知识库

本笔记筛选金融及模型特征，考察其与加密货币永续合约未来八小时收益的关系。每个结算时点都会计算符合条件合约之间的横截面 Spearman 相关性，再汇总各滚动验证折的得分。笔记还考察得分按验证年份的稳定性、特征冗余、分位数收益特征，以及针对所检验特征数量进行的显著性调整。结果和决策记录在逐特征证据台账中。…

本笔记汇总金融案例中已有的滚动模型结果，将 LSTM、NLinear、TSMixer、TCN 和 PatchTST 与线性、梯度提升及表格神经网络基准进行比较。主要指标是日均 Spearman 信息系数，并报告 HAC 置信区间。笔记还考察各数据集可用的架构、各折表现、检查点轨迹、保形覆盖率，以及共享时间戳上的比较。 比较仅纳入覆盖相同折数和天数的配置；缺失的架构会明确显示，不会用不符合条件的运行结果填补。笔记强调，单个模型每日 IC…

本笔记探讨为何模型的信息系数无法决定基于其预测构建的策略夏普比率。它在一组案例中比较信号排名与回测结果，并考察入场规则、仓位规模、再平衡频率和交易成本如何影响这一转化。它还使用置信区间展示不确定性，并比较选定配置的验证期与留出期表现。 分析提醒，不应将参数搜索中的验证期最大 IC 与选定的留出期 IC 直接比较，因为不对等的选择过程可能造成表面上的衰减。报告指出，IC…

本笔记实现了对抗式随机贴现因子模型的日频教学性改编。投资组合权重网络使用前一交易日收盘时可用的特征和市场状态，根据次日超额收益构造因子。对抗矩网络协助训练定价核，另有一个贝塔网络预测资产层面的收益—因子矩。笔记将用于评估 SDF 的因子夏普比率和定价误差，与用于评估贝塔网络资产排序的横截面秩 IC 区分开来。 流程定义训练期股票范围，延迟使用宏观观测，根据训练数据学习缩放和截尾参数，用验证集选择检查点，并在独立测试期评估冻结后的模型；对次日标签设置边界隔离期。相关限制不可忽略：本实现使用日度数据和固定的 200…

本分析将信息系数（IC）证据与预测转化为头寸后产生的夏普比率进行比较，评估选定交易信号是否可靠。它汇总不同资产类别的模型系列结果，可视化平均 IC 和信号夏普比率中位数，并考察各配置之间的差异。比较指出，预测准确度与投资组合排序表现可能不一致；某个系列的最佳结果与中位结果差距较大，可能表明其对配置选择敏感。 笔记还汇总系列层面的 IC 模式，并将验证期证据与分析流程其他部分的留出期结果进行比较。需要重点关注的限制包括：展示的 IC…

本笔记汇总此前运行的滚动前向结果，在各案例中比较 LSTM、NLinear、TSMixer、TCN 和 PatchTST，并与线性、梯度提升和 TabM 基准模型对照。它报告带有 HAC 置信区间的日均 Spearman 信息系数，列出各数据集运行过的架构，并检查折级结果、检查点轨迹、共形覆盖率及共同时间戳上的比较。 分析仅比较覆盖相同数据折数和天数的配置。它区分日度 IC…

本文介绍一个面向读者的界面，用于查看登记表中保存的回测结果。界面支持汇总运行次数、检查规格和单次运行、对结果排序、比较配置方法、查看集中度曲线以及追踪策略演进。它读取登记数据库并返回结构化表格和详细记录，便于研究笔记本探索既往运行，而无需依赖单独的结果文件。…

本笔记分析知识图谱中带时间戳的金融事件边，区分事件发生时间、公开时间和抽取流程创建该边的时间。它计算披露和抽取滞后，按公开披露截止时间构建快照，并追踪图谱增长和关系随时间的变化。事件图谱会筛选出明确标记为 8-K 的快照，避免无关的图谱运行悄然提供数据。…

本章评述介绍了一种以假设为驱动、在回测前定义交易策略的流程。它将有记录的数据假设和不可变配置，与探索性分析、事件研究及结构化策略说明书联系起来。建议使用的说明书记录可证伪假设、实施方案、可行性要求和验证计划，帮助将研究观察转化为可审查、可版本管理的规格。 材料涵盖的示例包括 ETF 动量、加密货币资金费率均值回归、日内市场微观结构和历史因子证据。内容强调时点一致性做法，例如滞后宏观数据、滚动统计、按时间连接远期收益，以及事件研究中的冷却规则。统计示例包括 Newey-West…

本笔记在一篮子加密货币永续市场的小时收益率上训练一个基础自编码器。收益率使用训练期数据进行标准化，神经网络先将多资产输入压缩为二维潜在表示，再进行重构。模型以最小化均方重构误差为目标进行训练，随后在较晚的测试期评估。本笔记考察重构误差能否作为异常信号，将其与滚动比特币波动率比较，可视化潜在表示，并报告各资产的重构质量。 异常阈值取自训练误差分布的第 95…

本文档介绍了一个用于跨案例研究比较模型配置的共享分析工作流。工作流首先为每个案例研究选取一种配置，再据此生成折级和跨研究汇总，确保后续分析采用统一的配置选择。候选项必须具有有限指标、涵盖预期的各折，且评估天数须与覆盖最充分候选项相同；在这些候选项中，选取日度 pooled 信息系数最高者。…

本笔记将股票级预测转化为验证集投资组合。在每个再平衡日，按预测收益对股票排序，买入排名靠前的一组并卖空排名靠后的一组，且为每个头寸分配相同资金。该基准应用于全部已声明的预测总体以及一组 top-k 取值，且不会预先按排名准确度筛选模型。因此，比较可以聚焦于排名作为策略的表现，包括排名变化及由此产生的换手如何影响收益。…

本综合性结业项目介绍如何使用 Brier 分数、对数分数、预期校准误差和锐度评估概率预测，以及如何通过可靠性图识别预测过度自信或信心不足的情况。项目说明了如何通过留出法或留一法拟合校准变换，如何通过故障时默认拒绝的代理执行工具策略，如何扫描不可信文本以检测提示注入，以及如何重放冻结的搜索证据，以便更一致地比较系统配置。…

本笔记评估了用于 CME 期货产品的 LSTM 和 NLinear 序列配置。序列模型处理按顺序排列的观测窗口，检验近期走势是否包含超出工程化汇总特征的信息。LSTM 会在窗口中学习不断变化的隐藏状态，而 NLinear 将归一化观测映射为相对于最新值的变化预测。文档阐述了两种架构的设计动机：一种灵活的循环模型和一个更简单的线性基准，尤其考虑到不同产品间可用的序列样本有限且相互重叠。…

本笔记介绍了一个共享工作流，用于在日度 FX 货币对数据上拟合时间卷积网络。模型不将每个日期视为独立特征行，而是使用连续观测值组成的固定回看窗口。运行器确定符合条件的预测日期，排除跨越缺失日度观测值的窗口，仅用更早的可观测数据为验证折序列提供初始上下文，并在训练前记录请求身份和周期检查点。预测在进入目录前会根据计划的资格网格进行核验。…

本笔记对版本已锁定的 FinBERT 模型应用词元级 SHAP，该模型将金融文本分类为负面、中性或正面。笔记封装模型推理以保留检查点的标签顺序，然后通过衡量被遮蔽的词元组相对于基准如何改变类别概率，解释类别概率。示例展示了几个句子中贡献最大的词元，并比较固定句式中将“narrowed”替换为“widened”的效果。 笔记还用少量构造的句子汇总对正面类别的贡献，以演示聚合流程。这些演示并不能证明模型准确，也不能代表通用金融词汇：示例经过筛选，样本太小，无法支持广泛结论。SHAP…

本笔记改造 TSMixer，利用历史动量特征预测未来 ETF 收益。其架构交替使用沿时间轴共享的线性变换，以及在每个日期分别应用的特征 MLP。预归一化和残差连接支持堆叠模块，小型输出头则将特征表示映射为单一收益预测。笔记解释张量维度置换如何决定各层组合哪些数值，并将参数开销与对展平输入进行稠密映射的方案进行比较。…

本笔记将供应链知识图谱和机构持仓申报转化为下游金融建模特征。从公司网络中提取拓扑指标、供应商集中度、竞争暴露度和瓶颈指标。从特定时点的 13F 持仓中构建持有人广度、集中度和共同持仓信号，再将持仓与运营指标结合为跨图交互特征。…

本笔记介绍如何微调 Transformer 进行金融命名实体识别，以识别文本中的组织、人物、金额、日期和百分比等片段。重点说明 BIO 边界标签，以及词级标注与 Transformer 子词词元之间的对齐问题。每个词只有第一个子词获得标签，后续子词不计入损失。笔记还区分实体级评分（实体类型和片段边界都必须匹配）与词元级评分。…

此笔记本将监督式自编码器应用于日频US股票。模型重建经过排序的价格和成交量特征，同时通过辅助与主分类头训练共享潜在表示，以预测多个未来期限的收益是否为正。笔记本介绍特征构造、精确的全局交易日期标签、扩展式验证折、检查点选择，以及用于期限AUC的移动分块不确定性。…

本数据集指南介绍一个月度US股票面板，其中包括匿名公司及其用于机器学习资产定价研究的特征。数据包含会计和技术特征、收益，以及相隔十年的预定义训练期和测试期。该间隔旨在减少前视偏差问题；匿名标识可减少个股层面的数据挖掘。特征经过秩转换，部分观测缺失，面板还包含已退市公司。…

此笔记本介绍一种工作流，将大量ETF特征缩减为供后续建模使用的候选特征。它按日期计算特征与未来收益之间的横截面Spearman信息系数，再对各日结果取平均，以此进行排序。Newey–West调整统计量用于处理每日IC序列的序列相关性；Benjamini–Hochberg校正则控制大量特征检验中的假发现。随后，通过相关性筛选和层次聚类剔除冗余候选项；自助法重抽样用于评估每个特征的IC正负号是否一致。LightGBM重要性提供另一种基于模型的比较。…

此笔记本说明随机贴现因子（SDF）如何为股票期权信号的横截面定价。与估计风险暴露和因子收益的因子模型不同，SDF方法估计一个随机变量，使资产收益能够得到一致定价。训练在提出贴现因子的网络与挑选能揭示其定价误差的投资组合的对抗网络之间交替进行。无条件、对抗和条件阶段各有单独的轮次预算；检查点数值则按共享坐标轴汇总展示各阶段信息。…

本文介绍潜在因子，即股票之间的共同收益模式；每只股票的载荷表示其对某种模式的暴露。它对比主成分分析与工具变量主成分分析：前者仅从收益面板提取因子和股票载荷，后者将载荷建模为可观测股票特征的函数。这样根据特征进行条件化，使载荷能随特征变化而调整，并为此前未观测到的股票分配暴露。…