Parrot Wang

[Parrot Wang @ParrotWang]

chatgpt网页端长会话越聊越卡，技术原因我能理解
但问题是为啥不继续优化？
尤其是同样的使用场景，app端明显更流畅

[Parrot Wang @ParrotWang]

结果还不如传统监督式模型好，白浪费我研究这么多天

[Parrot Wang @ParrotWang]

在量化交易里尝试用 CPC 做世界模型，最终还是��败了
原因很直接：训练目标和真实交易目标不一致，优化目标错位
模型学到的不是“如何赚钱”，而是“如何判断两个片段是否相符”。而且世界模型很容易走捷径，比如直接利用时间、绝对交易量特征匹配关系
最后训练了一堆模型，考虑成本最高收益“高达”0.14%

[Parrot Wang @ParrotWang]

还是不能过度依赖 vibe coding
今天重构项目才发现，AI写代码时总是通过“打补丁”掩盖问题：旧逻辑不删除，新逻辑再套一层，最后项目表面能跑，实则全是诡异兼容
前天刚换的损失函数，今天发现旧 loss 的“尸体”还在，而且还通过奇怪路径继续被兼容。
看来欠下vibe coding的技术债早晚还是给还啊！

[Parrot Wang @ParrotWang]

@Eric_pollll_btc 台湾IP是不是更好一些呢？我看好像限制更少，香港政策之类的没台湾好

[Parrot Wang @ParrotWang]

加密货币 币安交易所用哪个国家/地区的梯子注册账户比较好，以及注册后普���币安账户是否提供永续合约的交易api搞量化？我是一名新手，不太了解这方面，请教一下各位大佬

[Parrot Wang @ParrotWang]

@Eric_pollll_btc 好，感谢，最近打算试一试

[Parrot Wang @ParrotWang]

加密货币竟然可以免费下载历史k线数据，不限时间，而且是分钟线，这与美股完全不同，美股你想下载数据要钱

最近刚开始研究加密货币，所以我感到很不可思议，这对量化来说是利好，看来交易所不靠卖数据赚钱

[Parrot Wang @ParrotWang]

@Eric_pollll_btc 不敢当，我也只是一名学生，最近也想研究加密货币
您也是研究量化的？方便问一下您是做策略还是深度学习模型

[Parrot Wang @ParrotWang]

@Eric_pollll_btc 我回测的股票中包含退市，中小型盘以及像NVDA这样的大型股票
或许您说的方法更适合传统策略

当然我对加密货币还不算特别了解，最近也准备开始研究（毕竟感觉美股现在越来越趋近完美市场，alpha越来越难挖掘，而加密货币目前非理性强），所以也可能是我理解存在偏差

[Parrot Wang @ParrotWang]

@Eric_pollll_btc 学到了一种新的回测框架

不过对深度学习类策略不太适配
因为DL往往依赖较长时间的结构和 regime transition，而 bootstrap 随机拼接路径后，分布被破坏，模型会看到现实中根本不存在的状��转移

但作为泛化性测试我觉得还是有价值的
我研究全市场模型所以一般直接回测20���股票1年的数据来防止假有效

[Parrot Wang @ParrotWang]

最近研究世界模型，发现例如 CPC 这类方法，如果数据里带时间信息，模型往往直接拿时间区分 neg sample，而不是学习真正的语义或世界规律（即捷径学习）

表现如下：
latent-time correlation 高达 0.94~0.97
time dropout 基本没用

请问大家遇到过这种问题吗？有什么好的解决方式？

[Parrot Wang @ParrotWang]

为什么最近这么多 LLM 量化？
���明存在很多明显的问题：
1.LLM 在训练过程中，本来就不是针对量化交易优化的
2.很多实验其实存在明显的“未来函数”
3.很多方案都依赖新闻输入。但能获取到的新闻，本质上都是二手且滞后的。更何况新闻本身也未必能有效映射价格走势

[Parrot Wang @ParrotWang]

我最开始的量化 label 很简单：
直接预测未来 40min 涨跌
但很快发现准确率极难提升，因为噪声

后来改成 barrier 3-class
结果平占比接近 60%，模型直接学会永远输出平
class weight低了没用，高了乱猜
而且 3-class 不适合多空双 head

后来意识到
实盘里本来就只会交易高 confidence 信号，会有筛选

[Parrot Wang @ParrotWang]

做个小调研：
大家现在主要做什么量化？
市场：A股 / 美股 / 加密 / 期货？
方法：传统策略 / ML / 深度学习 / RL？
频率：日频 / 分钟 / Tick？
现在最大的问题是���么？
也很好奇： 现在真正稳定赚钱的，主流到底还是���略还是 AI？

[Parrot Wang @ParrotWang]

效果类似这样（看起来很差）

[Parrot Wang @ParrotWang]

最近做了个很有意思的网络：
把 CNN 的固定卷积核换成小 MLP。

Kout=1 时类似普通 conv，Kout>1 时可直接上采样，不需要 PixelShuffle/Deconv。

实验后发现：
- 很容易出现棋格/周期性伪纹理；
- 计算量也明显变大。

感觉像是 patch-wise MLP 破坏了卷积天然的局部连续性和平移归纳偏置。

[Parrot Wang @ParrotWang]

想问问大家怎么理解目前很多 DL 量化“喂大量手工特征”这件事。

按理说用深度学习，本来就是希望模型自己学习表示。如果连一些简单派生特征都需要手工提供，那怎么相信模型能进一步学到更深层、更抽象的市场结构？

[Parrot Wang @ParrotWang]

做美股短分钟线DL量化，试过很多label，但始终不稳定：回测差，confidence和acc/pnl 不单调。

现在开始怀疑问题不在 label，而在：
- OHLCV 是否缺乏稳定可学习结构？
- 很多 profitable sample 是否本身不可学习？
- barrier/focal 是否反而强化噪声？

[Parrot Wang @ParrotWang]

做美股分钟线量化的各位怎么看：
策略长期收益的主要来源， 到底是：
1.大量小优势的平均累积
还是
2.少数重尾行情贡献的大部分利润？
我越来越怀疑很多 alpha 本质上都在吃 tail。