CoinSkool

LLM隨機性:量化實盤的災難,投研的靈感源泉

分享

LLM的隨機性

LLM的隨機性對於量化實盤來說是災難,但對於投研來說卻是靈感源泉

  • 每天都在PUA AI的過程中獲得數之不盡的靈感
  • 最關鍵的是有對AI生成內容的審美

原文出處:voltima_quant (@voltima_quant) 於 Threads · 查看原文

V

作者

Voltima Quant

全職自營量化團隊|多年交易經驗
專注研究CTA擇時、多因子截面策略
標的涵蓋Crypto、港美股、期貨、期權
以科學系統化手段 於波動中尋找最優化交易機會

推薦閱讀

KPSS檢定在因子值平穩性檢驗中的原理與應用

KPSS檢定是驗證時間序列平穩性的重要工具,其虛無假設為序列平穩,與ADF檢定相互補充。本文詳細說明KPSS檢定的分解原理、兩種平穩模式,並以因子值檢驗為例,介紹如何應用於長期穩定性分析、子期間穩定性比較以及因子轉換前後的確認,有助於量化研究與策略開發。

Voltima Quant2026/09/03

從量化角度重新思考技術分析:條件分布、變數與訊號品質

從量化交易員的視角,探討技術分析的本質:價格是否存在可重複的條件分布?透過突破案例、可計算變數、因子假說、訊號品質與市場狀態的影響,說明如何將圖表語言轉化為嚴謹的交易決策。文中強調勝率、盈虧比、最大回撤、夏普比率等指標的局限,並提醒交易員真正承受的是報酬路徑,而非單一績效數字。

Voltima Quant2026/09/02

用訊號雜訊比拆解量化策略的隨機性與真實預測力

本文介紹訊號雜訊比在量化交易中的應用,說明如何將策略報酬分解為可預測的訊號成分與隨機的雜訊成分,並詳細解說移動平均、狀態空間模型等估計方法,以及如何運用訊號雜訊比來設定部位規模、動態監控策略健康度,並與夏普比率交叉驗證,幫助投資人更客觀地評估策略的真實預測力。

Voltima Quant2026/08/31