Stat Arb

执行洞察：
每个交易品种的追单行为与最小跳动单位相关。

做了个梦，我的 TWAP 有 78% 以吃单方成交，今天早上醒来后对此非常恼火

还什么可比的智力，放屁。

基础击杀

办公室里每个人都有自己的“提醒打扰”声，听起来就像我桌边有个拉斯维加斯赌场。

我本来就会预期，这只是 Citadel 桌上又一天的日子。

如果有其他全职从事该行业的PM/量化分析师想在伦敦见面，联系我。很乐意与其他PM交流工作 :)

大多数“交易AI代理”或“交易软件相关创业公司”的核心问题在于，它们是由从未实际交易过的人开发的。
这就是为什么它们总是瞄准零售市场——因为它们无法接触机构市场，也不属于那个网络。
许多机构级产品品质很高（当然也有很多不行），但总的来说，我看到很多公司做着标准的硅谷创业模式，试图革新交易领域，但主要问题是没有人有过交易经验，也不懂如何赚钱。

我发现的加密领域中的大多数情绪数据集在很大程度上被波动性和动量因素所解释。

我申请开户超过两年前的银行今天给我回复了 😵‍💫

平均的创业公司是“multi task harness rails for agentic workflows”，然后它就只是一个内置 ChatGPT 的浏览器。

第2部分现已发布。我们发现多个 >5 夏普比率的信号与未来回报高度相关，并在下一篇文章中建立了用于因子建模的特征集。

在加密货币中找不到动量因子的人，通常在从业者的术语里被称为“技能问题”。

进行高频交易模拟 😵‍💫😵‍💫😵‍💫

预测：
5分钟及以下 - XGBoost
15分钟及以上 - Ridge
你可以通过对每个特征分别拟合非参数回归，作为折中方案来增强Ridge。为了减少拟合次数，你可以添加一个假设，并且只有在验证通过时才进行拟合。
这通常是在预测期/时间跨度维度上最优的模型。

我记得我曾经参加过一次会议，一位量化基金的高管（非技术人员）告诉我他们使用的所有另类数据集的完整列表。
他显然不知道这些信息可能应该保密，因为测试数据集是很多工作，而且其中许多都是小众的，但这帮我省了测试二十多个数据集！