知识库

本笔记运行或重放一组相同的研究智能体，让它们回答同一个预测问题，然后检查其预测、搜索活动和对话轨迹。分别记录每个智能体的轨迹，可在并行调用期间保留来源归属。示例表明，即使提示和工具相同，智能体仍可能给出不同预测；但采样和检索到的文档都可能解释这种差异，而该设计无法区分两者的影响。…

本笔记为横截面 US 公司特征研究定义月度总收益标签，并检查这些结果与数据提供方的行记录如何对齐。面板将前一个月的特征与每行对应月份的收益配对，因此再次将收益向前移位会意外多出一个月。不同标签方案会对收益进行缩尾处理，并根据当月横截面划分公司；阈值按月确定。…

本笔记说明时间卷积网络（TCN）如何根据有序金融数据预测收益。因果卷积确保某个时点的输出只依赖当前和之前的输入。膨胀率在不同层间按几何级数扩展感受野，使网络无需使用过宽的滤波器就能覆盖较长的输入窗口。残差连接、权重归一化和通道随机失活支持这种堆叠架构，最终状态预测头则生成预测结果。 示例使用某个 ETF 面板中的滞后收益特征预测远期收益，并通过日均 Spearman 信息系数评估横截面排名，同时计算相对于零预测的平方误差。它将 TCN…

本笔记研究 Ridge 正则化选择如何影响 ETF 面板上的信息系数，以及超参数搜索如何抬高报告的表现。首先在滚动验证折上评估宽范围的 alpha 网格，并在每个训练折内缩放特征；随后比较单层选择与嵌套验证。在嵌套验证中，内层划分选择 alpha，未参与选择的外层折则评估完整的选择流程。清除和隔离处理了远期收益标签重叠的问题。 笔记还检查了不同验证折和 alpha 值下的稳定性，并对搜索进行三西格玛诊断。核心结论是：如果评分所用数据与选择超参数所用数据相同，那么评分既反映模型拟合，也反映搜索本身。选出的…

本笔记说明如何为固定的 FX 货币对范围构建以交易日计的一日、五日和 21 日远期现货收益。首先使用纽约换日历将四小时 K 线映射到交易日，然后在移位前不删除任何行，进而计算收益。断言检查每个结果是否具有完整的远期窗口、是否始终属于同一货币对，以及是否跨越该货币对观测历史中的缺口。…

本笔记研究了应用于所选加密货币永续策略配置的六种配置方法。排名和入场规则保持不变，仅改变分配给各仓位的资金。这些方法使用模型评分、单个合约波动率、跨合约协方差或历史不确定性。根据验证集回测夏普比率，配置从基准方案逐步推进；不同模型配置与其预测集合分别计数。每种配置都与其匹配的基准方案比较，同时保持预测、检查点、入场规则、成本和资金费率不变。…

本笔记本考察市场冲击如何影响不同流动性股票中的动量策略回测结果。它固定订单规模和策略，根据形成期估算流动性与波动率，并在后续评估期应用不同强度的平方根冲击模型。股票选择也使用形成期数据，因此评估期收益不会进入选股过程。…

本实现介绍了一种神经随机贴现因子模型和一个用于检验资产定价关系的对抗矩网络。SDF网络将资产特征（可选择与来自LSTM的宏观经济状态表征相结合）映射为资产权重。这些权重与收益共同构成时点层面的贴现因子。启用宏观输入时，LSTM状态会在每个时间步由所有资产共享；否则，模型仅使用资产特征。…

本笔记本介绍如何针对机构的13F持仓，在Neo4j图中进行问答。它会将问题路由到三个手写Cypher模板之一，而不是根据问题生成查询，并使用固定参数、只读架构策略、行数限制和超时设置。这些模板涵盖持有某发行方证券的机构、同时持有两家发行方证券的机构，以及某家机构规模最大的持仓。…

本文解释了Binance永续期货溢价指数与现货价格的关系，以及交易所如何将该溢价转换为定期资金费率。指数根据相对于标的价格指数的可执行冲击买价和卖价计算，因此存在一个测量溢价恰好为零的死区。资金支付方向由资金费率决定，而非溢价的正负；即使溢价为负，利息部分和经过限幅的调整也可能使资金费率保持为正。本笔记本分析了溢价分布、时间变化和合约间差异，并根据溢价序列估算年化资金费率。…

本笔记本构建了N-BEATS模型，用于预测SPY收盘价。全连接模块处理完整回看窗口，每个模块都会生成一个反向预测结果，并在进入下一模块前将其扣除，同时预测未来期限内的价格。受约束模块使用多项式和傅里叶基，因此其输出可以绘制为趋势和周期成分；无约束版本则用于对照。预测误差还与一种将最新价格延续至未来的持续性规则进行比较。…

本笔记本介绍了PCMCI，用于在不预先指定因果图的情况下发现多变量金融时间序列中的滞后关系。它将该方法应用于ETF和波动率指数收益，与成对Granger检验进行条件分析对比，并说明如何解读滞后联系。该流程预先声明搜索期限，对最终检验采用Benjamini-Hochberg校正，并通过分块自助法重采样评估发现的边是否反复出现。…

本笔记本估计，在干预条件下，加密货币永续合约溢价z分数是否与随后八小时收益相关，同时调整价格波动率、资金费率及溢价偏离近期均值的程度。双重机器学习分别根据这些混杂因素预测结果和处理变量，再分析二者的残差。交叉拟合会将每个观测排除在生成其残差的模型之外，而按时间顺序划分的折和隔离期则防止干扰模型使用未来数据。…

本笔记本汇总了多个案例研究中构建的金融特征，并列出各市场研究在注册表中的最高信息系数。它统计特征数量及特征名称类别、比较特征空间规模，并总结跨资产模式。类别仅通过名称前缀机械划分，因此只能作为粗略参考：专业指标和不一致的命名可能会拆分相关概念，或使不同概念的数量显得偏多。本笔记本还分析信息系数与投资范围广度及估算信息比率之间的关系。…

本笔记本介绍了一种条件自编码器，在保留工具变量潜在因子模型结构的同时，用神经网络取代公司特征到因子暴露的线性映射。月度收益表示为特征驱动的暴露乘以月度因子收益。该方法保留两阶段因子结构，同时允许公司属性与因子暴露之间存在非线性关系。…

本笔记本为标普500期权研究构建了四种基于模型的特征：GJR-GARCH和随机波动率模型给出的下一日波动率预测，以及各自预测值与期权市场隐含波动率之间的差值。文中说明了如何仅使用每个重新拟合日期时可用的数据拟合模型，在重新拟合之间保持模型不变，并在之后的交易时段进行评估。GJR-GARCH模型采用最大似然法；随机波动率模型通过MCMC估计一个共享的市场参数，并使用粒子滤波器恢复每日潜在波动率。…

本文将共享权重的神经集成模型TabM应用于期权衍生特征，以预测未来股票收益和风险调整后收益。各成员共用一个两层网络，分别使用激活缩放和输出头，再对预测结果取平均。采用这种方法的原因是期权曲面上的特征彼此相关：与通过连续分裂选择特征的树模型不同，神经网络在加权层中组合这些特征。预先声明的训练检查点使每个已保存的训练轮次都成为可单独评分的模型，而滚动折提供样本外验证预测。…

本模块介绍如何检查预测和回测输入是否覆盖研究指定的交易时段和折数。相对检查会比较候选模型，因此可能漏掉共同故障：过期的折边界或上游连接可能让所有候选模型都缺少相同日期。所提出的检查会将观测值与声明的折窗口以及标签数据中的交易时段进行比较。…

本笔记本使用机构的13F申报持仓数据，对比结构化图检索与基于嵌入的向量检索。它在固定截止时间构建时点持仓快照，限制股票范围，并围绕股票持有人、机构持仓和持仓相同的机构生成问题。每个问题都预先定义了预期的支持记录，以便衡量支持记录召回率并估算检索令牌预算。…

本文介绍一种事件驱动方法，用于持有数量有限的日内仓位。预测值根据最新可用分数与价格行情柱对齐，并可设置有效期限制。入场信号采用针对每项资产分别计算的滚动分位数，以处理分数分布差异。新出现的合格候选按分数排名，并依次纳入，直到达到持仓槽数量上限；每个已占用的持仓槽权重固定。…

本案例研究将已存储的模型预测转化为 US 股票的多空等权投资组合。它遍历多种入场方案，每种方案都选择排名最高的股票做多、排名最低的股票做空，以考察投资组合集中度如何与模型排名相互作用。在评估模型分数前，先将带随机种子的随机排名送入同一回测引擎，并将所得夏普比率与规定的容差进行比较。这样做旨在检测回测流程本身而非预测信息带来的收益。…

本文介绍将预测分数转换为交易信号的几种方法：固定阈值、按资产分别计算的滚动百分位数，以及横截面百分位数。固定阈值使用选定的分数水平；滚动阈值根据某项资产近期的分数分布进行调整；横截面阈值则在每个时间点相对于同类资产选择标的。每种方法都可以生成仅做多或多空信号，并可使用对称的较低阈值建立空头仓位。…

本笔记本使用已登记的研究产物，复核一个已选外汇策略及其留出集数据沿袭。它基于冻结的验证候选集重现选择过程，使用确定性的并列排序规则，按验证集夏普比率对符合资格且未破产的回测进行排名。相关留出集模型会使用留出期前可获得的数据重新训练，再进行评估；这些结果不会改变原始选择。分析还比较受控的成本和风险变体，并报告区间估计以及验证集与留出集表现的配对证据。…

这份实盘交易演示介绍了一个由 US 只大盘股构成的固定股票池的每日再平衡流程。它将经纪商持有的仓位与模型目标进行比较，把差额转换为订单篮子，并在用户选择启用的模拟交易路径中通过风险控制层路由订单。该流程还会将启动状态与已保存的仓位和待处理订单进行核对，在提交后核对成交情况、监控执行成本，并提供明确的收盘市价单路径以平掉新建仓位。…