知识库

本次审计在真实策略案例上比较Backtrader和Zipline与 ML4T 的表现，仅使用各引擎和冻结数据包能够原生表示的资产与合约组合。审计涵盖两个引擎的 ETF 配置和 US 股票面板，以及Backtrader的 CME 期货和以 USD 报价的 FX 配置。由于两个引擎都不具备所需的原生支持，因此排除加密货币永续合约资金费率。审计报告了成交、估值时间戳和账户价值比较结果，并称六个必需行均通过。…

本笔记为横截面 US 公司特征研究定义并验证月度收益标签。笔记检查数据提供方如何将每行特征与收益结果配对，并强调面板数据已经对齐，不应再次移位。主要标签是月度总收益；缩尾收益和月内分类变体则对同一结果进行转换。月度横截面阈值使用其适用月份的信息，而时间序列阈值则需要在每个训练期内估算。…

本笔记本介绍如何评估金融模型，避免在决策时点不可用的信息泄漏到训练或模型选择中。它区分训练集、验证集和最终留出集，并说明为何随机打乱的 K 折验证不适用于时间序列：模型可能用未来观测来预测过去。滚动验证保持时间顺序；扩展窗口保留全部历史数据，滚动窗口则将训练数据限制在固定的近期范围内。…

本笔记本比较在 ETF 收益面板中发现关系的四种方法：用于同期线性有向无环图的 NOTEARS、用于滞后和即时结构的 VAR-LiNGAM、用于条件独立性检验的 PCMCI，以及作为两两预测筛查的 Granger 检验。它解释 NOTEARS 的连续优化目标，包括平滑无环约束和稀疏惩罚，并通过区块自助法评估估计出的边是否会在重复抽样中再次出现。 笔记本还介绍了如何在已知图结构的合成数据上验证，并将这些方法应用于真实的 ETF 观测；对 PCMCI 和 Granger…

本笔记本研究岭回归正则化如何影响信息系数（IC）表现，以及超参数搜索如何导致报告的验证结果产生偏差。它首先使用滚动验证折评估宽范围的 alpha 网格，并在每个训练折内部缩放特征。随后利用表现曲线和各折离散程度，检查表现是随正则化水平保持稳定，还是集中在狭窄且噪声较大的区域。 随后，它比较两种方法：单层循环选择在同一验证折上选择并评分超参数；嵌套滚动交叉验证则在训练数据内部选择设置，并保留外层验证折用于评估。为处理重叠的前向收益标签，流程采用清除和隔离期。该笔记本的 ETF…

本笔记本比较股票和期货的佣金与滑点模型，然后考察佣金假设如何影响固定的 ETF 动量策略。它解释百分比、按股、最低、组合式和阶梯式佣金如何随着交易规模变化而产生不同成本。对于滑点，笔记本区分固定、基于价差、百分比、成交量敏感和期货专用模型，并强调必须正确解读其单位和单边计算惯例。 笔记本还比较免手续费和百分比手续费假设下的每日、每周和每月再平衡。图表显示，在该样本中，固定费用或最低费用对小额交易的影响更大；成交量占比滑点随参与度上升；更频繁的再平衡会增加总费用和费用导致的夏普比率差距。这些是使用指定 ETF…

本笔记本比较由固定 ETF 股票池构建的动量排名靠前投资组合采用每日、每周、每两周和每月再平衡的表现。它根据历史价格衡量换手率和毛风险调整表现，再将年化单边换手率乘以假设的双边交易成本，估算盈亏平衡阿尔法。成本情景包含价差、市场冲击和佣金。进一步的情景分析探讨：如果信号衰减足够缓慢，更快交易能否抵消较高成本。…

本笔记本将期货持有收益（carry，即相邻到期合约之间的价格差）转化为基于模型的特征。它介绍按产品进行的一步 ARIMA 预测、衡量季节性周期强度的滚动傅里叶指标，以及用于推断广义期货持有收益状态的两状态隐马尔可夫模型。模型估计按预先声明的计划刷新，每个特征值均受限于当时可用的信息；笔记本还区分需要估计参数的模型与无需重新拟合的滚动变换。…

该配置模块介绍一种框架，用于为各案例研究声明回测扫描设置。它从配置文件读取入场方案、配置方法、交易成本网格和风险控制；如果缺少必需配置，则明确报错。模块还集中管理执行默认值和配置器回看窗口，使投资组合配置方法使用一致的估计期。可选的分阶段筛选可以先测试一组基线策略，再对较小的排名子集进行更广泛的比较。…

本笔记本介绍一种针对 BTC 的仅做多 RSI 均值回归策略的报告方法。它比较毛收益和净收益，再使用相同的交易日期、敞口、执行引擎、成交时点和交易成本，将策略与买入并持有进行基准比较。保持预热期一致，可以避免基准获得人为的提前优势。报告还分别列出组合收益、相对基准指标、敞口和已平仓交易统计，因为它们反映表现的不同方面。 报告将交易损益与账户价值变化进行核对，确保佣金和滑点只计入一次。它还计算盈亏平衡成本率，用于衡量观察到的路径可承受多少建模交易成本。笔记本指定了 RSI…

本文介绍一种 TabM 神经网络，利用表格特征对 ETF…

本章概述介绍梯度提升树如何在决策树和随机森林的基础上，用于金融表格数据预测。提升法依次添加学习器以修正先前误差，有助于捕捉线性模型可能遗漏的非线性关系和阈值效应。章节比较 XGBoost、LightGBM 和 CatBoost，并介绍预测目标、排序、单调约束和部署权衡等选择。 章节还介绍使用 Optuna 进行适用于时间序列的超参数调优，包括剪枝和多目标搜索，并使用 TreeSHAP…

本文介绍一个按月构建的 US 股票数据集，专为资产定价机器学习研究设计。数据集包含 94 个经过横截面排名变换的公司特征，包括会计指标和技术特征，以及收益数据。公司身份经过匿名化处理，数据也包含已退市公司。数据集划分为训练期和测试期，中间设置了间隔，以减少评估中的前视偏差问题。 本文说明，已发布的特征张量在每个数据块中保留匿名公司身份，而收益—特征 CSV 文件缺少加载器所需的身份结构。文中概述了受支持的下载和转换流程、如何加载完整数据集或预定义的数据划分，以及如何检查覆盖范围和数据概况。该数据集是静态的，止于…

该笔记比较两种 Transformer 设计，使用八个滞后动量特征预测21日ETF收益。PatchTST 将连续多日分组成分块，减少注意力令牌数量并嵌入局部时间模式。iTransformer 将每个特征的历史序列视为一个令牌，使注意力机制能够关联不同变量，同时将时间顺序保留在各个令牌内部。两者使用相同的序列输入和按时间顺序划分的日期，并在边界处清除一段数据，以防未来收益标签跨入下一时期。评估报告截面秩相关性和平方误差，并将 Transformer…

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。…

该笔记比较平方误差、绝对误差和 Huber 损失，用于梯度提升模型预测平值短跨式期权收益。目标收益的上限有限，但潜在损失可能很大，因此拟合损失可能影响预测对头寸的排序能力，排序指标为信息系数（IC）。模型网格还改变树的容量，并在多个提升检查点评估预测，因此每个检查点都是一个独立候选项。 在两个滚动验证年份中，平方误差的表现低于其他目标函数，但现有证据无法确定绝对误差和 Huber…

该笔记将小时级连续期货数据转换为日度OHLCV柱线，并与CME Globex 交易时段对齐。时间戳会归入以中部时间4 PM结束的交易时段，因此周日夜间交易归属于周一，周五夜间不会形成周六交易时段。若按UTC日历日期聚合，交易时段会被切开，来自不同交易时段的柱线也会被合并，从而扭曲日开盘价、最高价、最低价和收盘价。…

该笔记介绍了一种随机贴现因子（SDF）模型，用于对US公司收益的截面进行定价。模型学习权重，使贴现后的资产收益满足无套利矩条件，而非优化收益预测损失。训练依次经过无条件阶段、权重取决于公司特征和市场状态的条件阶段，以及一个对抗矩网络；后者会寻找当前SDF定价效果不佳的测试资产。隐含收益是定价拟合的副产品。…

本文档介绍了一项消融研究，考察学习得到的图嵌入能否在普通表格特征之外改进股票收益预测。研究根据历史股票收益相关性构建网络，仅使用预测窗口之前可用的信息构造动量、波动率和趋势特征，并预测每只股票下个月的收益。图注意力自编码器在不使用未来收益标签的情况下学习节点表示；随后，岭回归在留出的股票折上比较仅用表格特征的模型与组合特征模型。…

该配置描述了一个覆盖20种FX货币对的日频多空策略。它设定在纽约收盘时决策、下一根柱执行、采用等权仓位，并根据动量或套息信号进行排名。配置还指定了价差和掉期点成本、再平衡阈值、候选投资组合规模、备选配置方法、交易成本情景，以及止损、移动止损和基于时间的退出。…

本文档介绍了一个用于比较策略选择各阶段配对表现的生成器。它会比较信号选择与等权参照、留出集选择与验证集选择，以及配置、成本敏感性和风险叠加各阶段之间的变化。大多数比较使用配对平稳区块自助法，以保留对齐收益序列之间的关系。对于验证集与留出集的比较，由于观测窗口不重叠，生成器改为按窗口独立抽样；由此得到的区间衡量的是这些窗口之间的差异，而非单一持久策略优势的证据。…

该笔记以匿名公司特征预测股票收益，对比随机森林装袋法与 XGBoost、LightGBM 和 CatBoost。研究使用预先设定的时间序列训练、验证和测试划分，以 Spearman 秩信息系数为主要指标，并补充报告 R 平方和均方误差。比较还考察不同库中的特征重要性，并在 XGBoost 中使用验证数据进行早停。…

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…

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。…