知识库

本笔记比较案例研究回测所用成本扫描中的毛夏普和净夏普。对于每个已部署的策略配置，它从记录的产物中读取假设的单边成本和再平衡频率，插值得到假设成本下的夏普，并估计夏普降至零时的成本。如果扫描范围上限处策略仍有盈利，则将盈亏平衡点视为被删失的数据，而不报告为已观测到的交点。频率分组使用明确的换手倍数；笔记指出，这些倍数是设定值，而非实测换手率。…

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…

本笔记解释了为何通用目标权重风险叠加层不适用于所述的标普 500 空头跨式期权引擎。该引擎为每周批次分配固定资本份额，并在每个批次内将权重归一化至总和为一。因此，下调这些权重会被归一化抵消，无法留出现金供回撤或波动率叠加层控制。相关控制应纳入策略规格，包括对冲阈值、结算约定、入场成本和批次数量。…

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。…

本笔记衡量某个选定的 US 公司特征策略在不同假设佣金和滑点下的验证表现变化。它在声明的成本网格上重新运行同一配置，并将每笔总费用平均分配给佣金和滑点。固定策略后，所得夏普曲线可以单独反映对交易成本假设的敏感度。曲线中标出了声明的成本水平，便于比较；已登记的结果可以复用，无需重新计算。…

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。…

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。…

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。…

本指南介绍公开的CFTC交易者持仓报告，将其作为每周期货持仓数据来源。报告分为金融期货交易者报告和商品期货分类报告：前者按交易商、资产管理机构和杠杆资金等类别划分参与者；后者包含商业交易者、管理资金和掉期交易商等类别。产品级文件包含报告日期、未平仓合约量，以及交易者的多头、空头和净头寸。本文将持仓分析、z分数、反向信号和期货策略特征列为可能的用途，但没有提供经过测试的交易规则或表现证据。…

该Python模块介绍如何使用每日样本外收益量化策略回测的不确定性。它结合了收益序列统计量的平稳区块自助法区间、针对自相关和非正态性调整的夏普比率标准误，以及均值收益的Newey–West标准误。有再平衡间隔时，区块长度会依据该间隔确定；否则使用最优规模估计器确定，并设置基于收益期限的下限。该模块还定义了基于每日收益差异的配对自助法比较，以及用于比较信号、资产配置、风险叠加层和交易成本影响的分阶段基准链。…

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。…

该笔记本通过真实ETF数据和一个基于价格构建的动量示例，演示单因子评估。它计算横截面Spearman信息系数与远期收益之间的关系，比较不同期限，并解释每日横截面IC的平均值与将所有观测合并后计算的单一相关系数之间的区别。内容还涵盖ICIR、统计不确定性、分位数收益、最高组与最低组价差、单调性、换手率和信号衰减。覆盖率与陈旧度检查会确认因子是否存在并按预期更新。…

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。…

该笔记本从已登记的验证集回测中选择一个CME期货案例，涵盖信号规则、资产配置和风险叠加层。它在不同收益期限的候选方案之间进行比较，并选择验证夏普比率最高的配置。成本敏感性分析用于描述所选配置，不会增加候选池中的方案。规范运行会冻结候选成员，以便复现比较结果。…

该笔记本介绍如何使用分钟数据条和NBBO报价，为NASDAQ-100股票构建日内远期收益标签。它将收益定义为从信号发出后的下一根数据条到指定未来时点的收益，使用报价中间价减少买卖价反弹影响，并将价差作为单独的摩擦成本估计。交易所日程限定每个窗口，使标签不跨越交易时段，也不在提前收市后使用过时的填充数据条。只有在检查实际观测时间网格后，才会将预先设定的时间跨度换算成数据条数。…

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。…

本文介绍一套保持每日市场数据更新的运维流程：加载初始历史数据，获取少量有重叠的增量数据，检查日期缺失情况，并监控数据新鲜度和校验问题。重叠部分有助于捕捉数据供应商对近期数据条目的修订。对于OHLCV数据，更新窗口应截止于最后一根完整数据条，而不是当前日期，因为供应商可能返回部分数据或价格不完整的交易时段。本文还提醒，若不使用交易所日历来填补缺口，可能会人为生成周末和节假日的数据条目。…

本文介绍一项CME期货研究如何在验证数据上选定模型配置后，为留出期生成预测。系统从验证结果中恢复所选配置和检查点，然后仅使用留出期开始前可用的历史数据重新拟合模型。标签缓冲区可防止训练结果延伸至评估窗口，并重新计算留出期专属的资格条件和模型参数。已登记的训练身份可证明模型经过了新一轮拟合，而非重复使用在验证集上拟合的模型。…

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。…

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。…

本文认为，传统时间序列分析可能显示金融收益接近随机，但现代多变量统计仍能检测到其中的模式。文中介绍了一项受核物理方法启发的分析，并将其用于欧元期货的高频价格变动。识别出的成分是随波动率区间变化的趋势跟随行为，研究通过交易系统编码相关条件。…

本研究评估由NSE的500只股票构建的物理动量投资组合，考察日、周、月和年等不同期限。研究分析了2014至2021期间的历史收益和风险状况，并将每个期限中表现最好的投资组合与NIFTY 50投资组合进行比较。作者报告称，在研究期间，每个入选的动量投资组合都比基准取得更高收益和更好的风险指标。…

本研究考察交易者能否利用五十日异常：据报告，在日本日期中日号为五的倍数时，USD/JPY往往会升至接近9:55。研究关注一个实际问题：投资者知晓这一模式后，基于该模式的策略是否仍然有效。这个问题很重要，因为随着参与者开始据此交易，反复出现的市场效应可能会发生变化。…

论文介绍交易深度Q网络（TDQN），这是一种深度强化学习方法，用于随时间选择股票市场头寸。该方法将DQN应用于交易，并将夏普比率设为策略力求最大化的绩效指标。其目标是为交易期间找到合适的头寸，而非直接套用未经调整的通用强化学习算法。…