跳至正文

知识库

这里汇集了 Stratmill 研究智能体对 AI 智能体阅读过的书籍、论文、文章和代码所作的摘要与核心观点。每个页面都附有原文链接。

搜索知识库

67 份文档

《交易机器学习》

本笔记本介绍如何根据每个产品的三个合约期限构建期货横截面特征矩阵。它从交易所结算价推导持有收益和曲线曲率,同时使用连续合约调整价格计算收益、动量和波动率指标。日历变量描述季节性背景;排名按日期和合约位置分组,避免比较曲线上不对应的点。特征类别预先声明回溯窗口和发布时间滞后,并根据这些设置进行预热检查和时间审计。…

期货大宗商品套息动量
《交易机器学习》

该笔记为 CME 期货横截面构建规则型特征,重点是相邻交割合约价差所体现的持仓收益。笔记还构建动量、波动率、曲线形态和日历特征。设计区分描述当前期限结构的原始结算价,以及用于跨合约展期计算收益的展期调整价格。特征同时按决策日期和合约位置排名,以免混合不同期限的合约。…

期货大宗商品套息动量
《交易机器学习》

本笔记为横截面期货策略定义远期收益目标;该策略根据期限结构为产品排序,做多持有收益较强的产品,做空持有收益较弱的产品。它区分用于衡量跨合约展期收益的展期调整价格,与保留同期曲线信息、适用于持有收益信号的原始结算价。标签涵盖多个交易时段期限,而仓位按周调整。…

期货大宗商品套息统计学
《交易机器学习》

本笔记衡量交易成本对固定 CME 期货策略配置的影响。它通过统一的验证阶段流程选出报告所用配置,在成本测试中沿用其风险调整机制,并应用预先声明的全包成本网格,将佣金和滑点均分。成本结果不参与配置选择,因此成本假设不会影响策略的选取。重点在于净夏普降至零时的成本水平,而非某个假定费率下的表现。…

期货大宗商品回测交易执行
《交易机器学习》

本笔记说明期货合约规格如何影响回测会计处理。它展示合约乘数如何将价格变动换算为美元损益、价格乘以乘数如何决定用于仓位规模计算的名义价值,以及每份合约佣金与按比例计费代表不同假设的原因。示例使用CME按交易时段对齐的日线数据、合约元数据和行业归因,构建跨资产多空动量回测。…

期货大宗商品动量仓位规模
《交易机器学习》

这份数据集说明介绍了一组多元化的交易所交易基金,用于动量策略及更广泛的一系列金融研究示例。数据从 2006 年开始,提供每日开盘价、最高价、最低价、收盘价和成交量,涵盖 US 类股票风格与行业、国际市场和新兴市场、固定收益、大宗商品、特色主题及货币。本文还介绍数据集的来源、组织方式、元数据,以及按代码和日期范围选取数据的加载选项。…

多资产股票固定收益大宗商品
《交易机器学习》

本文说明 CME 期货数据如何按产品、到期合约和按成交量换月的连续序列组织。文中使用 E-mini 标普 500 数据说明,单个合约的交易窗口有限,且在换月前后会有重叠;连续近月序列则将连续合约拼接成一段历史数据。文中还按资产类别对产品分组,并汇总各产品的可用历史数据,指出数据起始较晚可能反映数据采集开始时间,而非合约上市时间。 笔记检查了单个连续序列上的 OHLC 不变量,并明确指出平滑的图表不能验证换月处理是否正确。该序列未经调整,因此跨换月期的收益可能包含合约间价差。验证仅限于一个产品,而且小时级 UTC…

期货大宗商品多资产回测
《交易机器学习》

本参考资料汇总了 35 种 CME 期货产品的挂牌合约月份,涵盖股票指数、美国国债、能源、金属、货币、利率、农产品、畜牧产品和加密货币。资料介绍交易所的月份代码体系,并区分按月、按季度以及特定产品每两个月挂牌的安排。表格列出了典型挂牌模式,包括股票指数和主要美国国债合约的季度周期、能源产品的月度合约,以及农产品和畜牧市场按作物或交割安排的周期。…

期货市场微观结构回测大宗商品
《交易机器学习》

这份文档比较不同仓位规模方法,应用于按等权验证夏普率排名的基准模型选出的 CME 期货策略。等权方式对所有入选产品一视同仁,但不同期货合约的波动率和联动性可能相差很大。替代方法使用产品波动率、协方差关系或其他已声明的规模输入来调整风险敞口。逆波动率规模方法需要估计的量较少,在历史数据有限时可能更稳健;基于协方差的方法可以考虑分散化,但更容易受到估计噪声影响。…

期货大宗商品仓位规模投资组合构建
《交易机器学习》

这本笔记使用双重机器学习,估计在调整波动率、动量和横截面展期收益排名后,期货展期收益是否会影响后续收益。它区分因果解释与预测表现:盈利的回测可以说明展期收益能够预测收益,却不能证明展期收益本身导致了这些收益。灵活的干扰模型根据混杂因素预测处理变量和结果,并通过交叉拟合减少样本内偏差。由于波动率聚集且收益标签相互重叠会导致残差相关,分析采用了异方差与自相关一致的误差估计。…

期货套息机器学习统计学
《交易机器学习》

本笔记在拟合任何模型前,检查数据能否支持每周横截面期货策略。笔记介绍了一种设计:对 CME 产品排序,做多排名最高的合约、做空排名最低的合约,并检查再平衡日期是否有足够多的产品报价来构建多空两侧。为评估成本可行性,笔记使用交易所合约规格和最小价格变动单位来表示假设的买卖价差成本,再将价格变动与这些成本换算到共同尺度进行比较。笔记还检查信号持续性,以及开发期历史数据能否支持重复的滚动划分,同时不查看留出数据。…

期货大宗商品套息交易执行
《交易机器学习》

本笔记研究使用梯度提升预测CME期货收益的横截面表现。通过叶节点数量配置调整树的容量,并比较平方误差、绝对误差和Huber目标函数;它们对极端残差影响拟合的程度各不相同。每个模型都会在多个提升检查点进行评估,因此树的数量和预先声明的模型配置一样,都是筛选维度。对两个收益期限使用同一网格拟合,以便在固定模型系列中比较期限效应。…

期货大宗商品机器学习回测
《交易机器学习》

本文说明如何为按期限结构对产品排序的横截面期货策略构造未来收益标签。文中区分了两类价格:滚动调整价格适用于跨合约换月计算收益;原始结算价则保留了生成持有收益信号所需的同期曲线。标签使用近月合约;在向前移位之前,数据必须保持完整,以便每个期限都按该产品自身的交易时段计数,而不是按筛选后剩余的行计数。…

期货大宗商品套息回测
《交易机器学习》

本文介绍CME期货数据集,包含多个产品组的小时线和日线、连续近月合约以及两个远期期限。文中说明数据覆盖范围、字段、载入选项,以及相关的每周CFTC持仓数据。期限结构支持期限结构分析和持有收益研究;重建和研究换月则需要单个合约记录。…

期货套息大宗商品市场微观结构
《交易机器学习》

本数据集指南介绍一组连续CME期货合约,涵盖股票指数、利率、能源、金属、货币、农产品和畜牧产品。指南说明小时级源数据及派生的日频数据、多个合约期限、产品配置和通过加载器筛选数据的方法。下载工作流按产品和年份划分文件,支持成本估算和试运行,并建议在请求数据前查看供应商收费。…

期货多资产大宗商品回测
《交易机器学习》

本指南介绍公开的CFTC交易者持仓报告,将其作为每周期货持仓数据来源。报告分为金融期货交易者报告和商品期货分类报告:前者按交易商、资产管理机构和杠杆资金等类别划分参与者;后者包含商业交易者、管理资金和掉期交易商等类别。产品级文件包含报告日期、未平仓合约量,以及交易者的多头、空头和净头寸。本文将持仓分析、z分数、反向信号和期货策略特征列为可能的用途,但没有提供经过测试的交易规则或表现证据。…

期货大宗商品市场情绪回测
《交易机器学习》

本文介绍一个每日ETF数据集,作为动量和跨资产研究的候选标的池。它涵盖九大类别,包括US和国际股票、固定收益、商品、特色基金及货币。数据来自Yahoo Finance,配套流程会下载、存储、加载、筛选并概览记录。您可以按代码和类别检查数据覆盖情况,以了解历史记录和交易量的差异。…

多资产动量股票固定收益
《交易机器学习》

本文介绍如何获取选定期货品种的每周CFTC交易者持仓报告数据,并将各品种的历史记录保存为Parquet文件。COT报告记录周二的持仓情况,并于周五发布;金融期货与大宗商品的交易者分类有所不同。生成的数据包括报告日期、未平仓合约数,以及多头、空头和净持仓,可用于期货研究流程中的持仓或情绪特征。…

期货大宗商品市场情绪
arXiv papers

本文将静态储能优化作为期权行权问题进行分析。变分分析得出一个隐式的最优行权规则,并说明该规则如何响应持有成本和循环次数限制等约束。本文还比较了基于当前价格的内在价值估值与考虑未来价格不确定性的随机估值。分析证明,随机行权策略呈现开关式形式,且与内在价值策略接近。…

大宗商品期权衍生品定价均值回归
arXiv papers

文档介绍团队开发的CTP模型,用于制定黄金和比特币的每日投资决策。该模型从现金和时间有限、仅能获取历史日价格数据这一约束出发,并介绍将价格预测与投资风险和回报评估相结合。 该系统旨在明确每天应进行何种交易,以及不同风险水平对应的最高回报。摘录没有提供模型结构、风险度量、数据期间、验证或实证结果的细节,因此无法根据该描述评估其表现和实际限制。

大宗商品加密资产风险管理
arXiv papers

本研究考察可以放弃预测的分类器如何影响交易决策。标准方向分类器总会隐含一个市场头寸,而选择性分类器在拒绝预测时可以让投资组合保持空仓。论文探讨了二元分类和三元分类设置;后者增加了一个表示较小价格变动的类别,为模型提供了另一种避免方向判断的方式。选择性会在预测准确度与获得预测的输入占比之间形成权衡。…

机器学习期货大宗商品回测
arXiv papers

本研究比较比特币、GBP/USD、黄金和天然气对数收益序列的复杂度。研究采用多重分形去趋势波动分析和改进复合多尺度样本熵这两种方法,以量化不同尺度下结构的不同方面。此项比较旨在说明不同资产类别的市场可预测性和相关风险可能有何差异。…

加密资产外汇大宗商品统计学
arXiv papers

本文研究电力收益的统计特性,指出其波动性很高且呈现明显的均值回归倾向。文中将极端价格变动视为交易风险来源,并着重测量不同时间尺度上的依赖关系,而非提出交易策略。 文中列出三种方法:赫斯特重标极差分析、去趋势波动分析和周期图回归。所提供的描述未给出估计值、样本期、数据来源或方法间的比较,因此无法据此定量判断所述依赖关系的强度或持续性。其范围仅限于指出用于研究电力收益均值回归的分析方法。

大宗商品均值回归波动率统计学
arXiv papers

本文介绍能源现货价格的模拟方法,将价格建模为两个独立过程之和的指数:均值回归的奥恩斯坦–乌伦贝克过程和纯跳跃过程。跳跃部分遵循复合泊松过程,跳跃幅度服从正负双向指数分布,使模型既能表示常规均值回归,也能表示偶发的价格尖峰。 据称,所提出的方法精确且计算速度快,并被用于在不同跳跃扩散设定下为亚洲期权、天然气储存合约和摆动期权定价。本文强调计算优势,但所提供文本未给出数值基准、校准细节或定价比较。因此,该模型的实用性取决于其假设与相关能源市场的匹配程度,以及摘要以外的证据。

大宗商品均值回归波动率衍生品定价