知识库

此源代码模块提供美国股票价格、指数数据、期权、市场微观结构、基本面和机构持仓的数据加载器。最重要的方法细节涉及对日内交易数据进行重采样：开盘价、最高价、最低价、收盘价和成交量分别采用适当的首值、极值、末值或求和操作，而 VWAP 必须重新计算为成交量加权平均值。当一个窗口内的成交量变化时，简单平均并不正确，尤其是在开盘和收盘时段。没有符合条件交易的窗口会产生空值 VWAP，而不是虚构价格。 模块还介绍了带下推筛选条件的惰性 Parquet…

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。…

此探索性分析概览加密永续合约的小时级 OHLCV 数据，并将其与八小时溢价指数进行对照。分析考察代码和日期覆盖范围、合约成分变化、溢价单位及分布、OHLC 完整性、缺失值，以及小时价格与低频溢价观测之间的对齐情况。分析说明，溢价基于相对于指数的冲击买价和卖价计算，并设有可能产生精确零值的死区；仅凭溢价符号无法判断哪一方支付资金费率。…

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。…

此笔记本对一组流动性较高的 US 股票使用主成分分析，构建总敞口标准化的特征组合，并研究其作为潜在风险因子的作用。笔记本考察解释方差，通过行业 ETF 相关性解读成分，比较标准 PCA 与层次 PCA，并分析残差、组合风险贡献及因子在滚动窗口中的稳定性。笔记本强调，PCA…

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。…

此框架展示了对日频 US 股票 OHLCV 数据进行的数据质量检查。结构验证会检查价格关系、价格是否为正、成交量是否非负、缺失值、重复日期、时间顺序、价格陈旧情况和极端收益。笔记本通过注入已知故障并确认预期检查能够报告这些故障，来检验验证流程是否有效。随后比较使用中位数绝对偏差、Z 分数和四分位距检测收益异常值的方法，并解释为何相同的乘数会使不同方法得出不同的阈值。…

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。…

本笔记重建单个 AAPL 交易日在 2020 年 3 月每笔交易发生时的最佳买价和卖价，然后应用 Lee–Ready 方法推断交易由买方还是卖方发起。它按时间戳顺序交错排列报价和交易事件，延续使用最新的买价和卖价，并将每笔交易价格与报价中点进行比较。偏离中点的交易通过报价检验分类；中点交易则以此前价格变动方向作为跳动检验。由此得到的带符号交易数据可用于分析整个交易时段的价差分布、订单失衡和交易主动性。…

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。…

本实现介绍了如何为深度学习研究中的面板数据构建批量序列窗口。窗口遵循面板预期的日历，而不是将每项资产的观测压缩成连续行。缺失的交易时段仍以未观测单元表示，并附带观测状态和陈旧度指标，因此名义回看窗口不会在不知不觉中跨越超出预期的日历区间。纳入规则要求达到最低观测占比，并限制连续缺口长度。 为提高效率，每个证券的特征数组和目标数组会被展平，并通过一次索引操作收集批次，而不是针对每个序列分别调用…

本笔记介绍了市场和公司数据的实用清洗方法，包括处理重复项、标记缺口、领域过滤、基于反转的尖峰检测、异常值截尾、类别编码，以及对齐不同频率的数据集。核心要点是：从数据中学习到的任何预处理参数，例如缩放参数或截尾边界，都必须仅在训练集上拟合，再应用于验证集或测试集。在全样本上拟合可能会将未来信息泄漏到模型开发过程中。…

本笔记本考察在预测相近或使用不同随机种子和架构重新拟合模型时，SHAP 归因是否仍保持稳定。研究使用 ETF 远期收益，寻找预测接近但 SHAP 归因特征不同的样本对，然后比较多个 LightGBM 拟合结果与随机森林的特征重要性。研究使用横截面信息系数评估预测表现，并以 SHAP 平均绝对值比较归因特征。 示例表明，预测行为相似时，解释仍可能不同；归因模式也可能反映模型特定的拟合结果，而非唯一确定的数据真相。笔记本建议检查不同随机种子和模型类别下的稳定性，报告特征重要性的不确定性，并避免依据 SHAP…

本笔记本比较 Polymarket 以加密货币结算的事件合约与 Kalshi 受监管的合约，重点关注访问规则和上市政策如何影响各平台呈现的价格与问题。研究检查了一个较小的 Polymarket 快照，核对其覆盖的市场与日期数量，找出一个比特币阈值阶梯，并检验阈值升高时价格是否下降。研究还构建概率特征，并比较两个平台上相互重叠的美联储事件市场。 笔记本提醒，该快照中每个市场的观测值很少，因此适合横截面和结构比较，而不适合时间序列分析。文中还解释，各平台的成交量字段衡量的内容不同：Kalshi 报告成交合约数量，而…

本笔记本展示一种交易级诊断工作流，将实际亏损与模型的 SHAP 解释联系起来。它使用滞后价格和波动率特征及宏观输入训练 LightGBM 模型，以预测下一交易时段的 SPY 收益。固定预测阈值决定开立哪些单时段多头交易；随后选出实际结果最差的交易，对齐其 SHAP 向量并进行聚类，再将所得模式转化为审查模型或特征的假设。 笔记本强调应解读聚类内 SHAP 贡献的分布和方向，而不能只依赖平均归因。SHAP…