知识库

本特征工程模块为系统化宏观投资组合模型准备日价格数据。它创建按估计波动率缩放的不同期限收益、多种尺度的MACD信号，以及对数价格的滚动Z分数。收益期限可使用设定的一组值，也可使用密集范围来构建原始动量特征集。事前波动率通过日收益的指数加权标准差估计；模块还为学习目标计算下一步原始收益和波动率缩放收益。…

本章综述如何将拟合后的统计方法转换为交易模型特征，涵盖诊断与平稳性、结构突变、分数差分、卡尔曼滤波、谱方法与路径签名方法、ARIMA与GARCH波动率、HAR与粗糙波动率指标、不确定性估计、市场状态模型以及横截面或面板变换。输出包括滤波后的水平值与趋势、创新、预测、条件波动率、市场状态概率，以及后验或预测不确定性。…

此配置指定了来自FRED的历史宏观经济数据集，用于市场状态过滤和跨资产分析。数据按日、周、月和季度频率组织，涵盖美国国债收益率、联邦基金利率、VIX、劳动力指标、通胀指数、工业生产、货币供应量以及名义和实际GDP。其中还列出描述性名称，并定义了由不同期限美国国债收益率计算的收益率曲线利差。…

这项跨案例分析考察预测信息如何转化为投资组合夏普比率，其中预测信息以信息系数（IC）衡量，分析涵盖九个交易案例。核心观点是，实施方式会影响两者关系：入场规则、头寸规模、再平衡频率和交易成本决定信号的排名能力能否转化为策略表现。分析将样本外IC与样本外夏普比率进行比较，并对同一入选配置比较验证夏普比率和样本外夏普比率。它还考察在IC上领先的类别是否也在夏普比率上领先，并描述了不同策略变体的结果。…

本文介绍收集FRED国债收益率和经济指标、将不同报告频率的序列对齐到日历并加载或筛选所得数据集的工作流程。指标包括国债利率与利差、VIX、劳动力指标、通胀、工业生产和GDP。材料主要是数据准备指南，并介绍将10年期与2年期国债收益率之差用于市场状态分类的交易应用。…

此配置规定了一项只做多的ETF排序与再平衡实验。它定义了一个涵盖股票、债券、商品和地区敞口的广泛100-ETF股票池，采用月度决策并在次日开盘执行。主要标签预测21日收益；五日标签采用每周时间表，使回测频率更贴合其期限。持仓按排名选出并等权配置，同时测试不同组合集中度下的前K名选择。…

该笔记介绍如何检查来自 FRED 的经济指标面板，并解读其日历日期网格、元数据和派生列。由于面板已展平到日历日，行数会掩盖源数据的发布安排。统计每个序列的数值变化，可估算其发布频率下限；但若连续发布的数值不变，统计结果可能漏掉实际发布。示例包括美国国债收益率、VIX，以及十年期与两年期收益率之差，并将近期政策事件作为图表注释。…

本文介绍仅有每日 OHLCV 数据时估算买卖价差的两种方法。Corwin-Schultz 比较相邻的一日和两日高低价区间，利用波动率与价差的不同表现将二者分离；低于零的估计值会截为零。Roll 根据收益率的负序列协方差推断相对价差，这种协方差可能由成交在买价和卖价之间交替产生。若协方差为正，则估计值为零，表明买卖价反弹假设可能不成立。 本文介绍了如何用常规交易时段的 NASDAQ-100…

本分析基于多资产ETF面板的滚动验证结果，比较已登记的模型类别。模型预测21个交易日收益，并通过横截面信息系数进行评估；该系数衡量每个日期内预测对基金的排序效果。笔记强调置信区间和各折间的一致性，而非仅按平均得分排序，并考察不同模型类别似乎捕捉到相似还是不同的信号。笔记还区分预测排序与关于某项特征的因果证据。…

本笔记为多元化ETF投资组合构建仅做多且满仓的均值方差框架。它构造可行投资组合和有效前沿，再根据估计的收益和协方差求解夏普比率最大化和方差最小化的权重。笔记还将优化后的投资组合与等权重、波动率倒数加权和等风险贡献等所需估计较少的简单替代方案进行比较。核心结论是，预期收益难以估计；尽管协方差的估计使用了多得多的观测值，预期收益仍可能主导优化器的输出。笔记考察协方差矩阵的条件状况，固定训练窗口的权重，并在之后的测试期评估；比较时将配置时点的影响与交易成本区分开来。证据来自单一投资范围和一次训练测试划分，因此权重和排名…

本概览按资产类别、标的范围大小、数据频率、决策节奏、成本情景和评估方案整理了一组交易案例研究。它读取各项研究声明的设置，并展示比较表格，包括训练和验证窗口、折数、留出期以及信号到持仓的映射。案例涵盖股票、期权、加密货币、外汇、期货和多资产 ETF，展示研究选择如何随市场和可用数据而变化。…

本数据集指南介绍获取FRED序列、将观测值对齐到日历日并载入所选指标进行分析的流程。示例包括国债收益率、10年期减2年期利差、VIX、就业指标、通胀、工业生产和GDP。合并后对不同原始频率的数据向前填充，使生成的面板能够与每日策略数据进行比较。…

本笔记介绍一种使用统一管理器、预设或自定义代码列表以及分区Parquet存储来获取和维护金融时间序列的工作流程。内容涵盖单标的和多标的并行抓取、将数据载入存储、读取指定日期范围、增量更新，以及在研究或回测前检测数据缺口。经过重新基准化的ETF序列涵盖股票、债券和黄金，说明批量加载如何让跨资产比较在一个数据集中成为可能。…

这项探索性分析检验：在100-ETF资产范围内，剔除最近一个月的十二个月动量信号是否与下月收益相关。分析依据调整后收盘价构建月度面板，每月将符合条件的ETF划分为五分位组，并比较各组等权收益与全体资产的等权收益。相对于基准的结果旨在揭示动量关系的排序、幅度和形态，多空组合（最高组减最低组）的收益差则提供相关概览。…

该模块定义一种月度 ETF 配置基准，使用风险调整后的动量得分：过去的累计收益除以年化已实现波动率。当 10 年期减 2 年期收益率曲线斜率超过阈值时，模块选择排名最高的资产；否则在综合债券和长期美国国债之间进行防御性配置。资产范围还包括广泛市场股票、国际市场、房地产、黄金和大宗商品基金。等权、波动率倒数加权和静态股债投资组合作为比较基准。…

本笔记本使用高斯混合模型，对九组股票、债券、货币和大宗商品因子及市场序列的月度收益进行聚类。剔除数据不完整的月份后，它对各序列进行标准化，避免不同尺度主导聚类。它使用侧重不同特性的准则比较候选聚类数量，并按时间和已知事件检查所得分组。各状态中的因子表现说明，合并平均值可能掩盖条件收益和分散化行为。…

本概览汇总了九个交易案例的配置数据，涵盖股票、加密资产、外汇、期货、期权和多资产投资组合。它比较各项研究的资产范围、数据频率、决策周期、成本模型以及信号到仓位的映射方式。这些示例展示了不同策略和数据集如何采用不同选择，也包括交易成本影响尤为显著的情形。…

本笔记本介绍如何改造 Diffusion-TS，生成合成的 ETF 收益序列。去噪器将干净序列预测为多项式趋势、傅里叶季节性和残差分量之和；结合时域和傅里叶域的损失函数，以兼顾逐点和频谱保真度。DDIM 采样器减少了生成时所需的反向步骤。另一个在加噪序列上训练的分类器会提供引导，生成标记为低波动或高波动状态的样本。…

本分析对涵盖九个资产组的固定 100 只 ETF 范围进行数据概况检查。它检查各基金和年份的数据覆盖情况，确认价格面板与分组配置相符，检查空值和 OHLC 顺序，并比较各组的交易量。文中还说明，收盘价已根据拆股和分红进行调整，因此可以直接用来计算收益。 年末数量会随着产品到达上市日期而增加，之后保持稳定，因为所选范围内的每只基金都仍有报价。这一模式反映的是数据集的构建方式，并不代表整个 ETF 市场的存续情况。同样，严格的 OHLC…

此笔记本展示了一个通用 OHLCV 接口，连接 Yahoo Finance、美国长期股票档案和 FRED 宏观经济序列。笔记本为后续轮动案例研究构建 ETF 样本空间，展示如何结合历史数据源和当前数据源，并介绍按优先级排序的回退方案。它还比较各提供方的行数和价格水平，使差异清晰可见且可追溯。…

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。…

本笔记通过读取 Parquet 模式而非加载完整数据集，盘点九个市场案例研究中的模型特征列。笔记排除标识字段，按市场统计列数，并根据名称中的词元分配特征类别，包括波动率模型、市场状态指标、自回归预测和分数阶差分。笔记还提供了一部分名称样本，帮助读者调查未匹配任何所列词元的列。…

这份记录记载了一次多智能体研究，探讨美国是否会在2026年底前进入衰退；判定规则规定，连续季度GDP收缩或出现NBER衰退日期即可判定为衰退。三个智能体分别搜集增长预测、衰退指标、货币政策展望和历史基准发生率，随后给出概率估计及其理由。一种观点引用了正面的增长预测和相对较低的衰退风险读数，认为市场隐含概率偏高；另一种观点则结合衰退的历史发生频率与当前有利条件。…

本笔记比较多资产 ETF 股票池的六种仅做多投资组合配置方法。它使用 Ledoit–Wolf 协方差收缩，以降低可能导致优化不稳定的抽样波动，并比较最大夏普、最小方差、风险平价、分层风险平价、最小条件回撤风险和等权配置。各方法所需估计量有所不同：有些使用预期收益和协方差，而仅依据风险的目标函数则不需要预期收益预测。风险平价追求投资组合方差的风险贡献相等；最小 CDaR 则针对历史回撤路径的尾部。…