Alpha 衰减下的前置执行
一个交易信号预计会在未来 20 分钟内迅速衰减,而且等待带来的机会成本大于现在多付一点点价差。执行计划应该更前置还是更平均?
打开 →GLOBAL SEARCH
搜索在服务端完成,题目解析与答案不会进入搜索结果。登录后可搜索自己的收藏题单。
找到 20 个结果
English questions一个交易信号预计会在未来 20 分钟内迅速衰减,而且等待带来的机会成本大于现在多付一点点价差。执行计划应该更前置还是更平均?
打开 →你需要在收盘前买入相当于日成交量 6% 的流动性很好的股指期货,基金经理又严格以全天 VWAP 为基准,而不是 arrival price。最自然的初始执行计划是什么?
打开 →你需要在几天内逐步卖出一笔中等规模持仓,没有紧急 alpha,而且非常担心暴露交易痕迹。默认更应选择哪种执行风格:高 POV 的激进方案,还是较低参与率的被动方案?
打开 →一个组合必须尽量减小相对于官方收盘价的跟踪误差,而该股票在收盘集合竞价时流动性很深。此时哪种执行渠道或执行组件会变得特别有吸引力?
打开 →在成交稀薄的股票里,为什么交易员即便进度落后,也可能仍然坚持一个严格的最高参与率上限?
打开 →successive halving 从 64 个配置开始。比较两种总共 3 轮的保留策略:每轮保留一半 vs 每轮保留四分之一。后者会少训练多少次模型?
打开 →为什么在看过回测表现之后再去调整滑点曲线、费用表或融券假设,也算额外的模型搜索?
打开 →某个学习率在 T 个 step 内用余弦退火从 eta_max 衰减到 eta_min。请写出第 t 步的 eta_t。
打开 →若会议占用半开时间区间 [(9, 12), (10, 13), (11, 15), (14, 16)],那么为了让所有会议都能无冲突安排,最少需要多少个房间?
打开 →若会议占用半开时间区间 [(8, 10), (9, 11), (10, 12), (10, 13), (13, 15)],那么为了让所有会议都能无冲突安排,最少需要多少个房间?
打开 →在给 cap 定价之前,首先应该检查重置日程的什么信息?
打开 →把执行计划随机化之后,改变的不只是平均利用率,也会改变期望的非线性惩罚。 设 phi(q)=q/(1-q),定义域为 0<=q<1。若 Q 是随机变量且 E[Q]=m,那么 E[phi(Q)] 至少是 phi(E[Q]),还是至多是 phi(E[Q])?
打开 →在一则定时公告之前,做市商认为在其报价存续期间,市场以 0.6 的概率维持平静区制(所需半边价差 0.02),或以 0.4 的概率切换至压力区制(所需半边价差 0.10)。它将单一挂出半边价差设为两区制所需宽度的概率加权值。它报价多少?
打开 →某个利用率附加费定义为 c(q)=1/(2-q),定义域为 q<2。计划 A 是确定性的,Q=1;计划 B 以 1/2 的概率取 Q=1/2,以 1/2 的概率取 Q=3/2。求计划 B 的 E[c(Q)],以及在共同均值处的 c(E[Q])。
打开 →某个执行计划需要支付二次成本,而且在接近硬容量上限时还会遇到发散的惩罚项。 证明 f(q) = 1 q^2 + 2/(1-q) 在 q<1 上严格凸。
打开 →公交车按泊松过程以速率 $\lambda$ 到站(即到达间隔时间为独立同分布的 $\text{Exp}(\lambda)$,均值 $1/\lambda$)。你在一个与公交时刻表无关的随机时间到达车站。令 $L$ 为包含你到达时刻的那个到达间隔的长度——即你到达前最后一班车与你到达后下一班车之间的时间。(a) 求 $E[L]$。解释为什么它不等于 $1/\lambda$,尽管到达间隔的均值是 $1/\lambda$。(b) 求你的期望等待时间 $E[W]$(从到达到下一班车)。(c) 一位城市官员调查乘客并询问等待时间。如果报告的平均值为 $1/\lamb
打开 →两条执行计划在凸函数 phi 下的惩罚分别为 phi(q_1)、phi(q_2)。对于 50-50 的随机混合,Jensen 对“平均惩罚”和“平均规模的惩罚”给出什么结论?
打开 →学习率在 T 个 step 内从 0 线性 warmup 到 eta_max。请推导 warmup 阶段第 t 步的 eta_t。
打开 →某执行排程要凑出总规模 11,可用切片大小为 1、2、5,其中 5 手大单至多用一次,且切片顺序不计。问共有多少种排程?
打开 →某个执行计划在时间 t 内交易规模 x,并支付 x^2/t 加上线性时间成本。 证明 P(x,t)=x^2/t + 2 t 在 t>0 的定义域上是凸函数。
打开 →