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

765 份文档

《交易机器学习》

此工具使用入场和出场时相同的标的、行权价和到期日,为标普500跨式期权构建标签产物。它将特征日期与之后的市场时段对齐,构造五个和十个交易时段后的出场日期,并合并看涨期权与看跌期权价格,以计算跨式期权收益。它还记录买卖报价,并可保存源价格面板。产物会一并保存缓存范围,避免将减少标的数量或缩短日期范围的运行误认为完整覆盖。…

期权衍生品定价回测风险管理
《交易机器学习》

本笔记本对领先的ETF配置组合应用头寸级风险控制,同时固定每种组合所依据的预测、集中度和配置方法。它将止损、移动止损和时间退出规则与原策略进行比较,并强调止损可能同时截断亏损和收益。由于头寸通常持有一个月,提前退出的规则也会导致资金闲置,直至下一次再平衡,因此触发频率和剩余持仓期限都很重要。…

股票风险管理回测仓位规模
《交易机器学习》

本文介绍交易研究流程如何评估潜在因子模型拟合是否以可用状态完成。对于通过梯度下降训练的模型,流程会检查最后记录的训练目标是否为有限值;对于随机贴现因子模型,还要求终端夏普比率为有限值。最后两次观测之间的目标值变化会作为诊断信息记录,但不会决定是否成功,因为最后一步较大可能源于训练安排,而非拟合失败。…

机器学习因子投资风险管理
《交易机器学习》

本笔记本查询九个案例研究的回测注册表,并汇总成可供后续分析的可比表格。它按资产类别和数据频率整理结果,记录信号、配置、成本和风险阶段的表现,以及模型系列信息和验证集至留出集的结果。其选择流程比较完整的策略规格——信号、配置方法和风险覆盖规则——并将选定配置用于重新训练后的留出集运行;若该候选项无法产生可用的留出集回测,则改用另一项符合资格且按验证排名的候选项。…

回测统计学投资组合构建风险管理
《交易机器学习》

本文介绍对标普 500 跨式期权进行的一年样本外回测。评估使用在留出期之前的历史数据上重新拟合模型所得的预测,并沿用此前选定的策略、配置、集中度、每周入场安排、对冲规则和交易成本。笔记本不再进行新的选择,采用与验证阶段相同的回测流程,并由留出集划分确定价格区间。注册表检查确保预测来自预期的训练运行、已登记策略与所选配置一致,并将结果记录为留出评估。…

期权回测风险管理美国市场
《交易机器学习》

本文档介绍实验登记系统如何跟踪模型从训练配置、预测到回测结果的全过程。每个阶段都会根据规范化后的规格生成标识符,使重复的相同运行对应同一条记录,而配置变更则生成不同标识。通过连接登记表,可以重建可搜索目录,其中包括验证信息系数和基准回测指标。文中区分预测排序与策略选择:信息系数描述预测对结果排序的能力,而策略选择使用验证回测夏普比率,并考虑换手和成本等交易影响。 随后,文中追踪目录条目对应的清单和产物文件,并将本地登记系统的查询与由选定运行填充的 MLflow…

机器学习统计学回测风险管理
《交易机器学习》

本章将投资组合构建介绍为把收益预测、风险估计和约束条件转化为权重、杠杆及再平衡决策的过程。章节提出一套研究流程,用于记录配置器选择、避免信息泄漏,并将预测与仓位规模确定分开。评估除常规风险和收益指标外,还应包括相对基准表现、集中度、多元化、风险贡献和实施稳定性。 本章将等权和波动率倒数等简单基准与凯利仓位、均值方差优化、收缩、风险平价、层次风险平价及深度学习方法进行比较。核心实践启示是,应使用相同输入和回测流程,将复杂配置器与公平基准比较,同时考虑其额外的估计选择。本章概述介绍了使用 ETF…

投资组合构建风险管理仓位规模回测
《交易机器学习》

本笔记介绍如何评估持仓层面的退出规则,并将其与投资组合整体控制相结合。固定止损、止盈和时间退出规则与移动止损、收紧止损形成对照;分档退出则在连续达到盈利阈值时逐步减仓。RuleChain 按优先顺序应用第一个触发的规则,而 AllOf 要求所有规则都触发。这些示例展示了策略选择如何影响记录的操作和退出原因。…

风险管理仓位规模回测投资组合构建
《交易机器学习》

本笔记研究当加密货币永续合约特征矩阵以多种方式衡量同一经济量——溢价时,岭回归、套索回归和弹性网络的表现。输入特征以溢价水平、变化、波动率、标准化位置、排名及相关资金费指标为主,描述其他情况的特征较少。岭回归会收缩相关系数但保留特征集;套索回归可以将系数置零,并在近似重复特征中进行选择;弹性网络结合了两者的作用。套索惩罚按各折中可使所有系数归零的阈值进行缩放,从而使不同配置在各折中形成可比较的惩罚路径。…

加密资产永续合约机器学习统计学
《交易机器学习》

本研究将已登记的模型预测转换为可比较的标普 500 期权策略。在每周决策日对预测收益排序,筛选高流动性范围,并卖出排名靠前标的的等权平值跨式期权。每个头寸持有至到期,并按内在价值以现金结算;同时监测标的资产的 Delta,并在其越过阈值时进行对冲。持有标的数量根据配置定义的集中度网格变化;本次比较中,其他策略设置保持不变。…

期权股票回测交易执行
《交易机器学习》

本笔记展示拉德马赫反血清协议如何校正从一组已测试策略中选出胜者所带来的影响。它根据候选策略的表现路径估计经验复杂度,并说明候选策略间的相关性如何改变校正结果。该协议从观测结果中减去复杂度惩罚和估计误差,得出较低的表现界限。本笔记将其与膨胀夏普比率进行比较;后者在不同假设下估计经过选择偏差调整的概率。…

回测统计学风险管理
《交易机器学习》

本笔记为小时级加密货币永续合约开发双模型离场策略。入场分类器识别异常强劲的未来收益,离场分类器则预测下一段未来收益是否为负。离场模型将入场模型的概率作为额外特征,其训练值通过扩展窗口折外预测生成,因此每个值都来自未用该观测训练的模型。为限制信息泄漏,采用按时间顺序划分,并在标签期限边界进行清除。 比较将分类 AUC…

加密资产永续合约机器学习回测
《交易机器学习》

本笔记汇总九个市场案例研究的结果,构建逐步累积的策略筛选漏斗。它依次检验模型的信息系数是否为正、选定配置的验证夏普比率是否为正、表现是否经受住适用的交易成本机制、留出集夏普比率是否为正,以及风险和不确定性证据是否足以支持采取行动。若某一阶段不适用于某案例研究,则标为不适用,而非失败。 另设排除分类体系,用以区分信号问题、实施不可行和证据质量不足。本笔记呈现淘汰数量和各案例结果,并将每项判断关联到流程数据。讨论强调,仅凭预测指标并不足够:成本取决于交易工具,报告中醒目的夏普比率必须结合风险控制和留出集证据来解读。…

回测统计学风险管理交易执行
《交易机器学习》

本笔记说明,哪些策略适合用预先计算的数组清晰表达,哪些策略则适合采用顺序模拟,让持仓、成交、现金、已实现盈亏或权益随时间推进。当完整流程可预先指定时,基于数组的回测很有吸引力:运行高效并支持大范围参数扫描,但中间数据可能占用大量内存。顺序回测逐根柱线作出决策;当执行结果会影响后续操作时,这种方式更容易检查。…

回测仓位规模配对交易风险管理
《交易机器学习》

本笔记在留出期间评估一个此前选定的标普 500 期权配置。它沿用已登记的模型预测和策略设置,包括信号安排、资金分配、对冲规则和交易成本,不根据留出结果进行调参。登记检查可防止在未明确退役先前样本群体的情况下,使用不同的预测集或策略在同一窗口进行评估。 回测沿用与验证相同的执行路径,随后将登记的留出指标与选定配置的验证指标进行比较。这提供了一个未参与选择期间的收益序列,同时将报告的比较保持为描述性分析,而非把留出期当作另一个筛选阶段。本笔记还区分了用于选择配置的验证夏普比率与用于比较候选项的共同支持样本图。…

期权回测风险管理美国市场
《交易机器学习》

本笔记构建一个投资组合配置器,在 LSTM 编码器之前加入类似 Temporal Fusion Transformer 的变量选择网络。选择网络分别嵌入每项输入特征并分配 softmax 权重,使模型能够随资产和时间变化调整所侧重的信号。LSTM 处理选定的表示,生成有界标量信号;投资组合层再将信号转换为目标波动率的多空权重。…

股票机器学习投资组合构建风险管理
《交易机器学习》

本文介绍如何为横截面 ETF 动量和轮动假设构建并检查特征矩阵。它定义每项特征的回看窗口和信息滞后,再构建滚动收益、风险调整收益、波动率、趋势和市场状态指标、横截面百分位数以及收益率曲线背景。价格衍生特征使用决策收盘前可获得的观测值;宏观序列则按照声明的可用性政策延迟。特征设计包含多个动量期限,并在选定的较长窗口中跳过近期表现,以考虑短期反转。…

股票多资产动量技术指标
《交易机器学习》

本文介绍一套账本,用于在回测中将资金现金流计入永续期货持仓。每个资金费时间戳,它都会使用持仓的带符号数量、当前标记价格、合约乘数(如有)以及资金费率计算现金调整。因此,正资金费率对多头和空头的影响相反。 账本会将时间戳标准化为…

永续合约回测衍生品定价风险管理
《交易机器学习》

本笔记评估止损、移动止损和固定期限退出规则,作为 CME 期货策略的叠加层。对于每个预测期限,它会对先前信号和配置结果中验证夏普比率最高的母策略应用已配置规则。叠加参数在验证运行前固定在配置中,并且每项声明的规则都必须完成,以保持测试候选集一致。…

期货风险管理回测套息
《交易机器学习》

本笔记对不同期限国债收益率的变动应用主成分分析。对变动进行标准化,使每个期限的影响相同;得到的主成分被解释为水平移动、曲线变陡或变平,以及曲率变化。移动区块自助法在考虑短期依赖的同时,评估载荷模式的稳定性。分析还会重构收益率变动,并将因子敞口与关键利率 DV01 联系起来,用于说明性对冲。 本文将 PCA…

固定收益统计学风险管理投资组合构建
《交易机器学习》

该笔记将 21 个交易时段的 ETF 远期收益预测改写为二元任务:正收益标记为上涨,其余标记为下跌。笔记使用按时间顺序进行的滚动折和清除间隔,拟合经过 L2 和 L1 正则化的逻辑回归。缩放参数在每个训练折内学习,再应用于其验证数据,以减少数据泄漏。评估指标包括准确率、精确率、召回率、F1、ROC-AUC、对数损失、校准和基于系数的特征分析。 笔记讨论类别不平衡、求解器选择、概率校准,以及将概率用于仓位规模计算的可能性。其结论提醒,AUC…

股票机器学习统计学风险管理
《交易机器学习》

本教程通过最大化预期对数财富增长,推导二元赌注的凯利比例,并将这一思路扩展到连续收益和多资产投资组合。教程使用符号微分和共享抛硬币结果的模拟,比较按最优下注额不同比例下注时的财富路径。投资组合计算将预期收益和协方差与隐含杠杆联系起来,并考察不利变动可能如何威胁账户。…

仓位规模投资组合构建风险管理统计学
《交易机器学习》

该笔记展示了针对两种线性股票模型配置的验证预测误差所设的两种顺序监测器:双窗口均值漂移检测器,以及监测坏日频率的监测器。每个检测器都在初始时段校准,然后应用于之后的交易时段。另有一项基于波动率的独立指标用于识别市场动荡时期,以便将预警时间与市场条件变化进行比较。研究范围仅限于流动性较高的股票,这些股票根据监测期之前的数据排名;笔记还检查了被比较的预测序列是否彼此不同且覆盖范围足够广。…

股票机器学习统计学风险管理
《交易机器学习》

本章将交易成本视为策略研究和部署全流程中的约束,涵盖因子评估、回测、投资组合构建、风险监督和生产监控。章中区分显性费用、隐性价差与冲击成本,以及容量限制,并介绍从价差假设到线性冲击和平方根冲击的基准成本模型。章中还解释了成本为何会随流动性、波动率、市场状态、紧迫程度和时段而变化。 执行方法如 TWAP、VWAP、自适应参与率和…

交易执行市场微观结构回测风险管理