价差交易与 Scikit-Learn CTA 信号挖掘

总结

这则活动公告介绍了两个教学主题：期货与现货期货价差交易，以及用于开发 CTA 信号的机器学习方法。价差部分介绍通过价格差分析相关合约、寻找合适的组合、对价差时间序列建模，以及构建价差网格策略。公告还提到 VeighNa 价差交易模块中的执行方式和配置功能。

机器学习部分提出使用 Scikit-Learn 进行特征分析和信号研究，包括 KBins 聚类、特征相关性热图、向量化绩效分析和事件驱动回测。公告还提到构建组合时，可将均值回归价差策略与趋势跟踪 CTA 策略结合。该文档是线下活动提纲，不是完整教程：没有提供策略规格、回测结果、数据详情，也没有证据表明这些方法能够盈利。关于相对风险和表现的说法缺少定量分析支持。

核心观点

• 价差交易关注相关期货合约或现货与期货工具之间的价格差。
• 建议的流程包括选择价差组合、对其时间序列建模，以及实现价差网格策略。
• 活动介绍了 VeighNa 交易模块中的执行工具和可配置价差算法。
• 活动将 Scikit-Learn 介绍为使用特征分析和聚类开展 CTA 信号研究的工具。
• 公告建议结合均值回归和趋势跟踪策略，但没有提供表现证据。

标签

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。