hft-quant-expert
Construir estrategias de trading cuantitativo
El trading cuantitativo en DeFi y cripto requiere experiencia especializada en diseño de estrategias, gestión de riesgos y backtesting. Esta habilidad proporciona orientación experta sobre z-scores, dimensionamiento de posiciones con el Criterio de Kelly, ratios de Sharpe y cómo evitar errores comunes como el sesgo de anticipación y el sobreajuste.
下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「hft-quant-expert」。 ¿Cómo calculo el z-score para una señal de trading?
預期結果:
- El z-score mide cuántas desviaciones estándar un valor está de su media móvil.
- Fórmula: zscore = (value - rolling_mean) / rolling_std
- Ejemplo: Si el precio actual es 50,000, la media de 20 períodos es 48,000 y la desviación estándar es 1,000:
- zscore = (50000 - 48000) / 1000 = 2.0
- Interpretación: Un z-score por encima de 2 sugiere que el precio está 2 desviaciones estándar por encima del promedio, potencialmente indicando sobreextensión.
- Umbrales comunes: |z| > 2 para señales de entrada, |z| < 0.5 para señales de salida.
正在使用「hft-quant-expert」。 ¿Cómo debo dimensionar mis posiciones usando el Criterio de Kelly?
預期結果:
- El Criterio de Kelly calcula la fracción óptima de capital a arriesgar.
- Fórmula: kelly = (win_prob * win_loss_ratio - (1 - win_prob)) / win_loss_ratio
- Ejemplo: 55% de tasa de éxito, relación ganancia/pérdida de 1.5:
- kelly = (0.55 * 1.5 - 0.45) / 1.5 = (0.825 - 0.45) / 1.5 = 0.25 (25%)
- ADVERTENCIA: Usa Kelly fraccional (0.25x a 0.5x) para reducir la varianza.
- Para este ejemplo, posición recomendada: 6.25% a 12.5% del capital por operación.
安全審計
安全All static findings are false positives. This is a documentation-only skill containing trading formulas and methodology. No executable code, network operations, or system access exists. Scanner misinterpreted trading terminology as cryptographic references and markdown code blocks as shell commands.
風險因素
品質評分
你能建構什麼
Desarrollar estrategias de trading cuantitativo
Diseñar y refinar enfoques de trading sistemático utilizando métodos estadísticos como z-scores y análisis de reversión a la media.
Realizar backtesting y validar estrategias
Probar estrategias de trading contra datos históricos evitando errores comunes como el sesgo de anticipación y el sobreajuste.
Calcular riesgo y tamaños de posición
Determinar tamaños de posición apropiados usando el Criterio de Kelly y evaluar el riesgo con cálculos del ratio de Sharpe.
試試這些提示
Ayúdame a calcular una señal de entrada basada en z-score para una estrategia de trading. Tengo datos de precios y quiero identificar cuándo entrar en posiciones basándome en la desviación de la media móvil.
Tengo una estrategia de trading con 55% de tasa de éxito y una relación promedio de ganancia/pérdida de 1.5. Calcula la fracción de Kelly y sugiere un tamaño de posición que considere el enfoque de Kelly fraccional.
Revisa mi metodología de backtesting. Estoy probando una estrategia de reversión a la media con datos horarios. ¿Qué errores debo vigilar como el sesgo de anticipación, sesgo de supervivencia y sobreajuste?
Mi estrategia tiene un retorno anualizado del 45% con 18% de volatilidad. Calcula el ratio de Sharpe y ayúdame a evaluar si este rendimiento es robusto después de considerar los costos de trading y el deslizamiento.
最佳實務
- Usa Kelly fraccional (0.25x) para reducir la varianza y evitar la ruina por las inevitables rachas perdedoras.
- Siempre considera los costos de gas y el deslizamiento al hacer backtesting de estrategias DeFi, ya que estos pueden impactar significativamente los retornos netos.
- Valida los backtests para sesgo de anticipación asegurándote de que las señales solo usen datos disponibles en el momento de generación de la señal.
避免
- Ignorar costos de transacción: Las tarifas de gas en L2s y el deslizamiento en activos volátiles pueden convertir estrategias rentables en perdedoras.
- Sobreajuste a datos históricos: Usar demasiados parámetros u optimizar sobre los mismos datos usados para pruebas crea falsa confianza.
- Sesgo de supervivencia: Hacer backtesting solo de activos que sobrevivieron elimina proyectos fallidos de la consideración, inflando los retornos.