知识库

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。…

本概述介绍一类利用公司特征预测收益的模型。这些模型不将每个特征视为直接收益预测因子，而是假设收益由少量不可观测的共同因子驱动，并估计每家公司对这些因子的暴露。这个低维假设可能使大规模面板数据上的估计更易处理，但也可能不成立；如果因子未能捕捉收益结构，直接预测因子可能表现更好。 本文区分四种方法：工具变量 PCA…

本文介绍一种教学性质的 Mamba 风格选择性状态空间模型，用动量特征序列预测 ETF 收益。与注意力机制和密集时间混合不同，状态空间模型会在序列中传递固定大小的状态，计算量随序列长度线性增长。Mamba 的选择机制让输入到状态、状态到输出的项以及步长都取决于当前输入，使模型能够自适应地决定保留哪些信息。步长控制先前状态的衰减程度，另一个独立门控则调节状态空间输出。实现中使用横截面排名 IC…

本文介绍一种条件自编码器，将公司对潜在收益因子的暴露建模为公司特征的非线性函数。与 IPCA 类似，它估计因子结构，其中预测收益由公司特定暴露与因子收益共同构成；主要变化是用神经网络取代 IPCA 从特征到暴露的线性映射。因此，在大体保持设置不变的情况下，可以借此考察函数形式的影响。模型按设定的轮数训练，每个已保存的检查点都会生成单独的验证预测集。笔记本会规划并登记所有检查点，而不是选择验证 IC 最高的那个。它评估滚动验证折上的月均排名相关性，并将检查点表现与线性 IPCA…

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…

本笔记本使用六个手工编写的案例，评估金融文档问答系统的安全控制。这些案例涵盖间接提示注入、不可信材料中的伪造数据、尝试执行的操作以及无效引用。笔记本将使用所有检索文本的基线策略，与结合基于短语的注入检测、信任过滤和证据检查的防护策略进行比较。策略必须依据检索内容和信任标记运行，而不能依据测试样例的可回答性标签，否则会将预期结果泄漏到评估中。结果反映的是针对固定测试样例编写的两种 Python…

该笔记介绍一个已发布的面板数据集，用于US股票机器学习研究。数据包含数十年间的月度观测值，其中包括46个公司特征和次月超额收益。特征按经济含义分组，并在每个月内进行秩归一化，使其处于共同的有界尺度。笔记介绍如何检查覆盖范围、按日期排序的训练集、验证集和测试集划分，以及仅在各自数据划分内有意义的匿名公司标识符。为分析信号，笔记计算各特征与后续收益之间的月度截面信息系数，并对训练数据求平均；显著性估计则使用 Newey-West…

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…

该笔记使用CAPM和 Fama-French 因子回归分析股票 ETF 投资组合，并进一步考察滚动敞口、收益归因和残差依赖。它使用对齐的日度收益和因子数据，通过异方差与自相关稳健标准误估计回归不确定性，并在进行收益归因时延后滚动贝塔，以避免前视。模型比较显示，加入风格因子可能改变估计的阿尔法。笔记还考察因子控制后资产是否仍然相关，并使用 Ledoit-Wolf 收缩法稳定因子协方差估计。…

本文档介绍分数阶差分如何在保留部分价格水平信息的同时，使价格序列更加平稳。文档根据分数阶差分的二项式展开推导滞后权重，并说明截断较小权重如何设定变换的历史窗口。示例将该变换应用于ETF对数价格，并根据保留权重和、窗口宽度、预热期损失及平稳性诊断比较不同阶数。…

该笔记评估四小时级现货FX数据能否支持一种日频截面策略：根据动量和套息为货币对排名，买入最强者并卖出最弱者。它不拟合模型，也不作预测，而是检查所选纽约换日决策时点是否有可用数据、标的范围是否包含足够的品种以建立仓位、典型价格变动能否超过假设的价差成本，以及开发历史数据是否足以支持滚动评估并保留留出集。…

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。…

该模型适配器将 PatchTST（一种用于长周期时间序列预测的 Transformer 架构）应用于标量回归。它接收按时间和特征排列的序列，调整输入以适配骨干网络，并将各特征的输出汇总为一个预测值。其设计采用通道独立编码：每个特征通道通过共享的 Transformer 权重处理，编码器内部不进行跨通道混合。…

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。…

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。…

该笔记将每个收益窗口视为经验分布，并根据一维瓦瑟斯坦距离对窗口进行聚类。对于样本量相同的样本，排序即可实现最优分位数匹配；因此，该距离能反映整个收益分布的差异，包括尾部位置，而均值和方差可能会遗漏这些差异。其重心按分位数逐一计算：一阶距离使用中位数，二阶版本使用均值，从而支持类似 Lloyd 算法的聚类过程。 文档将这些分布聚类与市场状态标签，以及使用少量矩的聚类方法进行比较。结果显示，对完整分布聚类比基于四个矩的 k-means…

本章概述从验证市场数据到评估模型的研究步骤。内容涵盖考虑数据划分的预处理、编码和缺失数据处理决策，随后介绍与执行规则一致的目标构造，包括固定期限标签和基于事件的标签。标签重叠情况、结果解析规则以及目标所隐含的交易频率，都会影响模型实际被要求预测的内容。…

本笔记本基于公司 10-K 申报文件摘录构建检索流水线。它载入稳定的一组申报文件，将文本切分为句子窗口，创建本地嵌入，并将文本块编入向量数据库。由于实时语言模型生成已禁用，本次测量重点关注检索。查询集中包括一个预期可回答的问题，以及若干超出语料或其覆盖范围的问题。…

本配置说明解释了为何带 L1 惩罚的三分类逻辑回归采用 SAGA，并明确收紧容差。它在 Nasdaq 100 微观结构预测面板上将 SAGA 与 liblinear 进行比较；在所测运行中，SAGA 拟合更快，样本外对数损失和准确率也更好。说明还介绍了在项目的 scikit-learn 版本约束下，liblinear 为何不适用。 核心方法论要点是，宽松的收敛容差可能使系数在数值上接近零，却未真正等于零，从而扭曲特征稀疏度计数。在所选惩罚强度下，收紧容差可使 SAGA…

本笔记本介绍路径签名，将其作为定长特征，用于保留时间序列窗口中观测值的顺序和联合几何结构。第一层记录每个坐标的总变化；第二层捕捉坐标对之间的带符号面积，从而揭示单独的汇总统计量无法描述的运动顺序。加入持续递增的时间坐标，可区分上下波动的路径与保持平坦的路径。更高层级编码更精细的路径结构，特征数量会随深度和维度增加而快速增长。对数签名通过移除代数冗余项，以更紧凑的表示保留信息。 示例使用归一化时间、价格和成交量构建向后延伸的路径，再比较路径签名特征与人工构建的形状特征，用于预测 ETF…

本笔记本介绍一种扩展窗口双重机器学习分析，研究在控制 Beta、IdioVol、LME 和 Variance 后，12至-2个月动量能否预测美国公司下个月的收益（US）。干扰项模型使用更早的决策月份进行训练，各公司的数据在折分边界两侧保持归属一致，并设置隔离期以防止重叠结果进入测试期。最终的 2016 留出集被排除。分析在相同的折外观测上比较朴素 OLS 与 DML，并采用允许公司间及时间上存在依赖的 Driscoll-Kraay 推断来评估不确定性。…