pedma

現在用 AI 做 warnings+reports 變得超便宜，而且真的很有用
我有這樣一個 fata fetch 在某個奇怪的尾端裝置上失敗了，我的手機就跳出警告
我就讓這個代理依照我們產生的所有報告去調查，幾分鐘內我就得到解釋和解法
我們真的生活在很棒的時代
以前我得回去一層層鑽進細節，才能弄清楚到底發生了什麼
也許這會讓我對我的程式碼基底有更好、更深刻的理解，但我不知道那只是理想化的說法，還是真的值得花幾個小時去除錯一個問題
不過我總是會努力想看懂輸出
我在我的 claude md 檔裡有一段這樣的內容：明確要求我一定要用一種容易消化、讓我能理解的方式來描述問題
而且我也總是會至少大方向地去理解問題的根本原因
我沒有讓代理在我的程式碼基底到處亂跑、在我嚴格核准之前就去做更改
我覺得短時間內也不會改
我真的不會信任一個在沒有我監督下就會碰到我資金、被人改來改去的程式碼基底
也許是能力問題，也許我可以讓代理去檢查輸出並回報我，這樣我就能更快
我也不知道，我現在只是有點碎念而已，我覺得我沒看到它

我從今年年初就透過自己的基礎設施，將整個投資組合進行交易
這不代表一路上都運作得完美無缺
只有從 5 月中旬開始，訊號產生 + 執行引擎的成功率才大約在 100%（偶爾會下滑）
這不代表我的交易是錯的，儘管有些時候確實也有那種情況
一個成功的標準是：每個單獨的模型都能完整跑完資料擷取、清理、訊號產生、投資組合風險等流程，並且在執行交易時沒有任何問題而成功
還有其他因素也在影響這些結果。有些模型已經過時，且不再啟用，所以我沒有維護它們，這導致平均值被拉低，因為每次它們運行都會出錯
所以一路上並不完全是失敗，但我每週都要修很多東西
現在穩定性與健壯性已經好很多，就算到現在我也仍會偶爾發現一些需要我注意的地方
另外，我們很快會把它改成 15 分鐘再平衡（rebalance），那是我們正在努力的方向，這會是一個比較慢的過程，也需要我花時間到足夠信任，才會把大部分資金切換過去
我從來沒有在規模化的情況下，透過自己的程式碼做過全自動交易。所謂規模化的意思是：讓我的整個投資組合交給某個會自己執行的演算法
我一直都更偏好混合式方案：我按一下按鈕，但仍會從整體角度持續檢查，確認一切看起來都合理
不過，改進有時候會讓人感到害怕，尤其是當其中有風險時——而這也大概就是「改進」這件事本身的意義吧

夥伴們，這個月真不好過
我本來應該去把它做完
問題是我沒有船
而且我其實也不怎麼釣魚
但聽起來很酷

嘿各位，我需要你們幫忙
我知道這很渺茫，但一位家人兩天前在德國的車庫裡把 BMW M5 被偷走了
如果你們有任何資訊，或認識可能知道的人，只要能促成找到，我願意支付一筆非常慷慨的尋獲酬金
感謝你們

買了多年來第一款非多人遊戲，我昨天玩了，感覺蠻酷的。想走回我以前沒時間玩的經典路線，這款是被推薦的。雖然我可能要花一點時間才能通關，但如果你接下來有任何推薦，跟我說一下喔

現在我也針對 5 分鐘 K 線執行了相同分析，我們可以看到預測與接下來 5 分鐘的實際波動率相當吻合且相關性不錯
有趣的是，平均實際波動率在每個分位組（decile bucket）都始終比平均預測更低；但在日線（daily）預測中並非如此
也許可以在另一次時間再想想這件事
那麼，要預測盤中（intraday）的波動率，最佳的時間窗該怎麼選？

我不喜歡只用一個視窗的想法，但我也不想讓它變得太慢；這個概念是要對波動突發（bursts）的情況快速反應。
所以讓我們在滾動年化波動率指標上再加入幾個長度，例如 20、60、120、200。
這是我憑感覺在做的 Kwanting，看起來不錯。
我認為加入多個視窗的混合，能讓估計的雜訊更小；
但我們很快就能看出，隨著滾動視窗變大，預測準確度會下降，這是合理的。
我可能會讓更短的視窗權重更高，但仍保留混合，不確定這部分。
一方面我想要更快，另一方面我又不想加入不必要的 churn。

對於量化迷來說，這裡有一篇關於實現波動率（realized volatility）的有趣論文，而且他們確實會深入短期預測之類的內容。

當 AI 剛開始變得像樣的時候，人們就擔心它在交易、找邊（edge finding）等方面的角色
差不多都快到七月了，我從去年十月開始建我的基礎設施，把所有更新的模型都用到極致，但我還有很多事要做，才能把它專業地做成可上線的產品
幾乎每天我都能找到要做的事。我有一條想法與任務的管線，而且每週都在加速增長，比我能處理的速度還快
我不會把自己歸類成交易專家，但我做這個已經快 9 年了，所以我想我至少在「如何把這些事做好」上，比平均水平更有概念（希望如此）
我覺得 AI 只是把我原本不可能有的帶寬（bandwidth）給了我——如果我之前沒有一個團隊的話，這點就不可能
對，我同意或許 alpha 會因為人們能更快地打造出東西而更快被套利（arbed），尤其是獨立交易者之間，這趨勢還會越來越明顯
所以對那些亮眼的東西（也許）就有更多競爭
但我不會在這方面多做推測，我只是會照著過去 9 年我每年做的那樣去做
如果有什麼變化導致我再也無法競爭，那也沒辦法，我們到時候再想辦法
還有太多事要做，簡直不可思議

我已經實際理解到：問題在於太多理論、但真正去做的卻很少。
當我開始打造這套新的交易基礎設施時，我一開始就把重點放在：儘快把我能做到的最基本版本投入生產環境。
一開始它是一個簡單的多/空方向性模型，到了今天就已經不是那樣了。
但直到現在，我才開始反向回顧那些問題——很多想成為交易員的人（很多在量化論壇上）一開始就想要去解決的問題。
例如，這週我的重點是降低換手/周轉（churn/turnover）。
這可能應該在把模型投入生產之前就先好好優化，對吧？
嗯，我嘗試了很多不同的做法，但沒有任何一種能比得上我現在正在做的最簡單的那種方法，產生更好的結果。
所以我就想更「宅」一點，重新思考整個方法：把它變成預測（forecast），而不只是純粹的訊號權重。
想法是：與其只假設「某個 X 訊號 + 一個閾值」就足以讓這段倉位產生足夠的經濟價值、從而支撐換倉（churn），如果我們改成——給出一個數字：一個預測，預估我期望從這段曝險中獲得的報酬，那會怎樣？
這個數字來自我在訊號層（signal layer）所做的工作。
我以前從來沒有把這兩者連起來；像我說的，我只是讓最簡單的東西先跑起來。
好吧，結果發現：這些預測用來量化訊號，其實是一種低效率的方式。
例如下面這張圖，是我交易的一個模型的回測（BACKTESTED）表現。
為了做這件事，我只是