部落格

正期望策略也可能因為下注規模失誤而爆倉。我們從公式推導一路講到策略組合，剖析凱利公式：為什麼 full Kelly 很危險，分數凱利如何用一半的波動率換來 75% 的增長，以及一個互動式計算器，讓你直觀看到凱利比例如何改變收益與風險。

深度解析ZhuLinsen的daily_stock_analysis——一個開源系統，跨A股、港股、美股等市場抓取行情資料，通過LLM完成技術面與資訊分析，並在每個交易日把結構化的“決策儀表盤”推送到你的即時通訊工具。涵蓋架構、資料回退、智慧體策略與侷限性。

谷歌的時序融合 Transformer 如何為量化組合管理帶來可解釋的多時間跨度預測：基於注意力的變數選擇、分位數輸出，以及一條完整的 pytorch-forecasting 實戰流程。

無分佈假設、帶有覆蓋率保證的預測區間。我們使用 split conformal、jackknife+ 以及自適應保形推斷來校準交易風險，並在不依賴參數化假設的情況下確定倉位規模。

用機器學習分解並預測買賣價差——從 Roll 的隱含估計量到梯度提升和神經網路——並揭示在生產環境中常常困擾人的單位、資訊洩露和基準對比陷阱。

DeepLOB 如何將 CNN、inception 模組和 LSTM 結合起來，從原始訂單簿資料預測中間價的走向——其架構、真實的 FI-2010 資料，以及一份可執行的 PyTorch 復現實現。

深入探討 Pipeline——我們基於HRP構建的複合配置演算法。以分層風險平價作為基礎，通過代理訊號和置信度驅動的多空疊加層，以及通過基於Hull-White波動率調整的CVaR進行最終風險校正。包含我們規範中的完整數學原理，以及實際的Rust實現。