Stat Arb

在網上挖掘WQ訓練資料，尋找新的轉換方法時，發現了一個來自詐騙團夥的寶藏，他們將Alpha複製貼上，冒充為WQ顧問

自從Claude代碼推出以來，出現了一群對算法交易感興趣的人，他們之前沒有足夠的智商來開發一個有效的交易算法，但現在卻自我標榜為RenTech。我聽說有人說他“在Jump與量子交流過”，並看到了秘密武器。

MM 知識 - 微價與公平價值：
我有時會被問到使用哪種公平價值指標最合適。選項通常包括：
- 標記價格
- 中間價
- 加權中間價
- 微價
一般來說，對於流動性較高的工具，中間價通常是正確的。也許有人會問如何在不同交易所之間進行加權 (例如成交量加權、未平倉合約加權，或者一些自訂方法)，但這是普遍接受的標準。
在期權方面，你常會發現流動性較低的期權最好使用標記價格或某種加權中間價，因為它們的訂單簿會有較大偏差。你可以嘗試不同的方法——對於流動性較高的期權，可能是中間價，或者也可以用加權中間價 (你可以玩玩這個，我認為這不應該是決定獲利能力的關鍵問題——如果有的話)，但對於流動性不足的工具，這會更為重要。
現在，我們來談微價。微價我認為既聰明又愚蠢。聰明的部分是那個 Stoikov 沒有發明的，早在他發表之前就已經存在了。那就是圍繞未來公平價值 (預測)進行報價，而不僅僅是當前的價值。
愚蠢的部分是他所使用的隱馬爾可夫模型——我認為這沒什麼用，並且這絕對不是在實務中構建市場做市商預測的方法。
對於一個典型的預測模型，我們可能會使用 ridge (在基本層面上)，然後結合各種特徵，從訂單簿失衡到更小眾的想法。對於我們的預測範圍：
這將由兩個因素決定。我們的標記退出點，以及我們的持倉時間。如果我們的標記退出點在5秒後沒有明顯變差，那麼我們就關心5秒，但如果你只持有3秒，那麼我們可能只

Rust 非常適合用於與 LLMs 搭配使用。在編譯器中自然檢查許多錯誤，並且作為一種語言非常高效。是一個如果你需要寫出高性能代碼的話，效果很好的選擇。

當我搭乘飛機或火車時，我會打開一個筆記檔案，然後坐著思考功能或賺更多錢的方法。\n\n這讓我的創意管道保持忙碌。

信不信由你，我發現，最強的特徵往往具有最線性化的行為。
這也顯然暗示了，只有在弱特徵中，特徵與未來回報的曲線才會顯得波動，這是缺乏信號的本質。
你可以在某些特定類型的特徵中找到一些非線性，但一般來說，它們與未來回報呈線性映射。

Grok 發現超過 3 夏普比率的 100 萬個 alpha。

𝗘𝗿𝗿𝗼𝗿
您的帳戶目前被鎖定，原因是多次舉報您作為一名糟糕的量化分析師，浪費整個公司的預算來訓練神經網絡。如需更多資訊，請聯繫 X 支援。