pedma

现在我对 5 分钟 K 线运行了相同的分析，我们可以看到，该预测与接下来 5 分钟的实际波动率（realized vol）相关性相当好。
有意思的是，按十分位分桶来看，平均实际波动率总是低于平均预测波动率，而在日线预测中并不是这种情况。
也许这个问题可以改天再想。
那么，用于预测日内波动率的最佳窗口是什么？

我不喜欢只用一个窗口的想法，但我也不想让它变得太慢。思路是要对波动的突发做出快速反应。
所以我们给滚动年化波动率指标再加几个长度，比如 20、60、120、200。
这是我随手一比量（凭感觉）在做 Kwanting 的手指指天上，然后我觉得它们看起来不错。
我认为加入一组窗口的混合会让估计值不那么嘈杂。
但我们也能很快看到：一旦把滚动窗口加大，预测准确度就会下降，这也说得通。
我大概会更偏向短窗口，但保留这种混合方式，不过这一条我还不太确定。
一方面我确实想要更快；另一方面我又不想引入不必要的频繁切换。

所以我接下来要做的是在模型组合上实现最初的草图，并密切跟踪所有这些数据。
我们可以看到，已经有一些仓位的 delta 超过了它们应当配置规模的 10%。
数据的流式传输从昨天就已经在进行了，并添加了一些风险控制，比如如果出现崩溃，就通过 Telegram 发送告警等。
现在我将加入这些波动率估计，然后再继续往下做。

对于喜爱研究的人来说，有一篇关于实现波动率的有趣论文，他们确实会深入讨论短期预测之类的内容

当 AI 刚开始变得像样的时候，人们就担心它在交易、寻找优势（edge finding）等方面的作用。
快到七月了，我从去年十月开始搭建我的基础设施，把所有更新的模型都拉满了，但要把这些做成真正专业、可投入生产的状态，我仍然有很多事要做。
几乎每天我都能找到新的要做的东西。我有一套想法和任务的流水线，而且它每周增长的速度都比我能去处理它们的速度更快。
我不太算交易专家，但我做这件事已经快 9 年了，所以我觉得至少我在怎么把这些事做对方面，可能比平均水平更有一些把握——希望如此。
我觉得 AI 只是给了我以前从没有过的带宽——如果我之前没有团队的话。就这样。
是的，我同意：也许 alpha 可能会更快被 arbed，因为人们能更快把东西做出来，而且这种情况会随着越来越多的独立交易者而愈发明显。
所以“那些看起来很亮眼的东西”（也许）竞争会更多。
但我不会在这方面猜太多，我只是照着我过去 9 年每年做的那样做。
如果有什么变化让我不再能竞争——那也没办法，到时候再想办法。
要做的事仍然多得离谱。

我逐渐明白了一个实际问题：理论太多、真正去做的太少。
当我开始搭建这套新的交易基础设施时，我从一开始就把重点放在尽快把我能做出的最基础的东西投入生产。
一开始它只是一个简单的多/空方向性模型，今天则已经是别的东西了。
但直到现在我才在往回推，去看许多有抱负的交易者（很多在量化论坛上）会试图在一开始就修复的问题。
例如这周我的重点是降低换手/周转率。
大概这种东西应该在把模型投入生产之前就优化得很好，对吧？
嗯，我尝试了各种不同的方法，但似乎都没法产生比我现在做的最简单的事情更好的结果。
所以我开始更“理科宅”一点，重新思考整个思路：从“纯信号权重”改成“预测”。
核心想法是：与其只是认为“X 个信号 + 某个阈值”就足以产生足够的经济价值来换仓，为什么不为它分配一个数值——我预期从这种敞口中能拿到的收益预测。
这个数值来自我在信号层所做的工作。
我从来没把这些联系起来——就像我说的，我一直只跑着最简单的东西。
好吧，结果发现：这些预测并不是一种高效的方式来量化信号。
例如下面这张图，是我交易的某个模型的经过回测的表现。
为此，我只是运行了预测模型，并把基于我们之前工作的预测结果分配到原始回测中的建仓/平仓点上。
第 2 个面板展示了：由预测（EV）决定的已实现收益分布。
其中一个赚得最多的区间是当 EV < 0 时，这显然

这是我现在主要交易的 3 家交易所上的滑点：hyperliquid、extended 和 。（我只交易了这三家）
hyperliquid 和 extended 的中位数非常接近。
可能我有点蠢，但我当时觉得这是因为 extended 只接受“限价类型”的订单。但 hyperliquid 在 market_open 也有同样的机制：SDK 会把它们转换成带 5% 滑点缓冲的限价 IOC（我应该知道这一点，但我真没想起来）。
总之体验一直很糟。
有意思的是，我在 extended 上交易的相对规模和我在 hyperliquid 上差不多，所以这也不是一个规模因素。
从规模角度看也挺有意思（我故意隐藏了每笔订单对应的 $ 金额）。
前 4 个桶里，extended 的平均滑点保持相当稳定；但在最后最大 20% 的订单里，它会翻三倍，而中位数却相对不怎么动。退化看起来更像是来自少数“很难看”的成交，而不是整体均匀的退化（如果我这样说你能懂的话）。这可能是因为有一段时间我在那边交易了不该交易的交易对，然后也许会“溢出”到这里。
这只能说明：在大单尾部时，extended 的滑点恶化得比 hyperliquid 要温和得多。
这显然是常识吧？hyperliquid 更成熟，但我还是觉得用数据看到这一点很有意思。
（这里）滑点在最小订单上最差，这很有意思。大概率是长尾交易对的问题：它们更波动、可

本周的工作是降低人员流失率。
我可以尝试的有 2 个杠杆，用来让它更平稳。
a) 实际信号
b) 波动率预测
我先从信号开始，因为我们可以看到，即使在投资组合层面，它也相当“跳动”。我过去做过一些工作来对其进行平滑处理，但说实话，我并没有用我应该付出的细节去深入研究。
信号仍然相当不稳定，我相信在不丢失信号所提供的太多信息的前提下，我可以让它稍微更好一些。
波动率估计也是一个选项，但这是我还没有仔细考虑过把它做得更平滑，或是把预测视野拉长之后，可能带来的缺点。所以在这里先提醒一句：仅供参考。它是方程中的一个变量，确实需要关注。

我今天又发现了一个边缘情况 bug。
前几天我在转移资金时，看来我在一个延展/扩展类型的子账户上没有留足够的保证金。
当它在执行仓位时，由于保证金不足而运行失败，并且由于该信息是如何从交易所 API 返回的方式，部分成交的仓位被记录为“完成”。
我有一种方法来处理部分成交的仓位，它们会被正确地归类为相应类型，并且我会收到警告——但在涉及因保证金控制导致的部分成交时，它显然会出问题。

今天半夜在 IMAX 看《奥德赛》（Odyssey）。时间挺糟，但这是这周在 IMAX 里唯一一个不是最底排、而且还能抬头看屏幕的座位。
考虑到我每天 9-10pm 就睡，这应该会很有意思。不会是我第一次睡着错过电影。

我每天大约有 42 个反复出现的问题需要我的代理进行报告。这会生成成千上万行内容。
我按出现次数从高到低浏览列表，并已经把它从每天将近 4k 的告警降到 11。
仍然在第 15 条，但我会把它们全部清理掉，不过只是后端的噪音。

我认为，要能很好地应对全职交易者的波动，人们需要看一下平均月回报与生活成本之间的比率。
我现在的比率大约在 5-10 倍之间。意思是每一个月，平均来说，我能够产生相当于 5-10 个月开销的收益。
当然，这些都是过去的数据，而且是平均值；有些月份是亏损的，等等。而我能持续保持优势这一点，永远都只是推测。
也有一些时期，这 6 个月的平均值会变成负数，但我觉得在那段时期之后，我所做的调整，应该会让这些时期更短，不过谁知道呢。
把开销与回报之间的差距保持得很宽，会让我能够承担一些原本不可能承担的风险——比如如果我那个月需要把回报的一半拿去付房租，或支付汽车的租赁款。
很多人在赚到一点钱时，都会有升级生活方式的冲动。这没问题，每个人的目标不同，但这会拖累风险承担以及复利效应。
对我来说，生活在这种状态下、靠它过日子，感觉相当舒服。