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。
857 份文档
本笔记研究基于关键词的 ESG 标题处理流程，并将结构化分类器输出与检索增强生成助手需要满足的要求进行对比。第一组关键词用于筛选标题，第二组用于标注环境、社会或治理类别。对整个筛选池应用分类器后，结果显示环境类别占比明显偏高。笔记将这种不均衡追溯至筛选词表中更容易使用的环境术语，以及分类顺序优先将重叠匹配归为环境类别。 随后，笔记使用分层抽样进行 FinBERT 情绪分类，区分模型加载时间和推理时间，并介绍要求引用原文片段且在无法回答时弃答的 RAG 证据约定。笔记没有生成任何 RAG…
本笔记使用 SHAP 在令牌层面解释 FinBERT 的三分类金融情绪概率。它固定模型检查点，明确对齐输出标签，随后分析若干构造标题中的哪些词会提高或降低预测类别概率。受控比较中仅将“narrowed”改为“widened”，以说明某个词的归因取决于完整句子语境，而非表达固定的独立情绪。…
此案例研究比较了标普 500 股票和期权特征面板上的序列模型。研究将能够在回看窗口中传递门控状态的 LSTM，与去除最新水平后拟合线性映射的 N-Linear 基准模型进行比较。该基准用于检验，与对同一窗口进行更简单的映射相比，循环记忆是否带来额外价值。目标包括股票未来收益和风险调整收益标签。…
本笔记介绍 TimeGAN 的五部分架构：嵌入网络和恢复网络负责在原始观测值与潜在空间之间映射，监督网络学习时间转移，生成器和判别器则进行对抗训练。笔记描述了分阶段训练，并将模型应用于一组 US 股票的日对数收益。选择收益与输出受 Sigmoid 函数限制及最小最大缩放有关：趋势性价格水平可能超出训练范围，使留出期评估变得复杂。…
本笔记将滚动的 ETF 收益窗口转换为用于卷积神经网络的双通道图像。格拉姆角场求和将每个窗口内的数值重新缩放、映射为角度，并记录不同时间位置对之间的三角关系。马尔可夫转移场将数值分箱至窗口特定的分位数，并表示不同位置对之间的分箱转移。因此，两种方法都编码了各位置之间的关系，而不是直接呈现原始序列。 实验使用一个五日 ETF 收益特征预测未来收益，并比较使用图像衍生输入的 CNN 与岭回归模型；预测评分采用横截面 Spearman…
风险溢价 PCA 通过加入训练集平均收益向量的加权外积来修改协方差矩阵。其主要特征向量定义静态因子投资组合：权重为零时得到普通 PCA；权重为正时，因子会向与平均收益相关的方向倾斜。笔记比较了多个权重下的定价拟合、收益重构和载荷空间变化，随后使用预先指定的权重预测下一日因子溢价。…
本笔记介绍如何在验证数据上选定配置后，为未触碰的留出期生成预测。它解析选定配置，为留出期重新构建训练规格，并根据可用时间线和所选标签的期限推导训练窗口。由此设置的缓冲区可避免训练结果延伸至评估期，因为在那时这些收益尚不可知。笔记会检查新的训练身份并记录预测集，供读者确认是否进行了重新拟合。…
此配置介绍了一项盘中研究，考察特定时点的 NASDAQ-100 成分股中的订单流信号。研究根据各评估期开始前可获得的流动性信息筛选出成本可行的子集，规定多个预测期限的决策时间表，并将这些时间表与用于监控持仓的一分钟价格数据区分开来。特征类别涵盖报价流动性、中间价、波动率、订单流、价格冲击及其他市场微观结构指标，并规定了受交易时段限制的回看窗口和时间约定。 该方案还记录了旨在提升实验可复现性并减少信息泄漏的选择：使用 float32…
本笔记使用高斯混合模型，根据九个因子和资产类别收益序列的联合表现对月份进行分组。它对月度观测值进行标准化，剔除缺失值月份，并使用 BIC、AIC 和轮廓系数比较候选聚类数量。随后，笔记结合有日期的市场事件解读聚类结果，并考察各组内的因子表现，展示合并平均值如何掩盖不同市场环境之间的差异。 证据来自 AQR 自 1927…
该笔记本构建了一个预测智能体，使其在ReAct循环中交替进行推理和行动。它的可选行动经过刻意精简：智能体可以搜索证据，也可以提交概率预测。统一的双方法接口让循环能够使用不同的语言模型提供商；模式校验则会在模型响应触发行动前检查其是否符合要求。无效回复会被送回修正，步骤预算会限制智能体在提交预测前可继续执行的步数。…
该笔记本考察ADIA Lab因果发现挑战赛，将其视为一个基准，用来学习已知模拟器系列中的模式。任务提供许多与已知有向无环图配对的合成数据集，并评估模型能否判断每个变量相对于处理和结果的角色。笔记本解释了监督式模型为何能在这种设置下表现出色：它们学习模拟数据与角色标签之间反复出现的关联；而混合方法可以将经典因果发现算法的输出用作特征。笔记本还介绍了八种角色类别、合成数据生成方式和分组评估设置。…
该笔记本介绍如何为选定的CME期货模型配置生成留出期预测。该配置依据验证结果选出，随后使用结束时间早于留出窗口的数据重新拟合。标签缓冲区将训练观测与评估期隔开，以避免前瞻标签结果延伸至留出期。笔记本还会使用窗口开始前估算并在整个窗口内保持固定的参数，为留出期重新生成模型特征。…
这本特征工程笔记本介绍如何利用基本面、宏观数据和日历背景等慢速信息，为较快速的交易信号提供条件。它概述了市净率、盈利收益率等价值比率，净资产收益率和应计项目等质量指标，宏观指标和风险状态，以及用于季节性或事件时点的周期性编码。对于季度财务数据，文中介绍了按代码和公告日期执行向后时点连接，使每日观测只能获取当时已经公告的最新信息。宏观序列同样需要设置发布时间延迟并谨慎向前填充；日历特征编码的是时间，而非未来事件结果。…
该笔记本介绍如何为选定的NASDAQ-100微观结构配置生成留出期预测，此前已在验证折上完成模型和策略选择。它重建所选训练规格，根据案例研究声明的窗口确定留出折，并仅用更早的数据重新拟合模型。训练身份检查用于区分真正的留出期重新拟合与使用验证集拟合模型生成的预测。训练期会在留出期开始前结束，并由标签缓冲区隔开；缓冲宽度按最长标签期限确定，确保特征或结果信息不会跨过边界。…
该笔记本汇总一组案例研究中五种潜因子估计器的已登记验证结果。它首先梳理各个面板有哪些估计器结果，然后根据每日Spearman排名信息系数（IC）的均值及HAC置信区间，识别领先的估计器。它还在共同的US Firms面板上比较估计器，并考察其相对于监督式模型系列的逐日配对IC差异。分析强调，选择和报告模型时应使用相同的排名统计量。…
这项案例研究针对NASDAQ-100微观结构策略，将候选金融特征和模型特征与远期收益进行比较筛选。研究计算随时间变化的横截面排名信息系数，并调整推断方法以处理数据依赖和多重检验，同时考察分位数组收益形态和特征冗余。覆盖率和陈旧度检查会找出过于稀疏或长期不变、因而难以可靠解读的特征。分流台账会记录继续、修订或停止的判断及其依据。…
本章介绍如何通过检索增强生成，让语言模型更适用于开放式金融研究；在这类研究中，缺乏依据的说法和幻觉可能造成高昂代价。本章依次讲解从文档导入、保留结构的分块，到元数据、领域专用嵌入、词法与语义混合检索、重排序以及以证据为依据的生成。文中还介绍了引用约束和经工具验证的计算，以提高可追溯性和数值可靠性。…
该笔记本构建需要多个资产序列的特征。它比较Engle-Granger检验与Johansen检验，解释为何共同波动本身并不意味着价差平稳，并分别使用全样本回归和逐步更新的卡尔曼滤波器估算对冲比率。信号窗口根据仅用训练数据估算的均值回归半衰期设定，避免在该选择中使用未来信息。笔记本还演示如何将时间序列指标转换为横截面排名、相对基准值和全标的池的市场状态摘要。…
这项案例研究比较了用于预测平值空头跨式期权到期收益的梯度提升模型。研究改变了树的容量和三种拟合目标：平方误差、绝对误差和Huber损失。滚动验证使用两个时期，其中包括发生波动事件的一年，并通过信息系数（IC）对预测评分。由于每个提升阶段都会生成自己的预测，因此不同检查点被视为独立的模型候选。…
本笔记在一项标普500股票与期权研究中拟合分块Transformer，以预测主要标签。它将每只股票的历史输入窗口划分为连续片段，并将每个片段作为注意力机制的一个词元。注意力机制可以直接比较窗口中相距较远的部分，而分块会缩短序列；更大的分块能降低计算负担，但会压缩块内细节。该模型与研究中的其他深度学习架构采用相同的回看窗口和训练计划。…
这段代码展示了一种监督式自编码器架构，用于根据金融特征进行预测。编码器将归一化输入压缩为瓶颈表示，解码器则通过重建输入执行正则化任务。辅助预测头作用于重建结果；规模更大的主网络通过跳跃连接，将原始归一化特征与编码表示结合起来。模型支持分类和回归输出。…
本研究比较双重深度Q学习、按K均值划分的专家混合模型，以及参数量匹配的稠密网络在BTC/USDT订单执行中的表现。评估使用按五分钟频率聚合的均值币安限价订单簿数据，重点考察执行偏差、训练随机种子差异、策略崩溃和策略内部尾部风险。结果还与时间加权平均价格及立即清算基准进行比较。回放环境中的提前清算几乎没有成本，这是因为奖励和惩罚采用了文中所述的设计。…
MintEval评估语言模型能否将交易者指令转化为行为符合预期策略的代码。它通过可组合的组件构建参考策略，将其改写为日常语言指令，再要求模型实现。生成的程序和参考程序使用相同市场数据和交易摩擦逐根运行，并比较其动作，因此市场表现差异不会混淆实现忠实度的评估。…
本文研究个人一生中的投资组合选择问题，其中收入具有随机性，投资包括股票、债券和人寿保险。目标函数考虑消费、死亡给付和终端财富。凸交易约束用于表示无法交易某些资产、禁止卖空或限制借款等情况。 作者通过调整补偿后的资产漂移，构建反映交易约束的人工市场。随后使用对偶变换和深度定价核方法，计算原优化问题的上下界。该方法适用于因定价核涉及条件期望而无法明确写出价值函数的情况。文中指出，约束会降低消费、人寿保险和年金需求以及财富。摘要没有提供数值结果，也未说明所获界限的紧致程度，或不同约束类型下表现如何变化。