StatArb

Wawasan eksekusi:
Pengejaran per simbol berkorelasi dengan ukuran tick.

Bermimpi TWAP saya terisi sebagai taker sebesar 78% dan pagi ini terbangun dengan perasaan sangat kesal karenanya

Kecerdasan yang sebanding? Omong kosong.

Basis membunuh

Semua orang di kantor punya suara notifikasi pengisian masing-masing, terdengar seperti kasino Vegas di meja saya

Hanya hari lain di meja untuk Citadel, itu yang saya harapkan

Jika ada PM/quant lain yang bekerja penuh waktu di industri ini dan ingin bertemu di London, hubungi saya. Akan senang berdiskusi pekerjaan dengan PM lain :)

Masalah utama dari sebagian besar "agen AI untuk trading" atau "startup X yang terkait dengan perangkat lunak trading" adalah bahwa mereka dibangun oleh orang-orang yang belum pernah bertrading sebelumnya.
Itulah mengapa mereka selalu menyasar pasar ritel karena mereka tidak memiliki akses ke pasar institusi dan bukan bagian dari jaringan tersebut.
Banyak produk institusional yang berkualitas sangat tinggi (banyak juga yang tidak), tetapi secara keseluruhan saya melihat banyak perusahaan yang melakukan semacam startup Silicon Valley standar tetapi mencoba merevolusi trading dengan masalah utam

Sebagian besar dataset sentimen dalam kripto yang saya temukan sebagian besar dijelaskan oleh faktor volatilitas dan momentum.

Bank yang saya ajukan untuk membuat akun lebih dari 2 tahun yang lalu mengirim email kembali hari ini 😵‍💫

Rata-rata startup adalah “rel kereta kerja multi tugas untuk alur kerja agenik” dan kemudian itu hanyalah sebuah browser dengan ChatGPT terintegrasi

Bagian 2 sekarang sudah keluar. Kami menemukan beberapa sinyal Sharpe >5 dengan korelasi tinggi terhadap pengembalian di masa depan, dan membangun seperangkat fitur untuk pemodelan faktor di artikel berikutnya.

Orang-orang yang tidak dapat menemukan faktor momentum dalam kripto memiliki sesuatu yang dalam istilah praktisi disebut sebagai "masalah keterampilan"

Melakukan simulasi HFT 😵‍💫😵‍💫😵‍💫

Peramalan:
5 menit dan di bawah - XGBoost
15 menit dan di atas - Ridge
Anda dapat meningkatkan ridge dengan memasang regresi non-parametrik per fitur sebagai perantara. Untuk mengurangi fitting, Anda dapat menambahkan hipotesis, dan hanya fitting jika itu tervalidasi.
Ini biasanya merupakan model optimal berdasarkan horizon.

Saya ingat suatu kali saya pergi ke sebuah konferensi dan seorang eksekutif dana kuantitatif (non-teknis) memberi tahu saya daftar lengkap semua dataset alternatif yang mereka gunakan.
Dia jelas tidak tahu bahwa seharusnya daftar itu tetap rahasia karena dataset pengujian adalah pekerjaan yang cukup besar dan banyak dari mereka bersifat niche, tetapi itu menghemat waktu saya menguji lebih dari 20 dataset!