pedma

资产管理规模（AUM）、投资组合数量、策略、交易所等，每月都在增长。
如果没有我的基础设施，按这个速度，一年前根本无法走到这一步。只是加快了我多年来一直想要打造的愿景的实现进程。
越来越接近了，但还有很多工作要做。

pewdiepie 做这些随机项目，从零开始训练 AI 模型，试图击败 openai，等等，这正是我的退休生活会是什么样子。
这个家伙在人生中赢了。

我注意到一些事情。
不要相信它。

分析我正在研究的策略的流失情况。
在这个模型中，交易成本大约占年权益的5%，相当高。考虑到策略的性质，换手率也有点高。
35%的交易在一天内进出，59%的交易在第3天就完全消失了。如果策略是中频交易，这还可以接受，但事实并非如此。
这些往返交易占总成本的35%。
显然，这个策略存在流失问题，主要由在投资组合可用位置边界处的薄弱流失控制引起。这不完全是策略本身的问题，因为策略具有不错的优势，但更多是设计上的缺陷。
例如，假设你允许同时开启50个仓位。那么那些位于底部10%的仓位会发生什么？它们会略微从前列滑落，没有显著改善优势的情况下，这样的调整到底带来了多少收益？答案是，在大多数情况下，这种变化非常微小，根本无法覆盖整个仓位的往返交易的全部成本。
当你在流动性较低的交易场所和市场进行交易时，这个问题变得更加严重，除了交易费用外，你还要支付更多的过账成本。
保持严格的再平衡阈值非常重要。要么基于该决策的预期价值超过成本，要么设定一个标准阈值百分比，只有突破这个阈值才会进行仓位调整。
(在测试中使用了一个假设的$10k 起始规模)

克劳德总是描述我以前的代码，那是我亲手编写的，管理我所有的仓位，结构庞大，没有一次我向他描述过它是这样的。我不是英语母语者，但我觉得每次他这么做时，他都在嘲笑我的代码。

疯狂地进行历史测试的完整性检查。一直拖延，现在只需一行代码添加到cc，它就会将你刚刚调试的内容作为必须通过的完整性测试。
我花了很多时间手动核对我的历史测试的定位……