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。

准确！

大家请去关注我的第二个账号 @systematicls 和我的第三个账号 @QuantitativeArb

相信我兄弟，这次CNN LSTM策略一定能赚钱。

问答环节现已在博客聊天室开放。目前已有560条回复。许多问题已得到解答！对于希望免费获取行业知识的人来说，这是极好的阅读材料 :)

我进行alpha开发的核心原则是：
1) 迭代速度
2) 易用性
这是什么意思？
第一个很清楚。如果你每天测试10个alpha，而其他人每天只测试2个，那么你的表现肯定会比别人好很多。
那你怎么做到这一点呢？
首先，让我们排除掉数据抓取和预处理。如果你没有自动化脚本来完成这些，你已经注定失败了。这是基本要求。
接下来，获取一个数据加载库。你不应该每次都重写那种glob.glob(folder_path)等代码。你应该用：
load_data(
start_date=start_date,
end_date=end_date,
symbol=symbol,
等等
)
然后是研究数据。什么是研究数据？
你可以从拥有一个股票池开始。你不应该花时间手动去定义一个股票池(理想情况下它也应该是标准化的)。所以你应该加载一个文件，比如按30天交易量、总市值或30天流动性排名前X的标的。不妨大胆尝试各种方式。
从这里我们可以看收益，可以有因子收益、特异性收益、截断收益，当然还有原始收益。全部都要预先生成！
最后要确保我们能够测试所有alpha，并且执行的代码应该快如闪电。你可能觉得只需要X分钟，但只要超过几分钟就是一次巨大的上下文切换，直接影响生产力。
我们已经讲完了迭代速度，现在来说易用性。
易用性是指完成某项分析的难易程度。这是质量与数量优化问题中的质量部分。比如我想做一个季节性分析，

在需要估算一个效用函数时，迅速调用 Desmos

老实说，在这一点上，我宁愿在维基百科上看到广告，也不愿意我的一半屏幕上都是他们乞求钱的内容。

让chatgpt制作标记图表非常痛苦。它根本不知道它们是什么。

在某些事情上使用 tqdm 进度条是个好习惯，并且应该有很好的平滑效果。
让你提前知道某件事情应该花多长时间，并围绕它进行计划。

有时候，当你看到1分钟的K线收盘时，它非常逆趋势或者通常是一个高信号K线，你会看到在它收盘后价格大幅波动，基本上是由于1分钟交易频率的机器人进行交易。K线的季节性变化是众所周知的，但我认为这里有一些条件行为……或许可以考虑一下报价逻辑。

去他妈的t+3h到t+6h。最糟糕的预测时间范围。