量化研究工具
面向投资研究与模型审查的可复用分析功能；每项工具都在一个历史研究示例上运行，并写明输入、输出和适用限制。
这些工具展示我如何把金融数据转化为可以核查的诊断结果，用于投资研究和模型审查。每个工具页都写明它读取、计算和输出什么，适用到哪里为止，并在一个历史研究示例上运行。示例只用来说明工具如何工作，并不表明某个策略或模型比另一个更好；这里也没有任何交易或预测服务。
直接查看工具：
投资组合风险诊断
工具页：收益状态行为画像
它回答什么问题。 一条收益序列在常态月份、强势上涨、修复、下行和尾部月份中分别表现如何？每个数字背后有多少个月的数据？
| 要素 | 说明 |
|---|---|
| 需要提供 | 同一组月份的带日期月度策略收益与基准收益（现金收益可选）。市场状态只由基准决定；因子、信号和股票特征都不直接输入。 |
| 计算内容 | 由基准划分市场状态；计算各状态下的条件平均收益、下行贝塔和胜率（正收益月份占比），并给出 95% 置信区间和观测数。 |
| 输出结果 | 雷达图及原始数值表、状态规则、观测数、小样本提示，以及汇总统计的 CSV 文件。 |
| 实现状态 | 已实现并测试：对七条收益序列、三种状态定义的全样本诊断。计划中的扩展：让其他策略走同一套流程；更换因子，这需要先重新做上游回测。 |
| 历史示例 | 存档的美国股票多空策略回测，月度数据，2007 年 4 月至 2025 年 11 月（224 个月）：不是实际交易，未经审计，是在更早的研究中从多个配置里选出的，所用信号载荷的估计样本也可能与回测期重叠，因此不是样本外结果。尾部状态只有 12 个月，尾部数字只描述这一样本。 |
宏观预测评估
工具页：宏观预测评估与状态诊断
它回答什么问题。 在相同日期、相同目标上，一个预测模型的误差是否真的小于另一个？差距是否大于偶然波动，即在统计上是否显著？
| 要素 | 说明 |
|---|---|
| 需要提供 | 逐起点的预测记录（预测起点、预测期、模型、实际值、预测值），所有模型共用同一个目标，并事先固定基准模型。用于新问题时，还需要每个预测变量取值首次可得的日期，即其首个数据版次（vintage）的发布日期。 |
| 计算内容 | 各模型在相同预测日期上的误差（RMSE、MAE、方向命中率、样本数）；相对基准模型的 RMSE；差距随时间的累积（平方误差之差的累计值）；用于检验预测精度是否相等的 Diebold–Mariano 检验（带 Harvey–Leybourne–Newbold 小样本修正）；各模型自身窗口与所有模型共同窗口的对比；不同输出版本并排比较。 |
| 输出结果 | 注明预测个数与日期的误差表、附带数字的图表，以及以 JSON 发布的全部计算结果。 |
| 实现状态 | 已实现并测试：评估计算（由存档的逐起点预测重新计算），以及扩展窗口预测函数（复现英国最新一次运行存储的预测，误差在 10⁻¹⁰ 以内）。存档研究示例（未重跑）：数据下载、状态空间平滑和滚动回归。计划中的扩展：读取新预测记录文件的加载器，以及其他变量、预测变量和国家。 |
| 历史示例 | 英国服务业通胀，2026 年 2 月研究快照；ONS 数据截至 2025 年 12 月。这是扩展窗口的伪样本外设计，前视偏差的来源已逐项注明（部分输入在预测起点时尚不可得）；主检验的 p 值没有一个低于 0.05，模型排序也随输出版本和评估窗口而变。 |
每项工具的构建方式
- 数据约定。 每项工具写明它读取的字段、单位和日期，并在计算之前校验输入。
- 测试。 计算有单元测试，并能复现其所依据的存档研究表格；各工具页注明误差容限。
- 出处。 每张图注明数据来源和数据区间；计算结果以 JSON 文件随页面发布。
- 不确定性。 结果附有观测数，以及置信区间或显著性检验；各页面会指出样本偏小之处。
- 工具不是什么。 它们不是交易软件，不接入实时数据，也没有为客户部署；本网站不接受上传数据。