知识库

本文介绍一个每日ETF数据集，作为动量和跨资产研究的候选标的池。它涵盖九大类别，包括US和国际股票、固定收益、商品、特色基金及货币。数据来自Yahoo Finance，配套流程会下载、存储、加载、筛选并概览记录。您可以按代码和类别检查数据覆盖情况，以了解历史记录和交易量的差异。…

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。…

本章介绍如何通过检索增强生成，让语言模型更适用于开放式金融研究；在这类研究中，缺乏依据的说法和幻觉可能造成高昂代价。本章依次讲解从文档导入、保留结构的分块，到元数据、领域专用嵌入、词法与语义混合检索、重排序以及以证据为依据的生成。文中还介绍了引用约束和经工具验证的计算，以提高可追溯性和数值可靠性。…

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。…

该笔记本构建需要多个资产序列的特征。它比较Engle-Granger检验与Johansen检验，解释为何共同波动本身并不意味着价差平稳，并分别使用全样本回归和逐步更新的卡尔曼滤波器估算对冲比率。信号窗口根据仅用训练数据估算的均值回归半衰期设定，避免在该选择中使用未来信息。笔记本还演示如何将时间序列指标转换为横截面排名、相对基准值和全标的池的市场状态摘要。…

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。…

本文介绍如何获取选定期货品种的每周CFTC交易者持仓报告数据，并将各品种的历史记录保存为Parquet文件。COT报告记录周二的持仓情况，并于周五发布；金融期货与大宗商品的交易者分类有所不同。生成的数据包括报告日期、未平仓合约数，以及多头、空头和净持仓，可用于期货研究流程中的持仓或情绪特征。…

这段代码展示了一种监督式自编码器架构，用于根据金融特征进行预测。编码器将归一化输入压缩为瓶颈表示，解码器则通过重建输入执行正则化任务。辅助预测头作用于重建结果；规模更大的主网络通过跳跃连接，将原始归一化特征与编码表示结合起来。模型支持分类和回归输出。…

本研究比较双重深度Q学习、按K均值划分的专家混合模型，以及参数量匹配的稠密网络在BTC/USDT订单执行中的表现。评估使用按五分钟频率聚合的均值币安限价订单簿数据，重点考察执行偏差、训练随机种子差异、策略崩溃和策略内部尾部风险。结果还与时间加权平均价格及立即清算基准进行比较。回放环境中的提前清算几乎没有成本，这是因为奖励和惩罚采用了文中所述的设计。…

本文研究具有幂效用的投资者在无限期限内的投资与消费问题。市场并不完备，投资机会取决于随机因子。研究涵盖有限状态因子和用伊藤扩散过程建模的因子，并将动态投资组合选择与哈密顿—雅可比—贝尔曼方程的求解联系起来。…

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。…

本文研究个人一生中的投资组合选择问题，其中收入具有随机性，投资包括股票、债券和人寿保险。目标函数考虑消费、死亡给付和终端财富。凸交易约束用于表示无法交易某些资产、禁止卖空或限制借款等情况。 作者通过调整补偿后的资产漂移，构建反映交易约束的人工市场。随后使用对偶变换和深度定价核方法，计算原优化问题的上下界。该方法适用于因定价核涉及条件期望而无法明确写出价值函数的情况。文中指出，约束会降低消费、人寿保险和年金需求以及财富。摘要没有提供数值结果，也未说明所获界限的紧致程度，或不同约束类型下表现如何变化。

本文借鉴随机热力学思想对价格冲击建模，并研究往返交易策略。它将一个交易周期视为非平衡过程，把冲击解释为耗散功，把市场噪声视为热涨落。在一般凸冲击泛函下，文章推导出往返策略的预期利润不能为正这一约束，并给出一个涨落定理，根据耗散功和市场波动率界定盈利周期的概率。…

本文研究无模型奇异衍生品的超复制价格，允许交易者同时使用离散时间半静态策略，并在有限数量的期权中进行动态交易。超复制界限描述了旨在覆盖衍生品各种可能结果下收益的策略成本，而无需指定单一定价模型。 分析推导了对偶性结果，并刻画了哪些动态交易期权的定价规则能够相较于传统鞅最优传输界限收紧这些界限。本文概述了理论结果，但没有提供具体衍生品示例、数值比较或实证检验。因此，其实际意义取决于可用于动态交易的期权，以及所述定价条件是否适用于特定市场。

本文研究来自K个样本的函数型观测是否具有相同分布。文章通过比较经验特征泛函的两两Cramér–von Mises统计量，构建多变量检验统计量，以检验各组分布是否相等。 为将各项比较合并为一个显著性度量，该方法使用多变量置换程序和离散最优测度传输，计算单一p值。文中给出的示例使用比特币日内累计收益。本文没有提供数值结果、设计细节或与其他检验方法的比较，因此仅概述了方法，无法说明其表现如何随样本量、相关性或其他数据条件变化。

本文将配对交易表述为动态投资组合优化问题。两种相关证券之间的价差服从高斯均值回复过程，其漂移率则随一个不可观测的有限状态连续时间马尔可夫链变化。由于状态不可见，作者使用随机滤波将部分信息问题转化为完全信息问题。他们针对对数效用求解该问题，并纳入与已实现投资组合波动率挂钩的终端财富惩罚。…

本文介绍如何使用基于图的联盟结构生成算法GCS-Q，对以收益相关性构成的有符号加权图中的资产进行聚类。研究动机在于，常见聚类方法在转换有符号相关性时可能丢失信息，而且可能需要预先指定簇的数量。GCS-Q则将划分步骤建模为二次无约束二元优化问题，可通过量子退火进行求解。…

本文提出将订单簿动态表示为粒子运动，并用动量指标概括市场状态。这种统计物理视角旨在捕捉可能预示市场操纵的行为，尤其是虚假挂单和分层挂单。该方法被用于分析LUNA加密货币闪崩前后的订单簿活动，作者称发现了大量这两类行为。…

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。…