بخشی از توضیحات در خصوص منتورینگ در طی زمان مسابقه و شرایط حضور در مسابقه توسط جناب امیرحسین داتوسی کوانت ریسرچر والکس به شرکت کنندگان اعلام شد.

پایان یک رابطه سمی🔞

اکثر آدمایی که تازه پرتفوی می‌سازن، سراغ Mean-Variance Optimization میرن؛ همون مدل مارکویتز که میگه بده ماتریس کوواریانس رو، بده بردار بازده مورد انتظار رو، منم برات وزن بهینه‌ی هر سهمو درمیارم.

مشکل اینجاست که این مدل رو کاغذ خیلی قشنگه، ولی تو عمل یه نقطه‌ضعف بزرگ داره: باید ماتریس کوواریانس رو معکوس کنی. و وقتی تعداد دارایی‌هات زیاد میشه یا همبستگیشون به هم بالا میره، این ماتریس نزدیک به singular میشه، یعنی معکوس‌گیریش عددی بی‌ثبات میشه. یه تغییر کوچیک تو تخمین بازده یا کوواریانس، کل وزن پرتفویتو می‌تونه کاملاً برعکس کنه. این یعنی مدلی که قراره ریسکتو کنترل کنه، خودش شدیداً به خطای تخمین حساسه؛ یه تناقض جدی.

اینجاست که Hierarchical Risk Parity یا HRP وارد میشه. ایده‌ی اصلیش اینه که اصلاً نیازی به معکوس‌گیری ماتریس نیست. سه تا مرحله داره:

اول، دارایی‌ها رو بر اساس ساختار همبستگیشون خوشه‌بندی می‌کنی (hierarchical clustering)؛ یعنی دارایی‌هایی که رفتارشون به هم شبیه‌تره رو کنار هم می‌ذاری، نه بر اساس اسم صنعتشون بلکه بر اساس دیتای واقعی.

دوم، با استفاده از خروجی این خوشه‌بندی، ماتریس کوواریانس رو quasi-diagonalize می‌کنی؛ یعنی ترتیب دارایی‌ها رو طوری می‌چینی که دارایی‌های مرتبط کنار هم بیفتن و ماتریس یه ساختار بلوکی پیدا کنه.

سوم، سرمایه رو به‌صورت recursive بین خوشه‌ها تقسیم می‌کنی؛ هر بار پرتفویتو نصف می‌کنی، و هر نصف رو بر اساس varianceِ معکوسش وزن‌دهی می‌کنی، تا برسی به برگ‌های درخت.

نتیجه چیه؟ نه معکوس‌گیری ماتریسی در کار هست، نه بی‌ثباتی عددی، و از همه مهم‌تر، مطالعات لوپز د پرادو (که اصلاً همین آدم مدل رو معرفی کرد) نشون داده HRP تو تست out-of-sample، حتی وقتی از نظر Sharpe رو دیتای in-sample از MVO ضعیف‌تر به نظر میاد، در عمل مقاوم‌تره و کمتر overfit میشه رو نویز دیتای تاریخی.

نکته‌ای که کمتر بهش توجه میشه اینه که HRP فقط یه ترفند ریاضی نیست، یه تغییر نگاه فلسفیه: به‌جای اینکه به دنبال «بهترین جواب ممکن» رو دیتای گذشته باشی (که همیشه یه توهمه چون دیتای گذشته محدوده)، به دنبال ساختاری می‌گردی که به‌طور طبیعی robust باشه به خطا. این دقیقاً همون چیزیه که فرق مدل تئوریک رو از مدلی که واقعاً تو پروداکشن دووم میاره، مشخص می‌کنه.

پ ن: اگه یه مدلت رو دیتای گذشته عالی جواب میده ولی توضیح نمی‌تونی بدی چرا، احتمالاً داری overfit رو با skill اشتباه می‌گیری.

📣 شروع ثبت‌نام دوره Quantitative Portfolio Management 📈

📌اگه می‌خوای یاد بگیری چطور مثل یه پورتفولیو منیجر حرفه‌ای فکر کنی، ریسک رو مدل کنی، و سیستمی بسازی که تو هر شرایط بازاری دووم بیاری این دوره برای توعه


📚 سرفصل‌ها:
• مدل‌های کلاسیک و مدرن مدیریت پورتفولیو
• مدیریت ریسک با ابزار اختیار معامله
• توسعه زیرساخت معاملاتی روی صرافی‌های کریپتو


👨‍🏫 مدرسین دوره:
🔹 بهراد بهاری Quantitative Portfolio Manager, Rava
🔹 فرهان کردان Quantitative Engineer, OneBullex
🔹 حامد صفاریان Crypto Options & Founder, Thales MFI
🔹 امیر حسین داتوسی Quantitative Researcher, Wallex
🎖️(با همکاری Thales MFI و Quant Circle)

📅 زمان برگزاری دوره:
۱۵ تا ۳۰ مرداد ۱۴۰۵
🗓 پنجشنبه و جمعه ۱۰:۰۰ تا ۱۳:۰۰
⚠️ ظرفیت محدود: فقط برای ۲۵ نفر


📩 اطلاعات بیشتر و ثبت‌نام👇🏻
🆔 @quantcirclesupport
🆔 @quantcirclesupport

پرفومنس بات هایی که داریم روی تقریبا ۱۱.۵ میلیون دلار که به صورت لحظه های مانیتور میشه.

نکته ای که هست ترید یه بازی بینهایته و کسی برنده هست که بتونه بیشتر داخل این بازی بمونه. برای همین داخل مدیریت ریسکمون مهم نیست که چند بار بردیم بلکه مهم این که اگر چند بار پشت سر هم ببازیم بازم بتونیم داخل این بازی بمونیم.

برای همین سیسم های جوری طراحی میشن که داخل مارکت بتونیم نوچرال حرکت کنیم و تا جای ممکن ریسک برای یک ماراتن طولانی طراحی کنیم.

یه چیزی که اکثرا راجب HFT اشتباه می‌فهمن

همه فکر می‌کنن معامله‌گری فرکانس بالا یعنی سریع‌تر بودن. نه. یعنی زودتر دیدن. وقتی یه سفارش به صرافی می‌رسه، بین لحظه‌ای که قیمت تغییر می‌کنه و لحظه‌ای که بقیه می‌فهمن قیمت تغییر کرده، یه پنجره‌ی زمانی خیلی کوچیک وجود داره. کسی که اون پنجره رو می‌بینه، معامله می‌کنه. بقیه دارن رو قیمت قدیمی ترید می‌کنن.

ما روی سیستم‌هایی کار می‌کنیم که تأخیر اجرا زیر ۲۰ میلی‌ثانیه‌ست. یعنی از لحظه‌ای که سیگنال ساخته میشه تا لحظه‌ای که سفارش به هسته‌ی تطبیق صرافی می‌رسه، کمتر از دو صدم ثانیه رد میشه. تو این بازه، جنس معماری سیستمت از جنس استراتژیت مهم‌تره. دور زدن هسته، مسیریابی سفارش از طریق مدارهای اختصاصی، قرار گرفتن فیزیکی کنار سرور صرافی — اینا دیگه امکانات اضافه نیستن. پیش‌نیازن.

یه چیزی که کمتر گفته میشه اینه که تو این بازی، یه استراتژی ضعیف با زیرساخت قوی پول در میاره. یه استراتژی قوی با زیرساخت ضعیف نه. چون اگه دیر برسی، قیمتی که فکر می‌کردی هنوز هست، دیگه نیست. یکی دیگه قبلت خورده. این دقیقاً همون جاییه که اکثر تیم‌ها وقت و پول هدر میدن. روی بهتر کردن سیگنال کار می‌کنن، در حالی که مشکل اصلی اینه که سیگنالشون دیر می‌رسه.

🚀 سولون وارد فاز بتا شد!


تقریبا دی ما سال پیش ما یک تیم خیلی قوی از افرادی که متخصص حوزه مالی و کوانت بودن تصمیم گرفتیم که یک محصول کاملا متفاوت و قوی داخل بازار آپشن ایران توسعه بدیم و دلیلش هم این بود که تیم ها و محصول هایی که تا الان داخل روی موضوع کار میکنن خیلی تجربه خوبی در زمینه توسعه محصولات مالی ندارن و خب میشد خیلی بهتر بشه.

سولون طی این مدت از جنگ و قطعی اینترنت و هزاران مشکل امروز به صورت بتا لانچ شد.

همین الان ثبت نام کنید!!!!

چون بعد از پایان نسخه بتا امکان دریافت تمام امکانات به صورت رایگان نخواهید داشت.
حتما از فیچرهایی که داریم استفاده کنید تا اگر نکته ای از بابت استفاده از سولون داشتید به ایدی من پیام بدین @QuantBlaze تا بتونیم خیلی بهترش کنیم.

این شروع این مسیر هست و خیلی خبر ها در راه هست.



🌐https://solonfi.com
🌐https://solonfi.com
🌐https://solonfi.com

این ۲ تا پوزیشن باز شده رزومتون به ایدی ساپورت بفرستید
زبانتون باید خیلی خوب باشه اگر دسته پا شکسته بلدین حرف بزنید رزومه نفرستید رد میکنن.

Trading Engine Development Engineer - Java development language, TOP10 exchange trading engine development experience, TPS 30K or above
Golang development engineer - Golang development language, with past experience in direct partner system management

لطفا چرخ از اول اخترع نکنید!!

یه چیزی که این مدت خیلی به فکرم افتاده اینه که آدم‌ها هنوز فکر می‌کنن برای ورود به دنیای کوانت فایننس باید سال‌ها فقط کتاب بخونن و ریاضی حفظ کنن، بعد یه روز برن سراغ کدنویسی و ترید. ولی الان با وجود ابزارهایی مثل Claude و ChatGPT این مسیر واقعاً عوض شده.

مثلاً به جای اینکه ساعت‌ها گیر یه مفهوم مثل stochastic calculus بمونی، می‌تونی از AI بخوای چند جور مختلف برات توضیحش بده تا بالاخره جا بیفته. یا وقتی یه مدل ساده‌ی ترید یا بک‌تست می‌نویسی، کدت رو بدی AI ریویو کنه و ایراداتش رو بگیره. این چیزی که قبلاً شاید یه ماه طول می‌کشید، الان تو چند روز جا میفته.

فقط یه نکته هست که خیلی مهمه: این یعنی نیازی به یادگیری عمیق نداری؟ نه اصلاً. چون تو مصاحبه‌های واقعی شرکت‌های کوانت، اصلاً اجازه استفاده از AI رو نداری. یعنی باید خودت مسلط باشی، AI فقط سرعتت رو بالا می‌بره نه اینکه جای دانشت رو بگیره.

یه نکته‌ی دیگه هم که به نظرم مهمه: امروز خیلی از شرکت‌ها انتظار دارن که با ابزارهای AI (مثل تحلیل متن یا reinforcement learning) راحت باشی. یعنی این مهارت دیگه یه امتیاز اضافه نیست، بلکه جزو پیش‌نیازهاست.

امروز سرکلاس کوانت با جناب بهاری یه نکته مطرح شد که دیدم ارزشمنده اینجا هم بگم انگاری خیلی رایجه چون خودمم دچارش شدم که پایین توضیح دادم چجوری

چند روز پیش داشتم رو یه استراتژی RSI کار می‌کردم، پریود رو از ۱۴ گذاشتم رو ۱۵ بعد ۱۶. با ۱۴ بازدهی ۵۰ درصد میداد، با ۱۵ یهو رفت رو منفی ۱۰، با ۱۶ دوباره برگشت رو ۵ درصد مثبت. اولش خیلی خوشحال شدم که یه عدد جادویی پیدا کردم.

بعد یادم افتاد این دقیقاً همون چیزیه که نباید بهش دل خوش کرد. یه استراتژی درست‌حسابی باید رو یه بازه از پارامترها یه روند نرم نشون بده، نه یه قله تنها وسط یه دشت صاف. اگه فقط رو یکی دو تا عدد خاص جواب میده و بقیه‌ش خرابه، یعنی داری نویز تاریخی رو فیت می‌کنی نه یه edge واقعی.

راه چکش هم ساده‌ست، هیت‌مپ بکش از دو تا پارامتر کنار هم و ببین رنگا کجا نرم عوض میشن. اگه یه پیکسل تنها زرده وسط یه دریای قرمز، همون‌جا شکش رو بکن.

یه ضرب‌المثل انگلیسی هست که خیلی دوسش دارم: penny wise, pound foolish. یعنی سر پول خرد خیلی حساس و دقیقی، ولی همون حساسیت باعث میشه چیزای بزرگ‌تر رو ساده از دست بدی.

تو مدل‌سازی مالی هم دقیقاً همین اتفاق میفته. خیلیا میشینن هفته‌ها روی یه مدلی وقت میذارن که هم بازدهیش کمه هم اجراش سخته، فقط چون فکر می‌کنن پیچیده‌تره پس حتماً بهتره. بعد وقتی سرشون رو بلند می‌کنن، می‌بینن یه فرصت خیلی ساده‌تر و بزرگ‌تر از کنارشون رد شده و اصلاً بهش نگاه هم نکردن.

دقت زیاد رو یه چیز کوچیک، خودش می‌تونه بزرگ‌ترین ریسکت باشه.

سرور نترکونید🎖

من یک زیرساخت برای اتومیت تریدینگ روی دریبیت برای آپشن کریپتو توسعه دادم.
اگر کسی روی دریبیت کار کرده و استیمنتی داره میتونیم صحبت کنیم تا با تیم ما همکاری داشته باشه تا بتونیم یا اتومیت کنیم و یا یا روی کوانت آپشن کار کنیم.
برای همکاری به آیدی ساپورت پیام بدین.

میتونید داشبورد مارو ببینید.

Derbit engine dashbaord access:
https://46.249.102.139/
user: admin
pass: Zg1VGjKHo2tkhICt1Q8J

چسبونکی در بازار

هج‌فاندا برای فهمیدن روند بازار خط روند نمی‌کشن، بازار رو می‌برن تو ۳ تا state: bull، sideways، bear — دقیقاً مثل یه فرآیند مارکوف مرتبه‌ی اول، یعنی فرض می‌کنیم state فردا فقط به state امروز وابسته‌ست، نه به کل تاریخچه.

هر روز رو بر اساس بازدهی تجمعی ۲۰ روز قبلش لیبل می‌زنن؛ بالای ۵٪ یعنی bull، زیر منفی ۵٪ یعنی bear، وسطش sideways. بعد کل تاریخچه رو می‌رن می‌شمارن چند بار از هر state به state بعدی رفته، و از روی این شمارش یه ماتریس انتقال ۳در۳ می‌سازن؛ اساساً یه تخمین maximum likelihood برای P(state فردا | state امروز).

قطر این ماتریس معمولاً خیلی بالاتر از بقیه‌ی خونه‌هاست، یعنی P(bull→bull) و P(bear→bear) بزرگ‌تر از بقیه‌ی احتمالاته. این همون «استیکینس» هست، همون چیزی که ما بهش میگیم «روند دوستته» ولی این‌بار به‌صورت یه عدد قابل تخمین. جالب اینجاست که اگه همین ماتریس رو به توان دو برسونی، تخمین دو روز جلوتر رو هم می‌گیری — ولی این بحث یه پست جداست.

من دارم رو دیتای چند تا کوین این ماتریسو با یه پنجره‌ی rolling می‌سازم که با تغییر رژیم بازار خودش آپدیت بشه، اگه یه الگوی جالب دیدم حتماً می‌ذارم.

یه نفر چقدر میتونه احمق باشه؟

فاند ما داخل یک هفته اخیر بیشتر ۳ میلیون دلار وارد ضرر شده به صورت Unrealized که کمتر از ۵ درصد ارزش کل فاند هست ولی دلیل اصلیش جالبه

هج ریشو داخل پوزیشن‌ها به صورت داینامیک محاسبه میشه. تیم اپریشن تصمیم گرفته بود این عدد رو کمتر کنه تا هزینه‌ی هج کم بشه، یه تصمیم که رو کاغذ کاملاً منطقیه، هزینه رو کم می‌کنه. ولی همین کاهش هج، اکسپوژر پرتفوی رو زیاد کرد و وقتی بازار یه حرکت نسبتاً معمولی زد، همون اکسپوژر اضافه مستقیم رفت تو ضرر.

نکته‌ای که برام موند این بود: کاهش هزینه‌ی هج یه تصمیم ریسکه، نه یه تصمیم هزینه‌ای. باید قبل از اعمالش شبیه‌سازی کنی که همون کاهش ریشو زیر یه حرکت بد بازار (نه سناریوی خوش‌بینانه) چقدر پورتفولیو رو باز می‌ذاره، بعد تصمیم بگیری، نه برعکس.

اینکه ضرر زیر ۵ درصد NAV موند خودش نشون‌دهنده‌ی اینه که سایزینگ درست بوده، ولی دلیل وقوعش یه یادآوریه که "صرفه‌جویی" تو هج، همیشه یه شکل دیگه از ریسک‌گیریه، فقط اسمش عوض شده.

همین حرکت احمقانه باعث شده کل تیم از ۳شنبه استرسی باشه بیشتر از ۴۰ ساعت همه انکال باشیم یه چند نفرم اخراج شدن. میخوام یه متریک کمی درست کنم بیاد مشخص کنه تو اسکیل یک تا ۱۰۰ مشخص کنه هر لحظه یه نفر چقدر میتونه تصمیم احمقانه بگیره

چند روز پیش سالگرد اولین ایونت کوانت سیرکل بود((:

این کامیونیتی مال من نیست؛ من فقط هماهنگی‌های برگزاریش رو انجام می‌دم. کوانت سیرکل برای همه‌ی کسانیه که توش شرکت می‌کنن، یه کار دلیه، بدون هیچ برنامه‌ای برای درآمدزایی. هدفم فقط ساختن یه فضای سالم و علمیه، تا کنار هم رشد کنیم. تنها خط قرمزمون هم همینه: دریغ کردن دانش و تجربه. امیدوارم بتونیم با کمک هم سالم نگهش داریم.

اگر کسی میشناسید تجربه فروش سازمانی با نهاد های مالی ایران مثل کارگزاری ها و صندوق داره ممنون میشم معرفی کنید یه پروژه جذاب هست که پتانسیل خوبی داره
farhan.k@office.onebullex.com

برای توسعه مدل هایی که نیاز دارن از چندین لوکیشن مختلف دیتا بگیرن میاییم سرویس هارو روی چندین لوکیشن مختلف ست میکنیم که هرکدوم که کمترین تاخیر داشت سریع سوویچ کنیم روی اون و همشون مدل pay as go هست که الکی هزینه اضافه ندیم.

الان تیک تو ترید ما برای هج معاملاتمون روی صرافیی که بهشون وصلیم جز خودمون حدود ۱۵ میلی ثانیه هست. از فاصله سرخط اردربوک ۲ ۳ تا اردر میره میاد بدون اینکه کسی بفهمه