跳至正文

知识库

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。

搜索知识库

2,255 份文档

《交易机器学习》

本笔记重新拟合已由验证选出的 FX 配置,并登记其预测结果,以供之后的留出集回测使用。它从通过验证且未破产的回测中解析选择结果,并将其限制在冻结的候选集合内,然后依据所选模型不可变的验证规格重建训练规格。留出区间遵循所选标签的观测时间线,训练缓冲区足够宽,可避免标签结果延伸至评估窗口。…

外汇回测机器学习风险管理
《交易机器学习》

本案例研究将 CME 期货的不同仓位规模方法与等权基准进行比较。文中说明,反向波动率配置使用各合约自身的波动率,而基于协方差的方法还会考虑不同产品之间的关系。这些方法可能改善分散化,但需要根据有限的历史数据估计更多参数,也可能放大噪声。笔记先筛选出一组强信号配置,再根据每次决策之前可获得的价格历史应用预先声明的配置方法。…

期货仓位规模投资组合构建风险管理
《交易机器学习》

本笔记以线性回归为基准,利用分钟级微观结构特征预测 NASDAQ-100 收益。由于不同回看期的价差和订单失衡指标彼此重叠,特征矩阵存在严重多重共线性:普通最小二乘可能为近乎重复的输入赋予不稳定且方向相反的权重。笔记比较岭回归、套索回归和弹性网络惩罚,包括按各折数据缩放的惩罚强度,以考察收缩相关系数或选取稀疏特征集哪种效果更好。…

股票市场微观结构机器学习统计学
《交易机器学习》

这项探索性分析描绘了一个以四小时为频率的 OANDA 数据集,涵盖 20 个货币对。文中说明,成交量字段统计的是单一交易平台的报价更新次数,而非合并后的成交规模,因此不能据此对全市场流动性进行排名。分析按 US 美元是基础货币、报价货币还是不在货币对中进行分类,并说明在何种情况下需要反转价格才能解读美元强弱。 笔记同时使用通过率和违规次数检查 OHLC 一致性,然后区分正常柱线间隔、周末休市和其他长时间间隔。笔记发现,时间戳遵循与纽约时段一致的网格,并以 5 点换日;因此,日线应按该边界汇总,而非按 UTC…

外汇统计学市场微观结构
《交易机器学习》

本操作教程使用合成经纪商演示实盘交易系统的运行时保护措施。教程展示 SafeBroker 如何在行情数据过旧或每日亏损超过设定限额时拒绝订单,以及经纪商重建后由亏损触发的熔断开关如何保持锁定。教程还检查启动时持久化风险状态与经纪商持仓或订单的对账,并跟踪数据到达、停止更新及引擎停止时的健康状态变化。…

风险管理交易执行市场微观结构
《交易机器学习》

本笔记使用语言模型客户端、搜索工具和有限轮次循环构建预测智能体。智能体搜索证据,并给出二元概率及理由。其响应解析器处理常见格式错误并验证搜索和预测操作;无效回复会被要求修正。保存的运行记录保留提示词、工具结果、模型调用和令牌用量,因此无需新的 API 调用也能重放并审计预测。…

机器学习统计学市场情绪回测
《交易机器学习》

本笔记运用贝叶斯结构时间序列事件研究方法,估算美联储公告对债券 ETF 的影响。笔记根据事件发生前目标资产日对数收益与国际及大宗商品 ETF 控制变量收益之间的关系构建反事实。文中报告事件后累计差值及其后验可信区间,并使用安慰剂日期和将控制变量设为目标资产的检查,探查模型是否会在预期无影响的情况下检出影响。 该设计设定了事件前的估计窗口和事件后的测量窗口,并分析选定的 FOMC 日期。控制变量旨在跟踪相关市场走势,同时尽量减少对 US…

固定收益事件驱动统计学机器学习
《交易机器学习》

本笔记检验四种管理型投资组合策略在控制广泛 ETF 共动后,能否解释 SPY 收益。这些策略根据滞后动量、波动率或近期收益对 ETF 排名。研究以一组历史较长且构成平衡的 ETF 所得的 10 个主成分作为控制变量,并将 SPY 排除在因子构建股票池之外。研究比较每种策略对 SPY 的单变量载荷,以及选择控制变量后估计的条件载荷。 双重选择后 LASSO 会选择同时预测结果变量和各重点策略的控制变量。扩展时间序列折在训练数据内重新拟合缩放参数和 PCA;随后将所选控制变量的并集纳入含截距的回归,并使用…

因子投资机器学习统计学动量
《交易机器学习》

本笔记将 Word2Vec skip-gram 方法用于机构股票持仓。笔记将每家机构的投资组合视为句子,将股票标识符视为词元,并将按报告持仓价值排序的仓位视为词序。反复出现在相似投资组合语境中的股票可能获得相近的嵌入表示,以此呈现机构投资组合行为,并识别经济特征相似的资产。 示例使用季度 13F 持仓,按投资组合广度选择机构,在排列仓位前删除重复的机构—股票记录,并基于所得投资组合序列训练嵌入表示。笔记使用排序指标评估遮蔽股票预测,并与随机基准和热门度基准比较,使用自助法区间表示基准的不确定性。…

股票机器学习投资组合构建统计学
《交易机器学习》

该笔记本比较了退出 ETF 多头交易的不同方法:固定止盈目标和止损、移动止损、按 ATR 缩放的障碍、机器学习信号及其组合。笔记本构建指标并模拟交易,然后用标准误汇总交易收益、胜率、止损出场频率和不确定性。OHLC 成交约定会在开盘时处理隔夜跳空;由于日线数据无法揭示日内先后顺序,当日线同时触及止损和止盈时,假设止损先触发。…

股票风险管理仓位规模波动率
《交易机器学习》

本笔记将 ARIMA 预测作为后续模型的输入列,而非独立预测结果。笔记对 ETF 收益拟合模型,使用平稳性检查和自相关诊断提出模型阶数,并在训练数据块上使用信息准则比较候选阶数。核心区别在于:对平稳模型而言,多步预测会趋近其无条件均值,很快变得近乎恒定;单步预测则会随着新观测到来而更新。…

股票机器学习统计学回测
《交易机器学习》

这份笔记检验ETF动量策略的回测结果对假设交易成本的敏感程度。笔记固定策略权重和交易安排,在一系列单边成本设定下重新运行模拟,并比较增长、夏普比率和回撤。笔记通过用毛收益除以年度换手率,以及对模拟结果进行插值,分别估算增长归零时的成本水平。两种方法的差异说明,复利效应会使简单的换手率计算对盈亏平衡成本作出偏乐观的估计。…

股票动量回测交易执行
《交易机器学习》

本笔记介绍风险溢价 PCA:通过加入训练期平均收益的加权外积来调整收益协方差矩阵。领先特征向量定义静态因子组合;提高权重会使因子偏向解释平均收益的方向,即使这些方向的方差较低。笔记比较不同权重下的定价拟合、评估期收益重构和载荷空间变化,然后使用预先选定的权重进行提前一日的因子溢价预测。 流程使用训练数据拟合载荷,将 ETF 面板限制为训练历史完整的代码,并在预测下一个因子溢价前投影每个已观测的决策日收益。笔记介绍滚动预测,并使用 MSE…

因子投资统计学投资组合构建回测
《交易机器学习》

本笔记研究 AAPL 年 16 月 2020 日市场崩盘期间 AlgoSeek 的逐笔交易和报价数据。笔记筛选常规交易时段,将成交记录与 NBBO 更新分开,并研究盘中活动、价差、交易规模、交易场所分布和价格变动。报价更新数远多于交易数,活动集中在开盘和收盘时段;开盘扰动期间还发生了全市场交易暂停。NBBO 价差根据汇总买卖报价更新计算,而非单个交易场所的数据。 分析发现,市场压力与价差扩大和开盘活动增加同时出现,说明不确定性上升时执行成本会更高。文中还强调,交易笔数和成交股数对交易规模分布的解释并不相同,而且…

股票市场微观结构交易执行波动率
《交易机器学习》

本笔记在拟合模型前,检查日度 US 股票排名策略是否有足够的可用数据进行公平评估。文章介绍如何使用历史成分股构建时点股票池:用成交价格和前一交易日成交额筛选可交易性,用调整后价格计算收益。还介绍了市场广度、交易成本假设、收益相对成本的变动、个股内部收益持续性和滚动样本设计等检查。…

股票美国市场回测交易执行
《交易机器学习》

本笔记将来自 SEC 13F 文件的机构股票持仓建模为图,连接管理机构与证券,并加入行业关系以便汇总。其架构同时保留季末报告日期和之后的文件公开日期:前者支持跨期比较,后者可避免在时点分析中提前使用尚未公开的持仓。笔记将股票多头持仓与申报的期权分开,因为看跌期权和看涨期权不等同于股票所有权;并根据初始构建期选择机构和证券,以避免未来成员身份泄漏到过去。发行人名称不同时,使用 CUSIP 作为证券标识符。 该笔记本展示了在图数据库中进行持仓、共同持仓和行业查询的方法,包括计算共同持仓的 Jaccard…

股票统计学市场微观结构
《交易机器学习》

本分析比较将带符号模型收益预测转换为二元仓位的三种方法:固定零阈值、每个标的各自的滚动百分位数,以及标的间的横截面百分位数。它将这些规则应用于 ETF 和加密货币永续合约的已注册验证预测,并改变回看窗口长度和百分位数阈值。收益或交易成本尚未纳入考虑;分析重点在于各规则的启用频率,以及标的状态发生变化的频率。…

机器学习交易执行回测加密资产
《交易机器学习》

本笔记将21天前瞻ETF收益转化为涨跌目标,并在按时间顺序进行的滚动折中评估经L1和L2正则化的逻辑回归。它使用每折的训练数据缩放特征,再通过准确率、精确率、召回率、F1、ROC AUC和对数损失评估预测结果。本笔记还考察基于系数的特征重要性、概率校准,以及将收益分为底部、中间和顶部三组的三分类扩展。 讨论强调,区分能力和校准能力回答的是不同问题:AUC…

机器学习统计学仓位规模股票
《交易机器学习》

本笔记比较月度 US 股票收益预测中的梯度提升目标函数,同时固定特征、目标变量和滚动数据折。它比较平方误差、绝对误差和 Huber 损失;Huber 损失会降低大残差的影响。研究动机是,尽管信息系数评估的是横截面排名,个别极端收益仍可能主导平方误差拟合。参数网格还会改变树容量,并在多个提升检查点记录预测,以便通过学习曲线判断表现是继续改善还是趋于平缓。…

股票机器学习回测统计学
《交易机器学习》

该模块协调多种潜在因子模型的滚动拟合与评估,包括主成分、工具变量主成分和神经自编码器。它准备面板数据和数据折,调用特定模型的运行程序,并管理预测、折层元数据和已注册的训练运行。模型预设会按照明确的优先级规则与调用方提供的设置合并,因此选定的运行时选项仍由调用方控制。…

因子投资机器学习回测
《交易机器学习》

该实现介绍用于资产定价的条件自编码器。Beta 网络将每只股票的特征映射为潜在因子载荷,线性因子网络则将管理型投资组合收益映射为因子收益。模型通过配对的载荷与因子值乘积之和预测股票收益,因此风险敞口可随公司特征变化,而因子则由投资组合工具推导。 代码还提供已学习载荷和因子的访问器,可用于检查模型组件。其 L1 惩罚仅作用于 Beta 网络隐藏层的权重,不包括偏置和最终载荷层;若没有隐藏层,则返回零。这是架构参考而非实证研究:其中没有训练流程、数据集、预测结果,也未与其他资产定价模型比较。

股票因子投资机器学习
《交易机器学习》

本笔记使用合成经纪商演示实盘交易的运行保障措施。它展示当市场快照超过设定时限时订单如何被拒绝,以及账户价值下跌如何触发每日亏损熔断开关。亏损状态会持久化保存,因此重建经纪商封装层不会悄然清除锁定状态。启动时的核对会比较持久化状态与经纪商的持仓和挂单,交易引擎则提供等待数据、数据流静默和已停止等健康状态类别。 这些示例在模拟故障下运行上述控制措施,并展示相应错误、状态报告和健康状态转换,全程不连接真实交易场所。笔记还演示通过操作员 CLI…

风险管理交易执行
《交易机器学习》

本笔记衡量比例交易成本变化对每种收益标签下一个经验证集选定的 FX 策略的影响。它先从信号、资产分配和风险叠加候选方案中选出一个基础策略,之后仅改变每个交易腿的总成本,同时保留策略的其他特征。该成本扫描不参与后续模型和策略选择,避免候选方案因采用特别有利的成本假设而获益。生成的曲线旨在展示表现对换手率的敏感程度,以及收益达到盈亏平衡的位置。 由于 FX…

外汇回测交易执行风险管理