Stat Arb

自从Claude代码发布以来，出现了一群对算法交易感兴趣的人，他们之前没有足够的智商来开发一个有效的交易算法，但现在却自称是RenTech。我听说有人说他“在Jump与量子交流过”并看到了秘密武器。

MM 知识 - 微价和公允价值：
我有时会被问到使用哪种公允价值指标最好。选项通常包括：
- 持仓价格
- 中间价格
- 加权中间价格
- 微价
一般来说，对于流动性强的工具，中间价格通常是正确的。也许有人会问如何进行跨交易所的加权，比如按成交量加权、持仓量加权，或者一些自定义方法，但这通常是公认的标准。
在期权中，你经常会发现流动性较差的期权最好使用持仓价格或某种加权中间价格，因为它们的订单簿会有很大偏差。你可以尝试不同的方法——对于流动性好的期权，可能是中间价，或者也可以用加权中间价。你可以玩玩这个，我认为盈利能力不是由这个问题决定的——如果说有的话——但对于流动性差的工具，这会更为重要。
现在，我们谈到微价。微价我认为既聪明又愚蠢。聪明的部分是指 Stoikov 并没有发明这个概念，而且在他发表之前很早就有人在做。这是围绕未来公允价值(预测)进行报价，而不仅仅是当前的价值的想法。
愚蠢的部分是他的隐藏马尔可夫模型——我认为这没有用，当然也不是在实际中构建市场制造商预测模型的方式。
对于一个典型的预测模型，我们可能会使用岭回归(在基础层面)，然后结合各种特征，从订单簿失衡到更小众的想法。对于我们的时间范围：
这将由两个因素决定。我们的止损点（markouts）和持仓时间。如果我们的止损点在5秒后没有明显变差，那么我们就关心5秒，但如果你只持有3秒，那么我们可能只关心3秒。你会有

Rust 非常适合与大语言模型（LLMs）一起使用。在编译器中自然检查许多错误，并且作为一种语言非常高效。是你需要编写高性能代码时的有效选择。

当我乘坐飞机或火车时，我会打开一个笔记文件，坐在那里思考功能或赚更多钱的方法。\n\n这让我保持创意源源不断。

信不信由你，我发现，最强的特征往往表现出最线性的一面。
这也明显意味着，特征与未来回报之间的曲线只有在弱特征中才会出现波动，这本质上是信号缺失的表现。
你可以在某些特定类型的特征中发现一些非线性，但通常它们与未来回报呈线性映射。

Grok 找到超过 3 夏普比率的 100 万个阿尔法。

𝗘𝗿𝗿𝗼𝗿
您的账户目前被锁定，原因是多次举报您作为一名糟糕的量化分析师，浪费整个公司的预算用于训练神经网络。欲了解更多信息，请联系X支持。

Sigma * sqrt(t)
这个公式在许多领域都可以找到。
- 影响的平方根定律。
- Black-Scholes Merton 时间方差调整 (d1 vs d2)
- 市场规模间的差价，即规模差价与波动率 * sqrt(预期持有时间) 相关。
实际上，3意味着1。

圣诞快乐！

我发现很多alpha，如果用交易量代替波动率在公式中，alpha看起来是一样的。
交易量和波动率非常相关。