https://marketmaker.cc/zh-Hant/blog/1/ AI trading, market microstructure, and DeFi insights from Marketmaker.cc. zh-Hant Tue, 21 Jul 2026 00:00:00 GMT https://marketmaker.cc/zh-Hant/blog/post/maker-taker-fees-rebates-execution/ https://marketmaker.cc/zh-Hant/blog/post/maker-taker-fees-rebates-execution/ Tue, 21 Jul 2026 00:00:00 GMT 做市/吃單之爭本質是一筆披著費率外衣的逆向選擇交易。本文通過Glosten-Milgrom模型推導盈虧平衡數學、剖析真實加密貨幣費率檔位與代幣折扣、回顧返佣挖礦的歷史、分析佇列位置對返佣價值的影響，並講解如何在回測中建模分級費率。 做市吃單 交易費用 返佣 逆向選擇 做市 執行 市場微觀結構 回測 https://marketmaker.cc/zh-Hant/blog/post/implementation-shortfall-tca-execution/ https://marketmaker.cc/zh-Hant/blog/post/implementation-shortfall-tca-execution/ Mon, 20 Jul 2026 00:00:00 GMT Perold的執行落差理論,被落地成一套針對加密貨幣交易機器人的可執行TCA流水線:基於到達價的分解、t+1秒/10秒/60秒的markout曲線、約200行Python程式碼即可處理你自己的成交記錄,並將結果回灌到你的回測成本模型中。 執行 TCA 執行落差 markouts 交易成本 演算法交易 回測 市場微觀結構 https://marketmaker.cc/zh-Hant/blog/post/onchain-liquidations-aave-compound/ https://marketmaker.cc/zh-Hant/blog/post/onchain-liquidations-aave-compound/ Sun, 19 Jul 2026 00:00:00 GMT Aave v3 和 Compound 的清算究竟是如何運作的：健康因子的數學原理、清算折扣係數、清算獎勵、Chainlink 預言機觸發條件，以及在 2026 年營運一個閃電貸清算機器人需要什麼。 DeFi 清算 Aave Compound MEV Chainlink 閃電貸 加密貨幣 https://marketmaker.cc/zh-Hant/blog/post/uniswap-v3-concentrated-liquidity-quants/ https://marketmaker.cc/zh-Hant/blog/post/uniswap-v3-concentrated-liquidity-quants/ Sat, 18 Jul 2026 00:00:00 GMT Uniswap v3 在底層究竟是如何運作的：虛擬儲備、流動性 L、sqrtPriceX96、tick 數學、feeGrowthInside，以及為什麼一個 LP 頭寸本質上是一份賣出波動率的損益結構。附帶精確公式與完整的數值算例。 Uniswap DeFi AMM 集中流動性 做市 LVR 量化 以太坊 https://marketmaker.cc/zh-Hant/blog/post/mev-sandwich-frontrunning-mempool/ https://marketmaker.cc/zh-Hant/blog/post/mev-sandwich-frontrunning-mempool/ Fri, 17 Jul 2026 00:00:00 GMT 你傳送到公共 RPC 的每一筆 swap，都是一個沒人有義務遵守的可見限價單。本文技術性拆解 MEV 提取的運作機制：記憶體池排序、Uniswap v2 三明治攻擊數學、PGA、Flashbots，以及交易者的防禦手段。 mev 三明治攻擊 搶先交易 mempool flashbots DeFi ethereum https://marketmaker.cc/zh-Hant/blog/post/fill-simulation-partial-fills-backtest/ https://marketmaker.cc/zh-Hant/blog/post/fill-simulation-partial-fills-backtest/ Thu, 16 Jul 2026 00:00:00 GMT 成交模擬保真度的五級階梯——從收盤價成交到機率化佇列位置模型。將部分成交建模為狀態機，把限價單成交機率的上下界作為 PnL 區間，並給出對照實盤成交的校準閉環。 成交模擬 回測 限價單 佇列位置 部分成交 做市 執行 市場微觀結構 https://marketmaker.cc/zh-Hant/blog/post/twap-vwap-pov-execution-algorithms/ https://marketmaker.cc/zh-Hant/blog/post/twap-vwap-pov-execution-algorithms/ Wed, 15 Jul 2026 00:00:00 GMT TWAP、VWAP和POV本質上都是對成交量預測的一次押注。我們剖析每種調度演算法背後隱藏的假設，構建加密貨幣日內成交量曲線，並在回放的L2數據上對三者進行正面對比測試。 execution twap vwap pov implementation-shortfall volume-curve algotrading backtest https://marketmaker.cc/zh-Hant/blog/post/almgren-chriss-optimal-execution/ https://marketmaker.cc/zh-Hant/blog/post/almgren-chriss-optimal-execution/ Tue, 14 Jul 2026 00:00:00 GMT Almgren-Chriss 最優執行模型的完整推導：線性衝擊、sinh/cosh 交易軌跡、有效前沿，以及從 Binance L2 和成交資料校準 eta、gamma、sigma 的可執行 Python 程式碼。 執行 Almgren-Chriss 市場衝擊 最優執行 TWAP quant python 加密貨幣 https://marketmaker.cc/zh-Hant/blog/post/volatility-targeting-garch-strategy/ https://marketmaker.cc/zh-Hant/blog/post/volatility-targeting-garch-strategy/ Mon, 13 Jul 2026 00:00:00 GMT GARCH波動率預測只有在能改善交易決策時才有價值。我們構建了一個波動率目標化的加密貨幣策略，誠實地評估預測質量，並在walk-forward回測中將GARCH與已實現波動率和EWMA基準進行比較。 volatility GARCH volatility-targeting backtesting risk crypto algorithmic-trading https://marketmaker.cc/zh-Hant/blog/post/dcc-garch-dynamic-correlation-crypto/ https://marketmaker.cc/zh-Hant/blog/post/dcc-garch-dynamic-correlation-crypto/ Sun, 12 Jul 2026 00:00:00 GMT 加密貨幣的相關性並非恆定——每次下跌都會飆升至接近1。DCC-GARCH對時變相關性矩陣建模，為配對交易提供動態對沖比率，並給出誠實的時變組合風險。 volatility GARCH DCC correlation portfolio pairs-trading crypto https://marketmaker.cc/zh-Hant/blog/post/asymmetric-garch-crypto-leverage/ https://marketmaker.cc/zh-Hant/blog/post/asymmetric-garch-crypto-leverage/ Sat, 11 Jul 2026 00:00:00 GMT 普通GARCH(1,1)對好訊息和壞訊息一視同仁，並假設衝擊服從高斯分佈。EGARCH、GJR-GARCH以及Student-t/偏態-t新息修正了這兩個缺陷，為加密資產提供更真實的VaR和預期損失估計。 volatility GARCH EGARCH risk VaR crypto algorithmic-trading https://marketmaker.cc/zh-Hant/blog/post/garch-volatility-forecasting-crypto/ https://marketmaker.cc/zh-Hant/blog/post/garch-volatility-forecasting-crypto/ Fri, 10 Jul 2026 00:00:00 GMT GARCH(1,1)模型如何捕捉加密貨幣中的波動率聚集現象，如何使用arch庫通過最大似然法擬合該模型，以及如何將條件方差預測轉化為倉位規模和動態止損。 volatility GARCH risk forecasting crypto algorithmic-trading https://marketmaker.cc/zh-Hant/blog/post/honest-negative-no-robust-edge/ https://marketmaker.cc/zh-Hant/blog/post/honest-negative-no-robust-edge/ Thu, 09 Jul 2026 00:00:00 GMT 搜尋與過擬合這條主線的收官之作，以一個負面結果收尾——而這正是正確的結果。ETHUSDT 上的單品種雙時間框架搜尋找到了一個樣本外 +16.35%、未觸碰留出視窗 +2.62% 的配置；Deflated Sharpe Ratio 在計入約 37,000 次試驗後把它折損到 0.00。對五個主流幣（ETH/BTC/SOL/BNB/XRP，每個約 1.18M 根 1 分鐘 K 線）按樣本外中位數選擇的跨品種檢驗則徹底終結了它：雙時間框架 DSR 0.24 / PBO 0.264，三時間框架 DSR 0.14 / PBO 0.327——兩者都沒過閘門。冠軍只在 5 個品種中的 1 個上盈利，其餘全部為負。這正是反過擬合裝置存在的意義：阻止你把噪聲中的最優當成 alpha 拿去上線。 演算法交易 回測 過擬合 折損夏普比率 PBO 負面結果 驗證 https://marketmaker.cc/zh-Hant/blog/post/proving-no-lookahead-multi-timeframe/ https://marketmaker.cc/zh-Hant/blog/post/proving-no-lookahead-multi-timeframe/ Wed, 08 Jul 2026 00:00:00 GMT 多時間框架回測會通過一根仍在形成中、尚不存在最終收盤價的高時間框架K線洩露未來資訊。僅靠程式碼審查無法建立信心——必須實際測試。我們精確復現了實盤機器人的closed-bar規則，然後用一個“未來偏移探針”證明沒有資訊洩露：擾動每一根未來K線，並斷言每一個過去的訊號和交易都逐位不變。25/25項一致性檢查全部通過，而且這個探針確實有效（並非一個永遠不會失敗的空測試）。 演算法交易 回測 look-ahead偏差 多時間框架 資料洩露 驗證 https://marketmaker.cc/zh-Hant/blog/post/when-gpu-pays-off-sweep-roofline/ https://marketmaker.cc/zh-Hant/blog/post/when-gpu-pays-off-sweep-roofline/ Tue, 07 Jul 2026 00:00:00 GMT GPU 相對 CPU 的領先幅度隨批次大小增長——在我們的多時間框架指標預計算上，從每次呼叫一個組合時的 54.5x 一路升到 61 個組合時的 359.6x——因為一次小規模掃描無法攤薄核心啟動和傳輸開銷。我們把一個 167x 的頭條數字拆解為一個同樣惠及 CPU 的 27x 演算法收益，乘以一個 6.2x 的硬體收益，指出 GPU 相對最佳 CPU 的真實領先在單時間框架下只有 3.2x、在多時間框架下只有 6.2x，並給出一份決策指南：一次掃描要寬到什麼程度，才值得為 GPU 掏錢。 演算法交易 回測 效能 gpu 屋頂線 最佳化 https://marketmaker.cc/zh-Hant/blog/post/gpu-precision-trap-fp32-backtest/ https://marketmaker.cc/zh-Hant/blog/post/gpu-precision-trap-fp32-backtest/ Mon, 06 Jul 2026 00:00:00 GMT Apple 的 Metal GPU 沒有 float64。把一個向量化回測天真地移植過去，那個誘人的字首和 WMA 就會在 fp32 下溢位——最大相對誤差 211 倍——但它依然能跑完全程，還返回看起來說得過去的數字。修復的辦法不是提高精度，而是換一種公式：直接的視窗卷積，fp32 下精度可達 8×10⁻⁷，比單執行緒 numba 快 55.9 倍。這篇文章講清楚陷阱本身、背後的算術，以及如何證明自己沒有掉進去。 演算法交易 回測 gpu 蘋果晶片 浮點數 數值穩定性 mlx https://marketmaker.cc/zh-Hant/blog/post/drill-down-multifidelity-fidelity-gate/ https://marketmaker.cc/zh-Hant/blog/post/drill-down-multifidelity-fidelity-gate/ Sun, 05 Jul 2026 00:00:00 GMT 下鑽式/多保真度搜索（ASHA、逐次減半、Hyperband）以低成本方式篩選成千上萬個配置，只將存活者提升到昂貴的完整評估階段。這是一種真實的加速——但如果低保真度的排序與高保真度的排序不一致，它就會悄無聲息地崩潰。我們測量了折數-排序相關性：在只用一折時，Spearman ρ 可能低至 0.03（排序幾乎是隨機的），隨著折數累積，逐步升高到 0.43、0.67、0.78、0.91。修復方法是設定一道強制性關卡——先測量 ρ(廉價, 完整)，並自動將最低保真度提升到 ρ ≥ 0.5 的第一個檔位。 演算法交易 回測 多保真度 Hyperband ASHA 逐次減半 過擬合 驗證 https://marketmaker.cc/zh-Hant/blog/post/search-method-crossover-eval-cost/ https://marketmaker.cc/zh-Hant/blog/post/search-method-crossover-eval-cost/ Sat, 04 Jul 2026 00:00:00 GMT 當單次回測很便宜時，簡單的打亂 Sobol 序列在原始吞吐量上碾壓所有"智慧"取樣器——TPE、CMA-ES、ASHA 要繳納 Python ask/tell 稅，導致速度下降 20 倍，在相同牆鍾時間內評估的點數遠遠更少，因而落敗。讓每次評估變得昂貴（多時間框架 + walk-forward 折）之後，交叉點就翻轉了。我們測量了這兩種情形，以及為什麼摺疊排名保真度（ρ@1 從 0.03 升至 0.43）是剪枝能否奏效的前提條件。 演算法交易 回測 超參數最佳化 貝葉斯最佳化 walk-forward 過擬合 https://marketmaker.cc/zh-Hant/blog/post/two-axis-parameter-space/ https://marketmaker.cc/zh-Hant/blog/post/two-axis-parameter-space/ Fri, 03 Jul 2026 00:00:00 GMT 並非所有參數的搜尋成本都相同。一個策略的參數會分裂為一條昂貴軸（指標——需要在整個序列上重新計算）和一條廉價軸（決策閾值——對預計算訊號做一次 O(n) 遍歷）。由於指標對閾值不變，你只需計算一次，就能以約 5,600 cfg/s 的速度掃描數千種閾值配置——比每種配置都重新計算大約便宜 1,600 倍。這是對維度災難的一次重新定價。 量化交易 回測 參數搜尋 最佳化 快取 維度災難 https://marketmaker.cc/zh-Hant/blog/post/framework-tax-event-driven-vs-vectorized/ https://marketmaker.cc/zh-Hant/blog/post/framework-tax-event-driven-vs-vectorized/ Thu, 02 Jul 2026 00:00:00 GMT 我們在同一個參數掃描任務上對八個回測引擎進行了基準測試——15萬根K線、80個HMA交叉組合、交易筆數嚴格鎖定在2707筆。兩個最受歡迎的事件驅動框架的速度居然比手寫的 pandas 迴圈還慢，而一個向量化/編譯型引擎完成同樣的工作快了約13000倍。這是一篇關於主流庫從未被設計用來攤銷的逐K線開銷的研究。 演算法交易 回測 效能 參數搜尋 向量化 基準測試 https://marketmaker.cc/zh-Hant/blog/post/probability-backtest-overfitting-pbo/ https://marketmaker.cc/zh-Hant/blog/post/probability-backtest-overfitting-pbo/ Wed, 01 Jul 2026 00:00:00 GMT Deflated Sharpe Ratio 給獲勝策略定價；PBO 給挑出它的那次搜尋定價。組合對稱交叉驗證（Combinatorially Symmetric Cross-Validation）在一個 1000x200 的表現矩陣上跑 C(16,8) = 12,870 次訓練/測試切分，問的是：樣本內贏家會不會落入樣本外的後一半？幾乎每個人都會看錯的地方——PBO 的零假設值是 0.5，不是 1。在 200 個零優勢策略上，最佳樣本內年化夏普比率 1.98 在樣本外坍縮到 0.06，PBO = 0.476：如同拋硬幣，徹底過擬合。植入一個真實優勢（年化夏普比率 2.38），PBO 降到 0.001，樣本內的 3.73 在樣本外仍保住 2.34。在純隨機遊走上跑移動平均線網格，同樣沒有任何樣本外的技巧——60 個矩陣平均 PBO 0.463，在統計上和零假設無法區分——而在其中一個具有代表性的矩陣上，這場海市蜃樓十分鮮明：最佳樣本內夏普比率 2.33 坍縮到樣本外中位數 -0.22，PBO 0.573，63% 的機率會虧錢。 演算法交易 回測 過擬合 交叉驗證 PBO 夏普比率 驗證 https://marketmaker.cc/zh-Hant/blog/post/ipc-tax-backtest-engine/ https://marketmaker.cc/zh-Hant/blog/post/ipc-tax-backtest-engine/ Tue, 30 Jun 2026 00:00:00 GMT 我們把一個 numba 回測核心逐行移植到 Rust，並以四種方式跨程序邊界呼叫它，用等價性校驗確認到最後一筆交易都完全一致的 PnL。把整條 1.2 MB 的價格序列通過 Unix socket 傳輸一次，成本約 2 毫秒——約佔整個任務耗時的 0.1%。對同一份資料做 JSON 編碼，成本是原始位元組的 1348 倍；健談式的逐組合呼叫把資料重複傳輸了 80 次；逐 bar 呼叫模式會在一個 2.0 秒的任務上白白付出 2.1 秒的純 IPC 開銷。邊界本身很便宜，稅出在你如何跨越它。 演算法交易 回測 效能 ipc rust 架構 https://marketmaker.cc/zh-Hant/blog/post/deflated-sharpe-multiple-testing/ https://marketmaker.cc/zh-Hant/blog/post/deflated-sharpe-multiple-testing/ Mon, 29 Jun 2026 00:00:00 GMT 參數搜尋是一臺製造運氣的機器。在純噪聲上——1,000 個真實優勢為零的策略——最佳年化夏普比率平均達到 1.63，樸素顯著性檢驗 100% 的時候都會宣佈發現。我們構建受控的真實基準，證明 Deflated Sharpe Ratio、Harvey-Liu 折價法與 White's Reality Check 能夠恢復誠實：假髮現率從 1.000 降到 0.001-0.057，噪聲上限之上的真實優勢仍以接近 1 的功效被保留——還有一個真實的陷阱（相關網格），在那裡原始 DSR 會過度折損，其結論必須放在一整條有效試驗數估計的區間上通讀，而不是隻看一個數字。 演算法交易 回測 過擬合 統計學 夏普比率 多重檢驗 驗證 https://marketmaker.cc/zh-Hant/blog/post/objective-function-design-backtest/ https://marketmaker.cc/zh-Hant/blog/post/objective-function-design-backtest/ Sun, 28 Jun 2026 00:00:00 GMT 要搜尋'最好'的策略，你必須先定義什麼是'最好'——而那個標量，會悄悄替你選出贏家。在帶有已知優勢的合成數據上（600 個種子，T=2000，80 個候選閾值），樸素的逐筆（per-trade）夏普比率會加冕一張彩票：它在 56% 的種子上選出曝光率低於 5% 的贏家，在 57% 的種子上發生退化——在最極端的那個種子上，8 筆交易的樣本內夏普比率高達 21.09，樣本外卻崩塌到 0.13。誠實的修復幾乎平淡無奇：在整條時間線上測量，它從不退化（樣本外 1.71）。交易筆數（conf_k）收縮與曝光率下限可以給逐筆指標打補丁，但即便完全修復，它們也只能追平整條時間線夏普比率（1.70 對 1.71）——永遠無法超過它。古德哈特定律，在回測裡，配上受控的真實基準。 演算法交易 回測 過擬合 目標函數 最佳化 夏普比率 驗證 https://marketmaker.cc/zh-Hant/blog/post/look-ahead-bias-taxonomy/ https://marketmaker.cc/zh-Hant/blog/post/look-ahead-bias-taxonomy/ Sat, 27 Jun 2026 00:00:00 GMT 一項對細微前視洩漏如何悄然抬高回測表現的受控研究。在完全沒有真實優勢的情況下，同 K 線成交從純噪聲中製造出 +14.8 的年化夏普比率；提前一根 K 線窺視指標則製造出 +4.8。本文給出完整分類、實測量級，以及在它耗費你真金白銀之前如何檢測每一種洩漏。 演算法交易 回測 前視偏差 資料洩漏 過擬合 驗證 https://marketmaker.cc/zh-Hant/blog/post/backtest-engine-speed-ladder/ https://marketmaker.cc/zh-Hant/blog/post/backtest-engine-speed-ladder/ Fri, 26 Jun 2026 00:00:00 GMT 對同一個 80 組合參數掃描的五種實現，全部驗證產出完全相同的 PnL：pandas 的 rolling.apply 耗時 69.9 秒，numpy 3.1 秒，numba 2.0 秒，並行 numba 0.23 秒——在一臺 Apple M2 Max 上、硬體零改動，實測提速 298 倍，即便相對一個稱職的向量化基準也仍快約 13 倍。每一級階梯到底帶來了什麼、為什麼 GPU 不是那塊缺失的拼圖，以及海量參數搜尋中真正的瓶頸藏在哪裡。 演算法交易 回測 效能 numba 向量化 最佳化 https://marketmaker.cc/zh-Hant/blog/post/researcher-quant-archive/ https://marketmaker.cc/zh-Hant/blog/post/researcher-quant-archive/ Thu, 25 Jun 2026 00:00:00 GMT 我們如何構建 researcher.marketmaker.cc —— 一個統一的、支援全文搜尋的量化研究檔案庫（arXiv 論文、GitHub 倉庫、量化部落格、TradingView Pine 指令碼），人類可以瀏覽，AI 智慧體可以通過 MCP 查詢。 researcher quant arxiv meilisearch mcp ai-agents research algotrading https://marketmaker.cc/zh-Hant/blog/post/algo-investor-skills/ https://marketmaker.cc/zh-Hant/blog/post/algo-investor-skills/ Wed, 24 Jun 2026 00:00:00 GMT 深入解讀 algo-investor-skills —— 一套 Claude Code 技能，能把一個演算法交易策略從原始的實測事實，一路打造成經過審計、以誠實為先的投資人方案。六個可組合的技能、一個金融模型引擎、一套獨立驗證的證明包，以及一道絕不編造任何數字的強制性懷疑型投資人審計關卡。 algotrading claude code skills investor relations 風險管理 盡職調查 open-source AI https://marketmaker.cc/zh-Hant/blog/post/kelly-criterion-strategy-sizing/ https://marketmaker.cc/zh-Hant/blog/post/kelly-criterion-strategy-sizing/ Tue, 23 Jun 2026 00:00:00 GMT 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。 風險管理 凱利公式 money management 倉位大小 量化交易 https://marketmaker.cc/zh-Hant/blog/post/daily-stock-analysis-review/ https://marketmaker.cc/zh-Hant/blog/post/daily-stock-analysis-review/ Tue, 23 Jun 2026 00:00:00 GMT 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。 LLM 股票分析 決策支援 資料管道 評測 github 開源 https://marketmaker.cc/zh-Hant/blog/post/temporal-fusion-transformer-trading/ https://marketmaker.cc/zh-Hant/blog/post/temporal-fusion-transformer-trading/ Mon, 22 Jun 2026 00:00:00 GMT 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。 deep-learning transformer TFT forecasting portfolio quant https://marketmaker.cc/zh-Hant/blog/post/conformal-prediction-trading/ https://marketmaker.cc/zh-Hant/blog/post/conformal-prediction-trading/ Fri, 12 Jun 2026 00:00:00 GMT 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。 不確定性 conformal-prediction 風險 倉位管理 statistics algorithmic-trading https://marketmaker.cc/zh-Hant/blog/post/spread-modeling-machine-learning/ https://marketmaker.cc/zh-Hant/blog/post/spread-modeling-machine-learning/ Wed, 03 Jun 2026 00:00:00 GMT 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。 microstructure spread market-making prediction machine-learning gradient-boosting deep-learning https://marketmaker.cc/zh-Hant/blog/post/deeplob-deep-learning-order-book/ https://marketmaker.cc/zh-Hant/blog/post/deeplob-deep-learning-order-book/ Tue, 26 May 2026 00:00:00 GMT 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。 deep-learning order-book LOB microstructure HFT market-making https://marketmaker.cc/zh-Hant/blog/post/portfolio-pipeline-hrp-cvar/ https://marketmaker.cc/zh-Hant/blog/post/portfolio-pipeline-hrp-cvar/ Mon, 25 May 2026 00:00:00 GMT 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。 投資組合最佳化 HRP 分層風險平價 CVaR Hull-White EWMA 多空 風險管理 Rust 量化金融 https://marketmaker.cc/zh-Hant/blog/post/portfolio-optimization-algorithms-compared/ https://marketmaker.cc/zh-Hant/blog/post/portfolio-optimization-algorithms-compared/ Fri, 22 May 2026 00:00:00 GMT 一籃子加密貨幣，十二種配置演算法，一次誠實的比較。我們開源了一個Rust投資組合最佳化器，它通過一個單一介面執行HRP、HERC、MVO、Black-Litterman、NCO、熵池等演算法——這裡是每種演算法的思路以及為什麼沒有單一贏家。 投資組合最佳化 分層風險平價 HRP 均值-方差 Black-Litterman NCO 風險平價 Rust 量化金融 資產配置 https://marketmaker.cc/zh-Hant/blog/post/onetick-tick-analytics-platform/ https://marketmaker.cc/zh-Hant/blog/post/onetick-tick-analytics-platform/ Fri, 15 May 2026 00:00:00 GMT OneTick架構——面向Tick資料的企業級時間序列引擎。通過Event Processor的DAG查詢、即時與歷史資料統一、市場監控（MiFID II、MAR、SEC）、TCA、量化研究，以及與kdb+的比較。 onetick tick資料 時間序列 監控 TCA 量化研究 MiFID II kdb+ 演算法交易 https://marketmaker.cc/zh-Hant/blog/post/tradingagents-multi-agent-framework/ https://marketmaker.cc/zh-Hant/blog/post/tradingagents-multi-agent-framework/ Tue, 12 May 2026 00:00:00 GMT 深入解析TradingAgents架構 — 基於LangGraph的開源框架，LLM智慧體（分析師、研究員、交易員、風控、投資組合經理）通過結構化辯論做出交易決策。 AI 多智慧體 LangGraph LLM 交易 風險管理 https://marketmaker.cc/zh-Hant/blog/post/prediction-markets-arbitrage-fees/ https://marketmaker.cc/zh-Hant/blog/post/prediction-markets-arbitrage-fees/ Tue, 12 May 2026 00:00:00 GMT 解析Polymarket、Limitless、Predict.fun、Opinion和Kalshi之間的套利。動態手續費、跨鏈橋、滑點、結算風險——以及為什麼5%的價差可能仍然虧損。 預測市場 套利 Polymarket 手續費 DeFi 風險 跨鏈 https://marketmaker.cc/zh-Hant/blog/post/tbricks-broadridge-hft-platform/ https://marketmaker.cc/zh-Hant/blog/post/tbricks-broadridge-hft-platform/ Sat, 09 May 2026 00:00:00 GMT T-Bricks架構 — 用於做市、ETF套利和集中風險管理的C++模組化HFT平臺。100+客戶，150+交易所，納秒級延遲。 tbricks broadridge hft c++ 做市 低延遲 自營交易 演算法交易 https://marketmaker.cc/zh-Hant/blog/post/flowsurface-open-source-orderflow/ https://marketmaker.cc/zh-Hant/blog/post/flowsurface-open-source-orderflow/ Sat, 09 May 2026 00:00:00 GMT Flowsurface評測——基於Rust的免費桌面應用，即時視覺化DOM熱力圖、足跡圖、成交明細和深度梯子。支援Binance、Bybit、Hyperliquid、OKX和MEXC。 訂單流 熱力圖 DOM 足跡圖 rust 開源 加密貨幣 做市 訂單簿 流動性 https://marketmaker.cc/zh-Hant/blog/post/fincept-terminal-review/ https://marketmaker.cc/zh-Hant/blog/post/fincept-terminal-review/ Sat, 09 May 2026 00:00:00 GMT Fincept Terminal v4深度評測 — 基於C++20和Qt6構建的原生桌面應用，內建37個AI代理、QuantLib和100多個數據聯結器。 fincept terminal c++ qt6 ai quant open-source 演算法交易 https://marketmaker.cc/zh-Hant/blog/post/kronos-foundation-model-review/ https://marketmaker.cc/zh-Hant/blog/post/kronos-foundation-model-review/ Sun, 19 Apr 2026 00:00:00 GMT Kronos評測——OHLCV蠟燭圖預測基礎模型。BSQ分詞器、層次化解碼器、兩階段取樣、Qlib訓練管線。模型如何學習交易所的'語言'。 kronos 機器學習 transformer 基礎模型 qlib 評測 開源 分詞 https://marketmaker.cc/zh-Hant/blog/post/jesse-habr-review/ https://marketmaker.cc/zh-Hant/blog/post/jesse-habr-review/ Sun, 19 Apr 2026 00:00:00 GMT Jesse深度評測——加密市場量化交易框架。分鐘級模擬引擎、策略狀態機、Rust加速指標、防過擬合最佳化。 jesse 量化交易 加密貨幣 回測 python rust 評測 開源 https://marketmaker.cc/zh-Hant/blog/post/ai-hedge-fund-review/ https://marketmaker.cc/zh-Hant/blog/post/ai-hedge-fund-review/ Sun, 19 Apr 2026 00:00:00 GMT 深度解析virattt的AI Hedge Fund——一個開源系統，多個LLM智慧體以不同分析風格通過風險過濾器構建投資組合。架構、智慧體、侷限性及對實際系統的啟示。 LLM 多智慧體 風險管理 投資組合 評測 github 開源 https://marketmaker.cc/zh-Hant/blog/post/ai4finance-foundation-guide/ https://marketmaker.cc/zh-Hant/blog/post/ai4finance-foundation-guide/ Mon, 13 Apr 2026 00:00:00 GMT AI4Finance Foundation生態系統完整指南：FinGPT（金融LLM + LoRA）、FinRL（交易強化學習）、FinRobot（多智慧體編排）。 AI4Finance FinGPT FinRL FinRobot LoRA 強化學習 LLM 開源 https://marketmaker.cc/zh-Hant/blog/post/vectorbt-overview/ https://marketmaker.cc/zh-Hant/blog/post/vectorbt-overview/ Sun, 12 Apr 2026 00:00:00 GMT VectorBT 概覽 —— 一款創新的量化分析庫，憑藉 NumPy 和 Numba 的強大功能改變了回測方法。 回測 python vectorbt 演算法交易 numba 量化分析 https://marketmaker.cc/zh-Hant/blog/post/copula-models-joint-risk-crypto/ https://marketmaker.cc/zh-Hant/blog/post/copula-models-joint-risk-crypto/ Mon, 30 Mar 2026 00:00:00 GMT 超越線性相關——使用Copula模型捕獲加密投資組合中的尾部依賴和聯合風險，精確估計VaR和CVaR。Vine-copula、GARCH-EVT管線和Python實現。 風險 copula 投資組合 VaR 尾部依賴 https://marketmaker.cc/zh-Hant/blog/post/zigbolt-zig-messaging-hft/ https://marketmaker.cc/zh-Hant/blog/post/zigbolt-zig-messaging-hft/ Fri, 27 Mar 2026 00:00:00 GMT 詳解我們如何用 Zig 語言從零構建了一套面向高頻交易的超低延遲訊息系統。無 JVM、無 GC、無意外。SPSC 環形緩衝區 20 納秒，IPC 30 納秒，編解碼器 0 納秒。附基準測試資料。 zigbolt zig 高頻交易 低延遲 訊息系統 aeron ipc 開源 https://marketmaker.cc/zh-Hant/blog/post/etf-balancer-bot-tinkoff/ https://marketmaker.cc/zh-Hant/blog/post/etf-balancer-bot-tinkoff/ Thu, 26 Mar 2026 00:00:00 GMT 基於 TypeScript/Bun 的開源機器人，用於在 Tinkoff 投資平臺上自動進行 ETF 投資組合再平衡。四種平衡模式、保證金交易、多賬戶支援。含原始碼。 etf tinkoff 再平衡 投資組合 機器人 量化交易 開源