pedma

vip
幣齡 3.3年
最高等級 0
用戶暫無簡介
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
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
為了保護我的資金,或至少分散面臨風險的暴露程度,我在去中心化交易所(dexe)與中心化交易所(cexe)之間分配了若干「分桶」的配置。
然後在每一個群組裡,我會把配置分散在前幾名的那些之中。
所以如果任何一個出問題了,不論是第三方的過失,還是我自己的不夠熟練,我都能繼續運作,而不必從頭再來。
我還想新增第三類,走的是傳統金融(tardfi)銀行業務,但就目前而言,為了稅務最佳化,我仍然不能做到,至少還無法在規模上做到。
這會是一個跨多年的事情。
但理想狀況下,我會希望在銀行裡保留一定比例,以防萬一在加密貨幣領域發生什麼事。
DEXE-9.34%
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
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
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
接下來我要做帳務相關的事情、回覆待處理的訊息,並在週日剩下的時間裡讀信件
我討厭這些事,除了訊息之外,我喜歡跟朋友聊天
我快要再也不打開信件了,但我需要確保不會錯過重要的內容
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
再次順勢迎合炒作
只要從這裡往下跌,將以指數方式增加更多
HYPE3.59%
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
你程式碼庫裡不想看到的那些事
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
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
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
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
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
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
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
我過去的一項時間活動之一是檢舉我在 Instagram 和 YouTube 上看到的交易廣告,認為它們是金融詐騙
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
所以後續結果只是它回到了原本的基準波動,並且我支付了進出雙向的往返成本。
我在這個初步草圖裡估算得太快了,我需要把這部分調得更順。
我現在有幾個方案可以測試。
不過這樣也算是有價值的一天數據,學到了一些東西。
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
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?
查看原文
post-image
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
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。
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
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。
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
我以前從來沒有過。當我全職在滿負荷做交易時,工作一直都是拖累,我只需要把它做完好拿到薪水。
但從來沒有任何事情像是「屬於我」的,像是我為之驕傲的,像是我真的在意的——如果這樣說能理解的話。
到了最後,我很感謝有這樣的感覺。
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
我在看一些關於 Damon 以及《Odyssey》演員群的訪談,其中一件你可以看得出來的事,就是他們對自己所從事的技藝的熱愛。
我常常會對交易說些不太好的話,但我非常感到高興的一點是,我找到了一些我真的、確實很喜歡做的事情,甚至不把它看成是一份工作。
幾乎每天對我來說都是有趣的,當然也有例外,但它真的很令人著迷。
尤其是現在有了 AI,我能做的事情多到超出我想像與知識的界線。
對未來感到興奮,夥計。
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
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
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享
那天我在健身房幫過的那個小孩
我覺得他可能在自閉譜系上,但他超酷、又很好
每次我們聊天都會有點怪,而且我們很難把一句話接得起來
我猜我們兩個都在自閉譜系上
即使不說話,我們也懂彼此
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
在正向的一面,這裡發文美好的地方在於,常常你會得到先前沒考慮過的想法
這也是我一直盡可能多地分享我正在做的事情的原因
一方面是用來幫助我思考寫作,另一方面也因為在有人願意花時間給你建議的那些時候
我透過這樣的過程學到很多
查看原文
  • 打賞
  • 回覆
  • 轉發
  • 分享
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
查看原文
post-image
  • 打賞
  • 回覆
  • 轉發
  • 分享