知识库

本笔记介绍一种条件自编码器，将股票收益建模为特征相关的因子载荷与潜在因子的乘积。它先通过联合截面最小二乘拟合估计特征管理组合收益，然后训练神经网络重构同期收益。另一个滚动适配器预测下一个因子实现值，并通过当前特征将其映射为下一日股票收益预测。…

本笔记研究模型完成资产排名后，配置规则如何影响ETF策略。它固定预测集和再平衡日历，为每种比较选取相同的前 k 名组合，并改变组合内的权重。方法包括等权、评分加权、逆波动率、风险平价、均值方差优化和层次风险平价。由于持有基金数量会影响权重的调整空间，分析还扫描了组合集中度。…

本笔记测试投资组合构建能否挽救一项成本侵蚀严重、每根 K 线都交易的NASDAQ-100策略。它使用已声明的选择范围选出基线预测的领先者，然后在完整范围上进行配置比较。扫描改变持仓数量，并比较等权、评分加权和逆波动率仓位，同时固定15分钟的交易频率。结果显示，所有测试的配置组合仍显著为负，因此相较换手负担，配置选择和持仓集中度影响较小。…

本笔记从等权信号阶段基线中选取领先的验证预测配置，并在相同预测上测试替代配置方法。它比较基于评分和保形方法的权重与逆波动率、风险平价、均值方差优化和层次风险平价，同时改变持有股票数量。按验证集夏普比率推进配置选择，并为每种配置使用覆盖完整数据的最佳检查点，以免密集的检查点网格主导候选名单。…

本笔记评估已登记的ETF预测集转化为投资组合后的表现。它将每个验证集预测集与已声明的入场方案交叉组合，例如不同的前 k 名持仓，同时固定交易日历、再平衡频率以及声明的佣金和滑点假设。扫描前，先通过引擎运行随机排名；夏普比率明显偏离零，被视为时间、数据连接或成本模型可能存在缺陷的证据。…

本文介绍两种用于期货收益的潜在因子方法。主成分分析找出能解释最多收益变化的不相关方向；神经随机贴现因子则寻找与预期收益横截面相关的组合，并可使用展期收益（carry）或波动率等产品特征。因此，两种方法回答的问题不同：一种关注广泛的共同变动，另一种关注可能被定价的收益结构；推断因子的经济含义仍需进一步解释。…

本笔记将验证集预测用于仅做多的股票组合，按等权重选择排名前 K 的股票，并根据各标签的频率安排决策。它通过带随机种子的随机信号运行检查收盘后至次日开盘的事件顺序，再用同一回测流程比较不同的组合集中度。期权衍生变量用作预测输入，实际交易标的是股票。…

此共享工具模块为量化研究提供通用的梯度提升流水线。它定义不同容量的预设配置，并将规范参数名称映射为 LightGBM、XGBoost、CatBoost 和 scikit-learn 直方图提升算法对应的设置。它还处理运行选项，例如使用 CPU 或 CUDA 执行、线程数和特定库的兼容性，并记录配置及执行来源以支持复现。…

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。…

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。…

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。…

论文介绍一种自动化股票交易方法，结合三种演员－评论家强化学习算法：近端策略优化、优势演员－评论家和深度确定性策略梯度。智能体经过训练来学习交易决策，目标是最大化投资回报；随后将各算法的优势整合进一个集成模型，旨在适应不同市场环境。该方法还使用按需加载技术处理大规模数据，以减少连续动作训练期间的内存占用。…

本文提出一个多资产模型，包含两类投资者：基本面派会对股价与基本面之间的感知差异作出反应，图表派则利用价格趋势。两类投资者都通过最大化恒定相对风险厌恶效用来作出投资决策。作者报告称，经过校准的模型再现了厚尾收益和持续波动等市场特征，并据此研究策略参数与两类投资者各自财富份额之间的关系。…

本文研究随机因子模型中的长期投资问题，其中投资者力求最大化稳健的期望幂效用。稳健性是指将不利的替代模型纳入考量，而非仅针对单一假设模型进行优化。作者利用对偶性，将投资问题转化为无限时间范围内的风险敏感控制问题。 遍历型贝尔曼方程刻画了最优长期增长率、相应的交易策略以及渐近最坏情形模型。作者随后利用这些结果，提出一种基于对偶性的稳健长期投资大偏差准则方法。摘录描述的是理论特征，并未提供具体资产配置实例或实证评估。文中没有说明因子动态、市场假设、求解条件或量化绩效，因此难以据此判断实际应用情况。

本文研究存在比例交易成本时的效用最大化问题。核心结果是，在底层过程满足扩展弱收敛这一假设的条件下，相应的效用最大化问题也会收敛。研究还为最优交易策略建立了极限定理，说明近似问题中的策略与极限问题中的策略之间的关系。 证明运用了扩展弱收敛理论和迈耶–郑拓扑。这些数学工具用于处理随机过程及相关优化问题的收敛性。本文提供的是定理层面的结果，并非数值示例、实用策略或实证交易测试。结论以文中所述的收敛框架为条件；简要描述未说明市场模型、效用函数、具体假设，或这些结果如何指导真实执行约束下的实施。

本文考察五个区块链生态系统中的加密资产收益如何相互变动。研究报告称，一条链上的大幅上涨往往伴随着其他链的下跌，这与股票市场常见的正向联动模式不同。分析使用从 2022 年至 2025 年的链上观察数据，并控制广泛股票收益、利率和比特币因素。…

本文探讨如何运用马科维茨投资组合优化框架，管理由移动区间统计套利策略构成的动态投资组合。文章不再孤立看待单个套利策略，而是介绍如何管理这些策略组成的动态组合，并将投资组合构建作为核心问题。 作者使用近期历史数据展示该方法，并报告称，构建的组合能够取得较强的风险调整后收益，同时与市场基本不相关。摘录未说明移动区间的定义、资产或套利策略的选择方法、采用的优化约束、样本时期或业绩指标。因此，报告结果仅是示例，证据不足以证明该方法在不同市场状态或实盘交易条件下具有稳健性。

本文介绍移动平均回归（MAR），这是一些在线投资组合策略所采用的单期均值回归假设的一种多期替代方案。本文提出在线移动平均回归（OLMAR），运用在线学习技术，根据MAR构建投资组合。研究的动机是，股价暂时的高点和低点可能在多个时期内回归，而单期回归并非在每个数据集中都稳定出现。…

这项研究提出一种强化学习方法，依据风险感知的绩效标准优化策略。研究使用秩依赖期望效用评估策略，使智能体能够表达对收益和下行结果的不同偏好。为应对模型不确定性，研究在围绕模型分布的 Wasserstein 距离球内，采用最坏情形收益分布评估策略。这形成了一个嵌套决策问题：智能体选择策略，随后对手选择一个邻近分布来降低该策略的表现。…

本文介绍 PySDTest，这是一个用于统计检验随机占优关系的 Python 和 Stata 软件包。文章概述了若干已发表方法及其扩展中的程序，并介绍将检验统计量与重采样方法结合的选项，包括数值 delta 方法。该软件包还支持更复杂的问题，例如在多个备选项中识别随机占优程度最高的选择。 文中通过投资组合选择案例，对比特币和标普 500 指数的日收益进行实证示例。报告结果显示，标普 500…

本研究探索自编码器在 US 股票统计套利中的应用。在传统的两阶段流程中，定价模型或主成分模型先识别合成资产，再由独立的均值回复策略生成交易信号。作者首先在股票收益上训练标准自编码器，并围绕奥恩斯坦—乌伦贝克过程构建策略。随后，他们将自编码器嵌入投资组合策略的神经表示中，直接生成资产配置。…