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

440 份文档

《交易机器学习》

该演示在历史回测引擎和实盘引擎中运行同一个双移动平均线交叉策略;实盘引擎重放相同的日度ETF柱线。策略、输入、参数和成交约定均保持不变,随后逐字段比较生成的信号记录。测试检查两个引擎是否产生相同的时间戳、标的、信号方向、移动平均值和价格,而非依赖最终投资组合价值等汇总指标。…

股票技术指标回测交易执行
《交易机器学习》

该笔记将母订单执行建模为有限时域控制问题。表格型 Q 学习智能体根据剩余时间、剩余库存,以及最近完成区间的价差和波动状态,选择一个乘数来调整基于VWAP的交易速率。其奖励函数会惩罚执行成本和库存敞口;参与率上限限制成交量,终端惩罚则计入未成交数量。状态有意排除价格和收益信号,使任务聚焦于执行,而非方向择时。…

交易执行机器学习市场微观结构风险管理
《交易机器学习》

本教程介绍如何组织一次性下载之外的市场数据工作流。内容包括用于获取单个标的或批量数据的统一管理器、预定义及自定义标的范围,以及采用 Hive 分区的 Parquet 存储。教程还涵盖日期范围查询、存储数据的增量更新、缺口检测,以及通过命令行界面自动化工作流。一个ETF示例将股票、债券和黄金价格序列重新定基,以比较其走势;后续的验证示例则区分被标记的极端收益与已确认的数据缺陷。 该笔记使用 Yahoo Finance 数据以及股票和 ETF…

多资产股票回测交易执行
《交易机器学习》

该笔记针对月度策略中表现领先的ETF配置组合,测试持仓层面和投资组合层面的风险规则。它固定每个已登记的预测、集中度设置和配置器,再将叠加规则后的结果与各自配置阶段的基准进行比较。测试范围包括固定止损、移动止损和时间退出,也可加入根据持仓期间观测到的最大不利变动分布校准的移动阈值。…

股票风险管理回测交易执行
《交易机器学习》

本章概述从验证市场数据到评估模型的研究步骤。内容涵盖考虑数据划分的预处理、编码和缺失数据处理决策,随后介绍与执行规则一致的目标构造,包括固定期限标签和基于事件的标签。标签重叠情况、结果解析规则以及目标所隐含的交易频率,都会影响模型实际被要求预测的内容。…

机器学习统计学回测交易执行
《交易机器学习》

本文演示使用 VectorBT 实现比特币仅做多 RSI 均值回归规则的工作流。它根据每日收盘价计算 RSI;当上一日读数低于较低阈值时进场,高于较高阈值时出场。将信号延后一日后,订单可在下一个 UTC 日开盘时执行,避免在生成指标的收盘价成交。模拟包括手续费和滑点、交易记录、投资组合价值与回撤视图,以及在相同成本惯例下与买入并持有基准的比较。…

加密资产均值回归技术指标回测
《交易机器学习》

本文评估交易成本如何改变一个先前选定的 S&P 500 股票与期权配置的验证表现。它将单边费用设为交易金额的一定比例进行扫描,并与按股收取的固定佣金和半个买卖价差进行比较。这些成本维度代表不同假设,不能视为等同。曲线上标出了设定的单边费用;由于进场和出场都产生费用,相应的往返费用是其两倍。…

股票期权回测交易执行
《交易机器学习》

这项审计使用相同的历史输入,在多个回测引擎间比较 ETF 配置、CME 期货、带资金费的加密货币永续合约、外汇和 US 股票。每个受支持的引擎组合都会接收由内容哈希标识的相同市场数据和冻结的模型目标,从而将执行行为与模型拟合或信号构造差异隔离开来。只有成交记录和估值时间戳相同、金额精确到分一致,并且能够检测到人为篡改的成交时,比较才算通过。结果显示所有必需比较均通过;无法表示同一合约的资产与框架组合则列为不受支持,而非用近似方式处理。…

回测交易执行多资产期货
《交易机器学习》

本笔记使用事件驱动回测引擎,为 BTC/USDT 永续合约实现一项仅做多的 RSI 均值回归规则。它将日内K线汇总为 UTC 日频 OHLCV 数据,计算滚动涨跌幅 RSI;指标低于下限阈值时入场,高于上限阈值时离场。订单以组合价值的指定比例为目标,并计入佣金和滑点。…

加密资产永续合约均值回归技术指标
《交易机器学习》

本文介绍如何根据估算的往返交易成本,选出用于验证集和留出集回测的固定股票集合。成本代理指标将每股成本占平均股价的比例与两倍的中位数半价差相加,二者均以基点表示。股票代码按该指标排序,并为每个数据拆分选择成本最低的股票。…

股票交易执行市场微观结构回测
《交易机器学习》

这项探索性分析描述了覆盖九个类别的每日交易所交易基金面板。它检查代码覆盖随时间的变化,将面板与分类字典进行比较,审查空值和零成交量观测,并按类别评估价格K线顺序和流动性。ETF收盘价已针对拆股和分配进行调整,这种处理方式与关联的股票数据集不同。逐年统计的可用基金数量随着产品开始交易而增加,随后保持稳定,表明面板一直保留成员至最后日期。…

股票投资组合构建交易执行风险管理
《交易机器学习》

本笔记说明如何解析 IEX DEEP 历史行情消息,并根据聚合的价格档位更新维护限价订单簿。笔记提取深度变化、最优买卖报价和成交报告,再使用重建的快照考察中间价和价差行为。这种方法提供了一种易于上手的二级市场微观结构分析途径;文中还将其与 NASDAQ ITCH 作比较,后者追踪单笔订单及其生命周期。 由于 DEEP 按价格聚合数量,它不会显示单笔订单身份、排队位置或逐笔撤单率。笔记选用的样本文件在非交易日包含 IEX…

股票市场微观结构交易执行美国市场
《交易机器学习》

本笔记比较将带方向的收益预测转换为二元头寸的三种方法:固定的零阈值、每个品种自身评分的滚动百分位数,以及跨品种的横截面百分位数。笔记使用已登记的 ETF 和加密货币永续合约验证集预测,衡量信号启动和状态变化。滚动窗口和百分位数阈值控制响应速度与选择性;横截面排名则总是选取可用标的范围中的相对份额。…

机器学习技术指标加密资产股票
《交易机器学习》

这项 NASDAQ-100 研究考察交易成本对频繁再平衡的股票策略有何影响。研究分别考察两种应对成本的方法:将交易范围限制在流动性更高、成本更低的标的中,以及降低再平衡频率。将这两种调整分开,有助于判断改善是否来自更便宜的标的或较少的交易。笔记还介绍了现有回测的成本网格,以及针对频率和每股成本的二维扫描;其中盈亏平衡成本用于表示策略所需的执行质量。…

股票美国市场交易执行市场微观结构
《交易机器学习》

本部署演示使用主要 FX 货币对的历史日线数据重新训练岭回归模型,通过 Interactive Brokers 模拟交易会话获取当前 K 线数据,对货币对排序并构建做多组合。演示逐步介绍如何连接经纪商、准备精简特征集、确认 FX 合约、规划订单,并记录每次运行以供监控和审计。使用同一交易场所获取数据和执行交易可简化操作流程,而笔记会明确说明账户检查和合约解析。 部署特征根据经纪商线段重新计算,与研究案例中的更广泛特征集不同,因此不能保证研究和部署之间保持一致。FX…

外汇交易执行机器学习市场微观结构
《交易机器学习》

本教程将 ETF 横截面信号转化为仅做多、前十名等权组合,并将岭回归和逻辑分类与动量及等权基准进行比较。模型在滚动训练窗口中拟合,并针对前向收益标签设置缓冲期,随后每月调整组合。分析计算组合收益、换手率、毛收益和净收益指标以及信息系数,以展示信号排序质量与扣除交易成本后结果之间的关系。 交易成本按组合换手率对每一边分别计费。笔记解释了为什么反复更换持仓的主动策略可能比等权策略损失更多收益;等权策略通常只在恢复目标权重时交易。笔记还提醒,净夏普比率和 IC…

股票回测交易执行投资组合构建
《交易机器学习》

本笔记训练一个近端策略优化智能体,在指定期限内执行固定订单。它将学习得到的交易节奏策略与 TWAP 和 Almgren–Chriss 排程进行比较,衡量实施缺口并考察各策略的交易时点。评估对所有策略使用相同的模拟市场路径,因此可以逐个回合进行比较,并说明库存风险和偏离均匀交易节奏的程度如何影响学习策略。 笔记还详细说明了模拟市场的局限。波动率和市场机制行为根据小时级 BTC…

加密资产永续合约交易执行机器学习
《交易机器学习》

本教程使用单个 ES 合约构建连续期货序列。教程根据成交量确定近月合约,并采用单调展期约束,比较基于成交量的切换方式与基于日历的时点安排。教程解释了为何必须将单边合约与日历价差分开;为何到期日应根据合约定义或实际交易历史确定,而不是根据含义模糊的一位数年份代码推断;以及为何在比较数据集前必须核查K线频率。…

期货回测统计学交易执行
《交易机器学习》

本教程使用过去风险调整后的动量排名和美国国债收益率曲线市场状态筛选器,构建月度 ETF 轮动模拟器。每个月末,规则根据基金近期价格历史对十只基金排序;风险偏好月份等权持有排名前三的基金,风险规避月份则转为固定债券组合。信号使用收盘时可获得的信息,交易在下一交易时段开盘时成交,并明确纳入比例费用和现金约束。为作比较,固定的 60/40 股债组合也通过同一模拟器运行。…

回测动量投资组合构建交易执行
《交易机器学习》

本笔记展示一种ETF预测策略的操作周期:更新市场数据、重新计算金融特征、重新训练岭回归模型、保存部署产物、生成当前横截面预测、通过回测引擎重放预测,并为模拟交易经纪商准备选定的投资组合。研究评估与基于完整历史数据的单次部署拟合分开进行,同时从研究注册表沿用经过验证的正则化设置。默认采用干运行重放;是否向经纪商提交订单可明确配置。…

股票机器学习交易执行回测
《交易机器学习》

本笔记构建一个框架,将市场活动转化为模型化交易成本和策略容量。笔记介绍平方根冲击模型,指出波动率和日均成交量是关键输入,并区分可从市场数据获取的数值与需要交易者自身执行记录才能估算的冲击系数。笔记还使用日内成交量曲线说明,参与率应根据订单执行期间来衡量。…

市场微观结构交易执行风险管理仓位规模
《交易机器学习》

本文比较四种用于研究成交、报价和限价订单簿的股票市场数据源:AlgoSeek TAQ、Databento逐笔订单数据、NASDAQ ITCH和IEX HIST。文中介绍各数据源的粒度、覆盖范围、费用或访问条件、存储需求,以及数据是否已经解析或需要重建。示例区分最优买卖报价数据流与全深度或逐笔消息,并解释为什么聚合的分钟线无法用于重建订单簿。…

股票市场微观结构交易执行高频交易
《交易机器学习》

本笔记从一项审计中单独分析 LEAN 引擎的结果。该审计将保留的真实策略运行结果与匹配的 ML4T Backtest配置进行比较。笔记列出四类受支持的工作负载:ETF配置、加密货币永续合约资金费率、以 USD 报价的 FX 配置,以及 US 股票面板。冻结的 CME 期货数据包因缺少创建相应原生 LEAN 订阅所需的带日期合约链和展期映射而被排除。比较报告成交、估值、时间戳一致性、权益及终值差异,以及负向对照的检出情况。…

多资产回测交易执行加密资产
《交易机器学习》

本笔记介绍一种将标准化 ETF 数据加载、特征注册表和信号诊断结合起来的工作流。笔记展示如何查找指标元数据、使用默认值或显式参数计算特征,并保存配置以便重复执行流程。一个指标的多个周期可以分别计算后再合并。通过比较库中的 RSI 与手动指数平滑版本,笔记说明平滑方法等实现选择会产生不同数值。 诊断示例使用秩信息系数、t统计量和分位数组间收益差,评估动量特征与未来 ETF 收益的关系。笔记报告,该示例的横截面 IC…

股票技术指标动量统计学