Stat Arb

我申請開設帳戶超過兩年前的銀行今天回覆我 😵‍💫

平均的創業公司是“多任務駕駛軌道，用於主動工作流程”，然後它只是一個內置ChatGPT的瀏覽器。

第二部分已推出。我們找到多個 >5 夏普比率的信號，與未來回報高度相關，並在下一篇文章中建立一套用於因子建模的特徵集。

無法在加密貨幣中找到動量因子的人，在實務術語中被稱為“技能問題”。

進行高頻交易模擬 😵‍💫😵‍💫😵‍💫

預測：
5分鐘及以下 - XGBoost
15分鐘及以上 - Ridge
你可以通過對每個特徵擬合非參數回歸來提升 Ridge，作為中間方案。為了減少擬合，你可以加入一個假設，只有在驗證通過時才進行擬合。
這通常是按預測時長的最佳模型。

我記得我曾經參加過一次會議，一位量化基金的高管（非技術人員）告訴我他們使用的所有替代數據集的完整清單。
他顯然不知道這些資料可能應該保密，因為測試數據集是很大的工作，而且其中許多都是利基的，但這幫我省了測試二十多個數據集！

從未提升價格

在最新的文章中，我們詳細分析了如何研究和評估高頻交易（HFT）阿爾法，並解釋了頂尖交易公司使用的高級技術。

我發現 HPCA 是一個非常有用的特徵選擇工具。它使你在需要在特徵之間做出選擇的集群比相關性網格更清晰。

單元測試是承認你的程式碼可能有錯誤的證明。真正的手動高頻交易開發者不會使用它們

ChatGPT 讓原本無法勝任的人能夠產生漂亮的圖表，這已經徹底改變了量化交易領域的格局

我看到一些關於訂單簿與 RFQ 的評論。作為一個曾報價過兩者的人，分享一些我的想法：
1. RFQ 本質上只適用於 taker，因此你會受到成本的限制，無法通過將其轉化為頭寸來實現高周轉策略所需的超低成本執行。
2. 對於不是特別大規模的交易，訂單簿通常會提供更好的成本。
3. 在淨風險與總風險顯著不同的情況下，RFQ 可以表現得更好。這包括多腿頭寸和期權結構（在訂單簿中執行時，你支付的是希臘指標的總額，但在 RFQ 中執行時，你支付的是淨額）。
4. 當交易大額時，只要成交不公開，你實際上可以進行執行套利，即場外交易台以其執行成本執行頭寸，並向你收取比你用自己低效的執行算法（如基本的 taker TWAP）執行頭寸更低的費用。
除了那些試圖進行大規模交易或在總風險與淨風險之間存在極大差異的情況外，RFQ 無法與訂單簿競爭，訂單簿在常規情況下應該是首選。

對於那些不擅長編程、想嘗試量化策略的人來說，我認為：是一個用於研究和部署策略的絕佳產品。還處於早期階段，但非常酷！值得一試 :)
[這是真誠的推薦，我沒有任何財務利益]

我曾在通話中遇過斯托伊科夫一次，並認為他完全是個白痴。
也不要太相信學術界。