加载中...
本文提出一个可解释的假设驱动交易与严格滚动(walk-forward)验证框架,防止过拟合与前视偏差,并保持每笔交易由自然语言表述的可审计假设来源。以五类市场微观结构假设在100只美股(2015–2024)上测试,结果为年化0.55%、Sharpe 0.33、最大回撤-2.76%、β=0.058,但总体统计上不显著(p=0.34),且表现强烈依赖市场波动率:高波动期显著优于低波动期,表明日频OHLCV微观信号仅在信息到达与交易活动较高时才有效 .
| Regime | Periods (quarters) | Mean Return (Quarterly) | Fold Win Rate | Sharpe |
|---|---|---|---|---|
| Low Vol (2015-2019) | 16 | -0.16% | 37.5% | -0.21 |
| High Vol (2020-2024) | 18 | +0.60% | 44.4% | 1.01 |
元数据与概览(引言与报告概览)
逐节深度解读
图表与表格(逐一解读与解析) 注:下列每个图/表我均先用一句描述其展示内容,再给出数据要点、支持或限制的推断,并在必要处嵌入文中图片(按要求以 markdown 引用相对路径)。
Table 1(Walk-Forward Out-of-Sample Performance,页 14)
Figure 1(Out-of-Sample Returns by Fold & Cumulative Performance,页 15)
Table 2 与 Figure 2(统计显著性检验,页 16)
分析:功效与样本规模
Regime-Dependent Performance(Table 3 与 Figure 3,页 17-18)
基准比较与下行保护(Figure 4 与 Figure 5,页 18-19)
学习与过拟合诊断(Figure 6,页 20)
收益分布与时间序列诊断(Figures 7-8,页 21-22)
估值/定价分析(适用性说明)
风险因素评估
批判性视角与细微差别(审慎评价)
结论性综合(汇总与建议)
附录引用(关键页码索引)
若您希望,我可以:
2512.12924.pdf