知识库

本笔记比较将带方向的收益预测转换为二元头寸的三种方法：固定的零阈值、每个品种自身评分的滚动百分位数，以及跨品种的横截面百分位数。笔记使用已登记的 ETF 和加密货币永续合约验证集预测，衡量信号启动和状态变化。滚动窗口和百分位数阈值控制响应速度与选择性；横截面排名则总是选取可用标的范围中的相对份额。…

本文介绍一种监督式自编码器，作为条件潜在因子模型的对照模型。它将公司特征直接映射为远期收益，同时通过狭窄瓶颈压缩 57 个输入。将其与使用相同瓶颈的条件自编码器进行比较，旨在检验因子结构是否能在降维之外带来额外价值。目标变量包括原始收益、按月缩尾处理的收益和收益类别，因此改变目标变量也会改变网络所学习的内容。…

本笔记解释股票拆分和现金股息如何打断原始历史价格序列并扭曲计算出的收益。笔记展示后复权调整，即按后续公司行动重新缩放历史价格，并将此方法用于股票 OHLCV 数据。调整后的序列与预先调整的参考序列进行比较，以验证实现是否正确。较长的苹果股价历史说明，未调整的收益可能把拆股相关的价格变化误认为亏损，并遗漏股息影响。…

本笔记使用 ETF 特征和远期收益，展示从经典普通最小二乘推断转向以预测为重点的方法之前的分析过程。笔记考察系数检验和标准误，随后诊断异方差、残差自相关和多重共线性。由于 ETF 历史数据构成不平衡面板，且远期收益标签彼此重叠，笔记强调诊断统计量和协方差估计量必须考虑资产和时间结构。稳健标准误可以处理部分方差估计问题，但无法修正模型设定错误或内生性。 分析发现误差方差并非常数、资产内残差存在自相关，且特征之间存在明显共线性。笔记还说明，不谨慎的行排序会误导面板诊断，并据此提出使用 Driscoll-Kraay…

这项 NASDAQ-100 研究考察交易成本对频繁再平衡的股票策略有何影响。研究分别考察两种应对成本的方法：将交易范围限制在流动性更高、成本更低的标的中，以及降低再平衡频率。将这两种调整分开，有助于判断改善是否来自更便宜的标的或较少的交易。笔记还介绍了现有回测的成本网格，以及针对频率和每股成本的二维扫描；其中盈亏平衡成本用于表示策略所需的执行质量。…

本教程将 ETF 横截面信号转化为仅做多、前十名等权组合，并将岭回归和逻辑分类与动量及等权基准进行比较。模型在滚动训练窗口中拟合，并针对前向收益标签设置缓冲期，随后每月调整组合。分析计算组合收益、换手率、毛收益和净收益指标以及信息系数，以展示信号排序质量与扣除交易成本后结果之间的关系。 交易成本按组合换手率对每一边分别计费。笔记解释了为什么反复更换持仓的主动策略可能比等权策略损失更多收益；等权策略通常只在恢复目标权重时交易。笔记还提醒，净夏普比率和 IC…

本研究检验线性模型拟合月度 US 股票收益较差，是否源于其平方误差目标函数。研究固定未缩尾的前向收益目标、特征和滚动折，并比较使用平方误差、绝对误差和 Huber 损失训练的提升树模型。平方误差会让极端残差产生不成比例的影响；绝对误差会减小这种影响，而 Huber 损失则在二次惩罚和线性惩罚之间转换。网格还会改变树的容量，并记录多个训练检查点的预测，将每个检查点视为独立候选项。…

本笔记介绍 NLinear，将其作为根据有序特征窗口预测股票收益的基准模型。每个样本包含同一只股票连续 60 个交易时段。对于每个特征，模型减去其最新值，通过线性层将所得历史序列映射为单个值，再加回最新值。最后一个线性层将这些摘要合并为一个预测。这个简单设计会消除当前特征水平的影响，使研究者能够检验表达能力更强的序列模型是否能带来价值。…

本参考资料介绍了两个用于研究股票仓位和内部人士活动的公开 SEC 文件来源。季度 13F 报告提供机构持仓，可选择经过整理的管理人集合，也可使用涵盖完整申报期的批量数据。Form 4 文件记录所选股票代码对应的内部人士交易。指南介绍如何下载、加载并整理数据以供后续分析，包括股票层面的特征以及机构与股票之间的持仓关联。…

本笔记将 TabM 神经网络拟合至标普 500 期权空头跨式策略收益目标，并在与线性和提升方法相同的特征面板上比较三种模型容量。TabM 在集成成员之间共享神经网络骨干，同时通过学习得到的成员专属缩放向量和输出层生成不同预测，再对其取平均。研究采用滚动折，仅在训练行上拟合预处理，并在预定训练检查点生成验证集预测。…

本笔记评估标普 500 股票和期权配置的仓位级控制，将固定止损、移动止损和时间退出分别与各自策略未加覆盖规则的基准进行比较。笔记使用验证集夏普比率选择符合条件的策略谱系，再评估各项预先声明的覆盖规则是否改变验证集夏普比率和回撤。夏普差异采用配对分块自助法区间，以区分改进证据与单纯的点估计排名。…

本文档演示了工具变量 PCA，其中资产因子载荷被建模为收益发生前观测到的特征的线性函数。该方法使用交替最小二乘法估计特征到载荷的映射和实现因子，再通过旋转不变的子空间诊断评估载荷恢复效果。由于旋转和符号变化不会改变拟合收益，单个因子标签无法识别；比较时应关注恢复出的子空间。 合成面板将时间 t 的特征与时间 t+1…

本文档介绍一个可复现的 US 股票基准数据集，取自 Chen、Pelger 和 Zhu 的资产定价复现档案。数据集包含约 1.2 百万条月度股票观测，覆盖 1967 至 2016，包括 46 项公司特征、宏观经济指标、前向收益，以及预先定义的训练、验证和测试分区。公司标识符在各自发布的张量中匿名且保持一致，但不同标识符命名空间使研究者无法跨张量关联公司。 该数据集支持资产定价机器学习研究，适用于一致的基准数据比解释个别证券更重要的场景。其公开的时间分区将 1967–1986 用于训练，1987–1991…

本文介绍 TSMixer 如何将股票近期的特征历史处理为按交易时段和特征排列的矩阵。其模块先沿时间维度混合各特征列中的信息，再在每个交易时段内跨特征混合信息。堆叠多个模块后，这些操作无需循环状态也能相互作用。本笔记在相同的 US 股票面板和前向滚动折上，将这一方法与 LSTM 和 NLinear 进行比较，因此重点是架构对比。 每个训练样本需要同一只股票连续 60 个交易时段；上市、停牌和退市都可能打断窗口，减少可用样本。每种配置训练 100…

本笔记使用已登记的 ETF GBM 预测和 CME 期货预测，比较等权、按保形区间宽度倒数加权，以及按正预测分数比例加权。它使用严格早于当前折的残差校准针对实体的 Mondrian 分割保形区间，并排除前向收益标签当时尚不可观测的残差。若最早一折没有有效的历史校准样本池，则将其排除。历史残差区间越窄，组合权重越大，将区间宽度作为置信度的代理指标。 三种配置规则使用相同的前 K 名选择，因此差异来自权重。笔记考察信号信息系数以及夏普比率、收益、回撤和换手率等组合指标。不过，GBM 预测是根据验证集 IC…

本笔记在 ETF 面板上，将零样本 Chronos 和 TinyTimeMixer 预测与 LSTM 及惩罚线性模型进行比较。所有模型接收相同的单变量历史上下文，但预训练模型预测的是该上下文序列，而非前向收益标签。其预测路径的均值成为横截面排序分数，并以排序信息系数进行评估。训练得到的基准模型则直接预测标签，因此该比较检验的是零样本预测能否提供有用的排序信号，而非能否对目标作出校准良好的预测。…

本笔记评估期权市场指标能否对不同股票的未来收益进行排序。笔记使用期权衍生特征拟合已声明的线性模型，采用滚动验证，并比较岭回归、套索回归和弹性网络的惩罚强度。特征集包括各期限的隐含波动率、波动率偏斜、期限结构斜率和方差风险溢价等指标。正则化用于处理相关特征之间的冗余；套索回归和弹性网络还可以将部分系数缩减为零。…

本笔记讲解GARCH如何将波动率聚集转化为逐交易时段特征。首先通过收益图和ARCH-LM检验，检查平方收益是否依赖自身滞后项。在GARCH(1,1)模型中，对新冲击的响应以及先前方差的延续，决定了波动率估计变化和衰减的速度。不对称扩展模型允许负收益对波动率的影响不同于正收益。笔记还讨论了使用条件波动率度量风险，以及通过统计超越次数检查风险价值预测。…

本研究考察期权市场数据能否对未来股票收益进行排序。特征包括不同期限的隐含波动率、看跌看涨偏斜、期限结构斜率和方差风险溢价。由于许多指标以多个相互重叠的形式表示，研究比较了广泛的正则化强度下的线性模型：岭回归会收缩相关系数，而套索回归和弹性网络还可以移除特征。滚动验证对声明的模型配置进行拟合，并在匹配的股票、日期和数据折上生成预测。…

本笔记将一种对抗式随机贴现因子设计改编为美国股票的日度分析。一个投资组合权重网络根据次日超额收益构建因子，另一个竞争性矩网络则协助训练定价核；独立的贝塔网络预测资产层面的收益—因子乘积。尾随股票特征和延迟的宏观经济状态，依据决策收盘时可获得的信息决定权重。笔记区分了 SDF 权重和贝塔预测，也将因子定价诊断与横截面排序表现分开。…

本笔记将真实的供应链知识图谱和机构 13F 持仓转化为机器学习特征。笔记推导中心性和依赖指标等网络度量，估算供应商集中度和竞争风险，并构建衡量持有人广度、集中度和共同持仓情况的所有权信号。笔记还将运营信息与所有权信息结合为跨图谱特征，并以宽表和长表形式导出公司特征，用于建模或信息系数分析。…

本笔记展示一种ETF预测策略的操作周期：更新市场数据、重新计算金融特征、重新训练岭回归模型、保存部署产物、生成当前横截面预测、通过回测引擎重放预测，并为模拟交易经纪商准备选定的投资组合。研究评估与基于完整历史数据的单次部署拟合分开进行，同时从研究注册表沿用经过验证的正则化设置。默认采用干运行重放；是否向经纪商提交订单可明确配置。…

本笔记比较LightGBM与一个精简的多层感知机、TabM，以及可选的TabPFN在横截面ETF收益预测中的表现。各模型在相同的滚动验证折上进行评估，使用按时间顺序划分的验证片段进行早停或选择迭代次数。神经网络方法包括TabM的共享骨干集成设计，而MLP则作为简单基线；笔记还记录训练时间，以评估重新拟合的实际成本。…

本文比较四种用于研究成交、报价和限价订单簿的股票市场数据源：AlgoSeek TAQ、Databento逐笔订单数据、NASDAQ ITCH和IEX HIST。文中介绍各数据源的粒度、覆盖范围、费用或访问条件、存储需求，以及数据是否已经解析或需要重建。示例区分最优买卖报价数据流与全深度或逐笔消息，并解释为什么聚合的分钟线无法用于重建订单簿。…