บล็อก

การศึกษาแบบควบคุมเกี่ยวกับการรั่วไหลแบบ look-ahead ที่แอบเพิ่มผลลัพธ์ backtest อย่างเงียบ ๆ แม้ไม่มี edge จริงเลย การ fill บนแท่งเดียวกันก็สร้าง Sharpe ต่อปีที่ +14.8 จาก noise ล้วน ๆ ส่วนการแอบดู indicator ล่วงหน้าหนึ่งแท่งสร้าง +4.8 อนุกรมวิธานของการรั่วไหล ขนาดที่วัดได้จริง และวิธีตรวจจับแต่ละแบบก่อนที่มันจะทำให้คุณเสียเงิน

ห้า implementation ของ parameter sweep 80 combo ชุดเดียวกัน ทุกตัวตรวจสอบแล้วว่าให้ PnL เหมือนกันทุกประการ: pandas rolling.apply ใช้เวลา 69.9 วินาที, numpy 3.1, numba 2.0, parallel numba 0.23 — ความเร็วที่วัดได้จริงเพิ่มขึ้น 298x บน Apple M2 Max โดยไม่เปลี่ยนฮาร์ดแวร์เลย และยังเร็วกว่า baseline แบบ vectorized ที่ทำได้ดีอยู่แล้วประมาณ 13x แต่ละขั้นบันไดให้อะไรบ้าง ทำไม GPU ไม่ใช่ชิ้นส่วนที่ขาดหายไป และคอขวดที่แท้จริงของการค้นหาพารามิเตอร์จำนวนมากอยู่ที่ไหน

เราสร้าง researcher.marketmaker.cc ขึ้นมาอย่างไร — คลังงานวิจัยควอนต์แบบรวมศูนย์ที่ค้นหาด้วยข้อความเต็ม (เปเปอร์จาก arXiv, repo บน GitHub, บล็อกควอนต์, สคริปต์ Pine บน TradingView) ที่มนุษย์เปิดเรียกดูและเอเจนต์ AI สอบถามผ่าน MCP ได้

เจาะลึก algo-investor-skills — ชุด skills ของ Claude Code ที่พากลยุทธ์ algotrading จากข้อเท็จจริงที่วัดได้แบบดิบ ๆ ไปสู่ข้อเสนอสำหรับนักลงทุนที่ผ่านการตรวจสอบและซื่อสัตย์เป็นที่ตั้ง หกสกิลที่ประกอบกันได้ เอนจินโมเดลทางการเงิน ชุดหลักฐานสำหรับการตรวจสอบโดยอิสระ และด่านตรวจสอบโดยนักลงทุนขี้สงสัยที่บังคับใช้ ซึ่งไม่เคยกุตัวเลขขึ้นมาเอง

กลยุทธ์ที่มีค่าคาดหวังเป็นบวกก็ยังทำให้พอร์ตล้มละลายได้หากเลือกขนาดเดิมพันผิด เราเจาะลึกเกณฑ์เคลลีตั้งแต่การหาสูตรไปจนถึงพอร์ตของกลยุทธ์: ทำไม full Kelly จึงอันตราย ทำไม Kelly แบบเศษส่วนให้การเติบโต 75% ที่ความผันผวนเพียงครึ่งเดียว และเครื่องคิดเลขแบบโต้ตอบที่เห็นได้ชัดว่าสัดส่วนเคลลีเปลี่ยนผลตอบแทนและความเสี่ยงอย่างไร

เจาะลึก daily_stock_analysis โดย ZhuLinsen — ระบบโอเพนซอร์สที่ดึงข้อมูลตลาดครอบคลุมหุ้น A ฮ่องกง สหรัฐฯ และอื่น ๆ รันการวิเคราะห์เชิงเทคนิคและข่าวผ่าน LLM แล้วส่ง 'แดชบอร์ดการตัดสินใจ' ที่มีโครงสร้างไปยังแอปแชตของคุณในทุกวันทำการซื้อขาย สถาปัตยกรรม การสำรองข้อมูล กลยุทธ์ agent และข้อจำกัด

Temporal Fusion Transformer ของ Google นำการพยากรณ์แบบหลายช่วงเวลาที่ตีความได้มาสู่การจัดการพอร์ตการลงทุนเชิงปริมาณอย่างไร พร้อมการเลือกตัวแปรด้วยกลไก attention เอาต์พุตแบบควอนไทล์ และไปป์ไลน์ pytorch-forecasting ที่ลงมือทำจริง