統治，英帝國！

telegram警報是您所需的所有通知。它是最容易設置的方式。

穩定幣市場做市非常輕鬆，如果你想要一些輕鬆的做市經驗。去做穩定幣對穩定幣市場的做市。超級非毒性，實際上可以手動完成。我曾經手動做市時吃到肉。

讓特徵分布表現良好在大多數情況下是輕鬆的0.25-0.5的夏普比率(假設首先是alpha&分布沒有表現)

=== 策略衰退前的夏普比率和最大回撤 ===
關於夏普比率或卡爾馬比率，有一點有趣的是，它表明了當策略失敗時，你將如何處理這些事情。
當一個策略“死亡”時，你實際上是在說，考慮到實時追蹤 + 回測(，實際上這應該是同一回事，因爲一旦你通過實時驗證了回測是有效的——即沒有過擬合，成本假設合理，等等，你也可以依賴回測並認爲它相當有用，顯然這仍然是由實時驅動的，最終需要確認)是如此糟糕，以至於與歷史數據有實質性的偏差。這裏的關鍵術語是“與歷史數據有實質性偏差”。
考慮到 X MDD，在哪裏我可以結束一天？我非常確定有一種數學方法可以做到這一點，但對我和大多數 PM 來說，它一直是 (，並可能會繼續是 ) 一種非常任意的直覺判斷。但確實，你可能能夠計算出一些概率。
這一切都是我主要觀點的背景，那就是Calmar/Sharpe比率越高，我們就越能提前判斷策略是否失敗。這對我們非常有利，因爲這意味着我們可以更早地防止損失！
以一個極端的例子爲例，一個套利策略。你一旦有幾天表現不佳，你就知道結束了。套利策略通常不會有下行日，因此如果你連續幾天表現不佳，你就知道結束了。(雖然我承認這並不總是如此——我在一個規模較大的地方做過這個，夏普比率在我所在的一個商店裏勉強超過3，這也是因爲我們持有了大量庫存/風險來實現它。我們每月的交易額達到數十億，因此必須以足夠的容量進行交易，高夏普的輕鬆資金規模較小)

林迪效應與套利:
(如何提高填充率！)
林迪效應的一般觀點是，某樣東西存在的時間越長，它將繼續存在的時間也越長。紅酒是林迪的，而紅牛則不是。
這實際上相當適用於套利機會，因爲套利也遵循這一原則。
任何給定套利的預期壽命通常依賴於幾個因素，包括：
- 場館組合
- 套利的規模
- 對於那個場所，正常的套利是什麼
- 硬幣
但最重要的是:
- 這種套利已經存在多久了
那麼我們爲什麼關心預期壽命呢？
好吧，這一切歸結爲所謂的不完整。一個不完整 - 不完整套利交易的簡稱，是指一條腿成交而另一條腿沒有成交。
想象一下你爲兩個腿發送限價IOC，但只有一個成交。當這種情況發生時，通常是沒有任何優勢的腿，因此你必須將其撤掉。你現在已經進行了兩筆交易，但什麼也沒有得到。
所以很多有利可圖的套利交易歸結爲優化你的不完整性。因此，我們可以在套利中使用林迪效應。
如果您現在爲等待添加一個閾值，例如 Xms ( 可能 100ms )，那麼這將排除所有的超快套利交易者，您幾乎沒有機會戰勝他們，並且將大大改善不完整率。您可以輕鬆優化此參數以改善不完整情況。
有關如何最佳捕捉套利機會的更多知識，請查看我博客上的文章：
www dot algos dot org

短線向上破位比短線動量要常見得多。
反轉是最常見的

令人震驚的是，OpenAI 的任何人都沒有意識到 "不要在代碼注釋中放入表情符號" 不應該成爲系統提示 / 微調的一部分

一旦你使用了Github桌面GUI，你就不會再回去了。
功能基本，有時你仍然需要使用終端，但圖形用戶界面要快得多且更簡單

如果你無法足夠快地迭代你的想法，你將會失敗。
一個扎實的過程/方法很重要，聰明也很重要，但如果你不以快速的節奏迭代，你就會失敗。
這是一種創造緊迫感文化並投資於正確工具的問題。

LASSO真糟糕。
在用於集成時，它實際上與取平均值相當。
回歸分析也很糟糕。總之，不要使用LASSO。
還有…如果你要去掉功能，應該提前手動完成這一點，像是拜托，這就是糟糕的功能設計。

預測說明:
我認爲1小時及以上的K線圖應該使用ridge，但當你使用1分鍾/5分鍾的K線圖時，通常發現XGBoost更勝一籌。
5分鍾需要一些仔細的調校，但1分鍾，尤其是秒數，你會看到XGBoost通過更好的模型在你的信息系數上額外提升0.01-0.025。
XGBoost非常酷，因爲你可以避免NaN值(，這通常是回測中的一個問題，即不同的數據集可用性用於回溯，一個提供者可能有10年，另一個2)。
當然，你可以進行插值，但這並不是最現實的方法，技術上來說，它具有前視性，因爲你提前揭示了特徵的均值/中位數。你也可以使用一種無前視的均值，但仍然...
對於線性內容，如果你無法承受1小時及更高時間框架的擬合，並且想處理NaN，你最好的選擇是進行IC加權集成，並在出現NaN時重新計算權重(確定各特徵的IC以及哪些特徵在集合中時，確定應該是什麼權重並不是特別昂貴)。

做多形式內容是林迪

如果你在 Factor Zoo 中，你就是 NGMI
你應該在阿爾法叢林裏

有時你發一條推文後不得不刪除它，因爲這個世界不能知道rentech的alpha祕密

如果它們不來自法國的特有地區，它們就不是真正的殘差收益。

在HFT中，大多數平滑處理使用的是EWMA，因爲當你要求開發人員保留大量價格緩存並保持系統性能時，他們會感到煩惱。