Algo Trading Month 1

話人係Arbitrage strategy就一口咬定 人地AUM一定細到 無法接受投資 兩者 我信係有correlation 同埋都make sense，但我唔信細到 無一千萬美金投資。

唔差在話埋比你知，個trader 該策略既私人戶口grow到204,714。 如果佢有license，無任何法律問題，佢肯接受FundSeeder 同其他公司投資，二千萬美金AUM 實有份。

1.你現實金融市場係咁。假定你有raw price data，你可以將raw price變成price percentage%、price correlation….天文數字既組合。 Jane Street?你連個features係乜都唔知，點樣轉？同埋佢都唔比你新增features。

2. Jane Street比既百幾個features，人地Jane Street肯定唔知屌過幾多次啦。起人地強大既超級電腦下屌過唔知幾多次既data，你走黎用普通電腦去run，之後自己用現實6個月時間試過 係得，claim搵到一個robust既financial feature。

你認為可信嗎？ 你認為依個真係一個搵talented trader既比賽？

人地account NLV係咁升，你走黎話人 佢會withdraw返去本身個水平， 9up真係唔洗本

咁build一個robust既model，唔係就咁run ML咁簡單架。即使全部指標都超好，OSS Share Ratio 3，比Calmar ratio 2 好未，仲要通過埋Family Wise Error Rate 、Deflated Sharpe Ratio（DSR)同埋 Probabilistic Sharpe Ratio 都過埋3。

佢都可以係一個false discovery，可能佢唔explainable，無一個economic theory/ hypothesis 解釋得。

因此Jane Street我先話係toy competition

https://www.elitetrader.com/et/threads/is-this-fundseeder-record-real-insane-track-record.357729/

可能佢最近deactivate左但之前佢真係Daily Sharpe Ratio 8點幾 個下我封左佢做我偶像。個下真心想跪地乞求佢 收我做徒弟

有咁 點姐….Jane Street hide哂啲features，唔比人extract features ，已經唔係simulate緊現實financial market，咁已經係toy

你岩喎我認錯

有啲真係好彩。你試下睇埋其他Kaggle dynamic data既比賽（eg.非image類型），好多private leaderboard outstanding個啲，起public leaderboard都入唔到前十。

我用15年data 去做model，SR唔過2。 Daily Sharpe Ratio都只係1.5，Sharpe Ratio per trade就2.3。 2好難架


一係我boost Sharpe Ratio去到2.3，但Calmar Ratio drop到1.5，F1 score又跌

呢個真, 個比賽我一見就去睇
一睇完就係得 feature 1-n
D feature都唔知咩來點train model
馬上關左, Jane street佢都on99
呢度D人仲要講都唔信 上去search就知啦

沒錯。因此我依加都好少join 依類比賽，因為好多limitations。依加 都係join FundSeeder, Collective2依類 用真錢去交易既比賽 較多。

同埋Kaggle啲量化交易比賽 win到 又點？如果係想做Quant Researcher, Quant Trader，即係非Quant Data Analyst 或者 C++ Quant Developer，班recruiter同 head一定會 做一次background check，睇下啲比賽係點。如果唔係simulate真實市場，佢都係會當個比賽useless。

其實作為一個個人投資者，我應該睇邊個metric? 我諗黎諗去我都淨係關心annualized return. (反正果筆錢先都預左黎做投資，好似又真係唔係太在意drawdown)

我train 過幾次models, 都係beat 唔過strong hold. 係咪因為呢幾年個市真係太旺唔洗點諗？

當然我d data 量又唔係大ge, 因為大量data 變左我營運成本又貴。。 計唔埋條數。

我都想知 應該點睇邊啲metrics 可以判斷到必勝策略但可以比啲方向你。


我就咁樣判斷一個該策略是否成功：

1. In sample 同 Out Sample Sharpe Ratio >1.5 而且無overfitting

2. 每一個idea進行既實驗次數是否 少？（愈少愈好，因為p-Hacking導致既概率會減少）

3. Calmar Ratio >1.5

4. Market exposure% 是否高。假如252個交易日，你個策略當中有200日都有 倉位，而且position size注碼係高，咁係good sign。因為如果唔夠exposure%，即使backtest出黎 係高Sharpe Ratio，但其實可能只係ML為左fit中某幾個交易日，先會導致高Sharpe Ratio，而依個不足sample size 導致既高Sharpe Ratio 好大機會係 一個false discovery。

5. Investment thesis 是否explainable同simple

6. Portfolio 是否diversified。愈diversified，overfiting既概率會下降，否則ML會好容易fit哂 全部in sample data升既ticker，但無predictive power。

7. 使用既Machine Learning 是否interpretable 同 explainable （如果唔知乜野係interpretable ML，禁下面條link 睇）

https://christophm.github.io/interpretable-ml-book/

8. 你既trading idea入面有冇bias? （eg. Confirmation bias, selection bias)

9. 相近既策略類型是否呈現賺錢既傾向性

10. Parameters既數量是否少？data量是否大？

呢個post好撚pro
我呢d用multicharts嘅好似唔值得講嘢

lm ..

利申: 窮撚..

留名沒用啦

起連登 咁認真又學術地 傾啲咁pro既野 都已經令到成個場dead 左

遲啲有code 應該會好啲
我開個post 都係想學下嘢同分享下