期策略的候选特征。对每个交易日，它比较可用标的按某项特征进行的横截面排名与这些标的最终跨式期权结果的排名，再计算多个验证期内排名一致性的平均值。由于同时检验多个候选项，它会针对仓位重叠调整不确定性，并控制错误发现率。…

本文说明如何使用观测日和之后交易日的复权收盘价，为 ETF 构建每日未来收益标签。它创建一个主要的月度期限标签和一个较短的周度变体，并在应用资格筛选前，基于每个标的完整且已排序的价格历史计算标签。断言会检查不完整的尾部、异常长的日历跨度、标的边界和标签类型。 笔记还讨论结果窗口相互重叠、清除收益窗口在留出期内结束的开发样本行，以及在计划用于特征评估的同一合格样本上衡量简单动量基准。它报告标签覆盖率和质量检查结果，并将该基准视为后续工作的下限。作者提醒，收盘到收盘收益与次日开盘执行的经济结果不同，固定的 ETF…

本笔记比较拆分共形预测、共形化分位数回归和自适应共形推断，用于预测 ETF 的未来收益。在滚动交叉验证中，模型用一个子集训练、用另一个子集校准区间误差，再对之后的观测进行评估。拆分共形根据校准残差的秩确定区间宽度；CQR在校准前拟合上下分位数模型，因此区间宽度可随条件变化。延迟结果变得可用后，ACI会更新其失覆盖率。…

此共享工具模块为量化研究提供通用的梯度提升流水线。它定义不同容量的预设配置，并将规范参数名称映射为 LightGBM、XGBoost、CatBoost 和 scikit-learn 直方图提升算法对应的设置。它还处理运行选项，例如使用 CPU 或 CUDA 执行、线程数和特定库的兼容性，并记录配置及执行来源以支持复现。…