FMAB信号表现优异，准备实盘部署
量化金融
👤 加密货币交易者、量化策略开发者、投资分析师
本文报告了FMAB信号在ETH上的优异表现，基准收益率达100%，反马丁投注后提升至4600%~120000%，远超其他策略。作者宣布准备上实盘，强调需准备资本持久战工程。同时指出FMA信号表现不佳，曾导致回撤，并反思仓位管理不够科学。文章基于2026年2月11日的测试结果，旨在分享信号策略验证和实盘部署计划。
- ✨ FMAB信号在ETH上基准收益率100%，反马丁投注后提升至4600%~120000%
- ✨ 准备上实盘，需准备资本持久战相关工程
- ✨ FMA信号表现不佳，曾导致回撤，反思仓位管理不够科学
📅 2026-02-11 · 329 字 · 约 2 分钟阅读
反马丁投注策略在BTC交易中的表现分析
量化金融
👤 量化交易者、加密货币投资者、策略开发者、金融数据分析师
本文分析了反马丁投注策略在BTC交易中的应用效果。通过导入BTC数据测试，发现基准信号在5m数据上表现不佳，而趋势跟踪的双均线策略在15m、30m、1h数据上表现优异。反马丁投注策略在BTC 1h数据上表现突出，收益率达9994.17%，远高于基准策略的18.94%，且净值曲线更平稳。文章指出顺风局聚集现象存在，反马丁策略能有效利用此特性提升收益。同时，通过极端参数（1024x TP）案例，强调信号策略质量的重要性。最后，提出基于三体动力学假说设计门控机制的未来研究方向。
- ✨ 反马丁投注策略在BTC 1h数据上收益率达9994.17%，显著优于基准策略
- ✨ 顺风局聚集现象存在，反马丁策略能有效利用此特性提升整体收益
- ✨ 信号策略质量对反马丁投注策略效果有决定性影响，极端参数可能导致净值归零
- ✨ 未来可基于三体动力学假说设计门控机制，优化趋势跟踪策略的周期性表现
📅 2026-02-10 · 802 字 · 约 3 分钟阅读
三体动力学信号门控机制与市场状态量分析
量化金融
👤 量化交易研究者、策略开发者、对市场动力学和信号门控机制感兴趣的分析师
本文首先介绍了基于三体动力学的信号门控机制，该机制通过估计市场状态量δ（溢价）、μ（动量）和σ（波动率）来决定策略的投入和撤出时机，以实现策略收益最大化。作者详细阐述了这三个状态量的直觉理解：δ的核心是心理锚定效应，可通过成交量分布分析；μ的核心是价格变动速度，可用对数收益率移动平均衡量；σ的核心是价格变动幅度，可用对数收益率标准差衡量。文章还讨论了估计方式有效性的判断标准，即通过门控效果的好坏来评估，并指出高级信号策略往往已包含对这些状态量的估计，但需要系统化理解。最后，作者认为解耦信号门控后，这些状态量可作为关键因子，而信号策略本身可能只需最朴素的形式。
- ✨ 提出基于三体动力学的信号门控机制，通过估计δ、μ和σ来动态调整策略投入
- ✨ 详细解释市场状态量δ、μ和σ的直觉理解和估计方法，强调心理锚定、价格速度和幅度
- ✨ 讨论估计有效性的判断标准，即门控效果对策略收益的提升
- ✨ 指出高级信号策略已包含对市场状态量的估计，但需要系统化理解
- ✨ 认为解耦门控后，状态量可作为关键因子，简化信号策略设计
📅 2026-02-10 · 2,097 字 · 约 8 分钟阅读
三体门控的市场状态量建模方案
量化金融
👤 金融量化分析师、市场研究人员、对金融市场建模和门控机制感兴趣的技术人员
本文承接三体动力学假说和门控机制设想，系统梳理了市场状态量δ（溢价）、μ（动量）和σ（波动率）的建模方案。核心创新在于δ的定义：通过成交量引力场模型，引入非线性操作（高斯核函数和梯度计算），使其与μ和σ保持独立。μ定义为收益率的指数移动平均，提取趋势信息；σ定义为收益率的标准差，衡量波动幅度；δ则基于成交量在价格轴上的分布，计算价格偏离成交密集区时的回归力。文章详细阐述了从K线序列计算这三个量的具体步骤，包括参数设置和独立性论证，为金融市场分析提供了新的建模框架。
- ✨ δ（溢价）通过成交量引力场模型定义，引入非线性操作确保与μ（动量）独立
- ✨ μ定义为收益率的指数移动平均，σ定义为收益率的标准差
- ✨ 从K线序列计算δ、μ、σ的具体步骤和参数建议
- ✨ 三变量（δ、μ、σ）的独立性论证基于非线性操作和不同信息源
- ✨ 核函数（如高斯核）建模心理锚定效应，带宽可自适应波动率
📅 2026-02-10 · 2,397 字 · 约 9 分钟阅读
预测市场套利项目启动与技术选型
量化金融
👤 对预测市场、高频交易、Rust编程或技术项目开发感兴趣的读者
本文描述了在2026年2月8日启动的预测市场套利项目，该项目属于高频交易（HFT）范畴，对执行效率要求极高。技术选型决定使用Rust语言来构建低延迟的交易执行系统，以应对套利机会迅速被抹平的特点。团队当前技术栈有限，计划通过vibe coding方式推进，并借此机会深入学习Rust生态和工具链，为未来项目做准备。文章还提到团队之前有Solana智能合约的Rust基础，但不够深入，期待通过此项目迎接挑战。
- ✨ 预测市场套利项目启动，属于高频交易（HFT）范畴
- ✨ 技术选型采用Rust语言以实现低延迟交易执行系统
- ✨ 团队技术栈有限，计划通过vibe coding推进项目
- ✨ 借此机会学习Rust生态和工具链，为未来做准备
- ✨ 项目对执行效率要求高，以快速捕捉套利机会
📅 2026-02-08 · 294 字 · 约 2 分钟阅读
资本市场三体动力学 SDE 方程组推导
量化金融
👤 金融建模研究者、量化分析师、对资本市场动力学感兴趣的经济学者
本文基于《资本市场的三体动力学假说》一文，推导了一个完整的随机微分方程（SDE）系统，用于描述资本市场中动量资本（M）、价值资本（V）和流动性资本（L）的相互作用。文章定义了快变量（如对数溢价、动量、波动率）和慢变量（三类资本体量），并提取了12条可形式化的核心约束。通过详细分析SDE方程组，文章逐一验证了这些约束，包括M的正反馈、V的负反馈、L的无方向反馈、正负反馈回路、收益矩阵和拥挤效应等。所有约束均通过验证，表明该SDE系统能够完整实现原文的定性机制，如波动率聚集、肥尾分布和混沌行为。文章还进行了相态分析和统计特性验证，为后续数值模拟、分岔分析和参数校准提供了基础。
- ✨ 推导了描述三类资本相互作用的完整SDE系统
- ✨ 验证了12条核心约束，包括正负反馈和收益矩阵
- ✨ 系统能解释波动率聚集、肥尾分布等市场特征
📅 2026-02-07 · 2,708 字 · 约 11 分钟阅读
AI辅助资本持久战实验与主观交易社区化
量化金融
👤 量化交易者、AI应用研究者、投资策略开发者、对主观与量化结合感兴趣的专业人士
本文基于2026年2月3日的实验经历，讨论了AI在资本持久战实验中的效率提升作用，强调实验设计重构能系统评估信号策略和投注策略。作者提出主观交易应仅用于信号策略设计，避免干预投注策略以克服人类资金管理的非理性决策。为解决人类可能偷看投注账户的问题，建议采用社区化交易模式，让多个主观交易者提供信号策略，综合投注账户由程序管理，收益按贡献分配，平衡公平与效率，以鼓励更好的信号策略设计并控制风险。
- ✨ AI提升资本持久战实验效率，实现质的飞跃
- ✨ 实验设计重构系统评估信号策略和投注策略
- ✨ 主观交易应仅作用于信号策略，避免干预投注策略
- ✨ 人类资金管理存在非理性决策问题，需程序化执行
- ✨ 社区化交易可避免主观交易者根据投注账户调整策略
📅 2026-02-03 · 1,514 字 · 约 6 分钟阅读
资本持久战实验设计
量化金融
👤 量化交易者、资金管理策略研究者、对Anti-Martingale策略感兴趣的投资人士。
本文详细阐述了资本持久战的实验设计，核心是使用基准账户作为参考，投注账户采用Anti-Martingale策略动态调整仓位。关键内容包括：时间刻度t作为离散市场时刻；基准账户以固定仓位交易，提供累计盈亏曲线；投注账户根据基准表现计算输入现金流C(t)和基准止损额StopLoss(t)，构建风控线RiskLine(t)和风险资金VC(t)，通过公式Position(t) = floor(VC(t) / StopLoss(t))确定仓位大小；定义了止盈和止损事件的处理逻辑，以及观察期的交易暂停条件。整体旨在最大化风险资金利用效率，实现激进但受控的投注。
- ✨ 时间刻度t是离散的市场时刻，用于所有时间序列。
- ✨ 基准账户以固定仓位交易，提供累计盈亏BasePnL(t)作为参考。
- ✨ 投注账户使用Anti-Martingale策略，根据基准表现动态调整仓位。
- ✨ 输入现金流C(t)和基准止损额StopLoss(t)从基准账户历史表现计算得出。
- ✨ 风控线RiskLine(t)随时间向下移动，确保未实现盈亏不低于该线。
📅 2026-02-02 · 1,345 字 · 约 5 分钟阅读
回测系统三层结构与实验设计重构
量化金融
👤 量化投资研究人员、回测系统开发者、投资策略分析师
本文提出将回测系统重构为三层结构：市场序列作为投资客体，信号策略作为反应，投注策略作为投资主体。作者建议将每个实验拆分为这三个成分的结合，并强调需要彻底修改实验设计和评估体系。新的评估重点从峰值期望转向止盈事件的发生频率和分布特性，特别是给定M_T下止盈事件的平均时间间隔，以提供更有意义的投资指导。
- ✨ 回测系统应重构为市场序列、信号策略和投注策略三层结构
- ✨ 市场序列是投资客体，可由合成或历史数据生成
- ✨ 信号策略是应对市场序列的反应，产生买卖信号
- ✨ 投注策略决定资金分配和风险管理，反映投资主体偏好
- ✨ 实验设计需将每个信号策略放在所有市场序列和投注策略下评估
📅 2026-02-01 · 1,031 字 · 约 4 分钟阅读
OpenClaw与Opus模型使用体验及资本持久战实验
量化金融
👤 对AI工具部署、模型对比感兴趣的技术爱好者，以及关注量化交易策略的研究人员或投资者。
本文记录了作者在2026年1月31日使用OpenClaw AI工具的经历，包括将其部署在阿里云ECS服务器上并连接飞书机器人的过程。作者指出OpenClaw更适合本地部署，云服务器成本较高，且功能受限于工具安装。文中对比了MiniMax M2.1和Opus模型的表现，认为Opus在编程任务上明显更优。作者利用OpenCode+Opus完成了资本持久战实验代码，开源在GitHub上，并公布了初步实验结论：在GBM高波动市场模型中，均值回归策略结合反马丁格尔资金管理能在交易成本下实现资本指数级增长，而趋势跟踪策略则不能，这突显了高胜率策略的优势。作者表示仍需进一步验证，并邀请关注开源项目。
- ✨ OpenClaw AI工具可部署在云服务器并连接飞书机器人，但更适合本地空机器使用。
- ✨ 云服务器成本高，且OpenClaw功能受限于工具安装如浏览器。
- ✨ 搭载MiniMax M2.1的OpenClaw表现不佳，作者认为该模型较弱。
- ✨ Opus模型在编程任务上效果显著优于MiniMax M2.1，被赞为Coding的SOTA模型。
- ✨ 作者利用GitHub Copilot的Opus额度完成资本持久战实验代码并开源。
📅 2026-01-31 · 674 字 · 约 3 分钟阅读
EA项目介绍：AI驱动的量化交易优先级基金
量化金融
👤 对区块链投资、量化交易和稳定收益感兴趣的投资者，尤其是寻求低风险、本金保护的优先级基金参与者。
EA（Earnby.AI）是一个部署在BSC链上的优先级基金项目，以USDC结算，通过AI驱动的量化交易策略为投资者提供稳定收益。项目采用优先/劣后级资金结构，优先级资金享有本金保护，劣后级资金由项目方自有资金承担风险。管理团队由量化交易和区块链领域的专业人士组成，包括5位联合创始人。项目提供浮动收益率，目前年化收益率为12%，投资者可随时赎回。策略包括方向性组合策略和Delta中性策略，历史业绩显示累计收益率达39.22%，年化收益率约22%。项目无管理费，锁定期灵活，旨在为投资者提供低风险、可持续的收益。
- ✨ EA是一个BSC链上部署的优先级基金项目，以USDC结算
- ✨ 采用AI驱动的量化交易策略，包括方向性组合和Delta中性策略
- ✨ 资金分为优先级和劣后级，优先级资金享有本金保护
- ✨ 管理团队由5位量化交易和区块链领域的专业人士组成
- ✨ 提供浮动收益率，目前年化收益率为12%，投资者可随时赎回
📅 2025-11-01 · 2,512 字 · 约 9 分钟阅读
全谱分析法：信息的最优变现方法
量化金融
👤 量化交易员、投资策略开发者、金融工程师以及对凯利公式和杠杆优化感兴趣的高级投资者。
本文提出全谱分析法（FSA），一种基于凯利准则优化的投资交易策略框架。文章首先分析了传统凯利公式在投资应用中的局限性，如缺乏杠杆和做空考虑、清算时机问题等。然后，FSA通过定义结局空间、计算最优杠杆和复合收益率，构建了一个系统化的交易决策模型。文章详细阐述了FSA的数学原理，包括期望收益率、复合收益率的计算，以及使用牛顿迭代法求解最优杠杆的算法。此外，还介绍了历史回测方法（如毛利率GPM计算）、实盘交易模块的考虑，以及应对黑天鹅事件的措施。FSA的核心优势在于能够利用不完美的概率信息，通过优化杠杆决策来最大化长期收益，降低了对信息质量的高要求。
- ✨ 全谱分析法（FSA）基于凯利准则，优化投资杠杆以最大化复合增长率
- ✨ 定义结局空间、概率分布和收益率，计算最优杠杆和复合收益率
- ✨ 使用牛顿迭代法求解最优杠杆，处理可行域和收敛问题
- ✨ 引入毛利率（GPM）进行历史回测，评估策略盈利能力和容量
- ✨ 加入对称黑天鹅事件概率，限制杠杆，防止滥用和极端风险
📅 2025-08-10 · 4,537 字 · 约 17 分钟阅读