最新

我花了几年的时间构建量化策略，其中大部分工作并不是数学，而是基础设施：获取干净的数据、构建回测以确保不查看未来、生成可读的报告。我将我正在使用的三种策略打包成独立的笔记本，以便任何人可以在一个下午内从零开始进行适当的回测。 这三种策略： 1. **资金费率套利** — 长期持有资金费率持续为负的资产（市场支付你持有资产的费用），同时通过对相关指数进行小规模的做空来对冲方向性风险。数据来自Binance公共API，无需账户。 2. **动量 + 状态过滤** — 标准的横截面动量策略，结合状态过滤。状态过滤使用隐马尔可夫模型来识别高/低波动率状态，并在风险规避状态下缩小头寸。这减少了原始动量在趋势反转期间的大部分回撤。 3. **波动率均值回归** — 交易VIX期限结构差（VIX3M/VIX比率）与实现波动率的关系。核心理念是：隐含波动率的均值回归速度快于实现波动率，因此较大的差距意味着保险定价过高。 每个笔记本包含7个单元格：数据获取、信号构建、回测循环、指标（夏普比率、卡尔玛比率、最大回撤、胜率）、敏感性分析网格和PDF导出单元格。 所有数据都是免费的：yfinance用于股票/VIX，Binance公共REST API用于加密货币。无需Bloomberg。 敏感性分析单元格是我一直希望论文中包含的部分——它运行参数网格，让你可以看到完整的指标景观，而不仅仅是发布的那一组。这可以帮助你判断是否找到了真正的优势，还是仅仅是对某个点进行了曲线拟合。 每个笔记本售价49美元，三个笔记本打包售价99美元： [https://mattitude8861.gumroad.com/l/VolatilityMeanReversionStrategyVIX](https://mattitude8861.gumroad.com/l/VolatilityMeanReversionStrategyVIX) [https://mattitude8861.gumroad.com/l/MomentumHMMRegimeFilterEquity](https://mattitude8861.gumroad.com/l/MomentumHMMRegimeFilterEquity) [https://mattitude8861.gumroad.com/l/FundingRateCarryStrategyCrypto](https://mattitude8861.gumroad.com/l/FundingRateCarryStrategyCrypto) [https://mattitude8861.gumroad.com/l/QuantStrategyTemplatesBundle](https://mattitude8861.gumroad.com/l/QuantStrategyTemplatesBundle)

在Tools-rs，我们希望借助大型社区更快地编写工具。我们产生了一个兴趣，即构建一种方法，将我们的Rust LLM运行时与更传统的脚本语言连接起来，因此我们决定寻找一种方法，将Python工具引入我们的生态系统。因此，我们推出了首个基于Python的外部函数接口（FFI）（由PyO3提供支持）！ 调用Python工具就像在Python函数中编写一个装饰器，然后将脚本（或文件夹）的路径传递给工具集合构建器一样简单。它们会被序列化为JSON对象，以便AI能够完全观察到，并且你可以直接从Rust中调用它们。