將預測與訂單分開
訊號表達方向與信念強度。部位規模、再平衡與執行決定該預測如何轉化為交易策略。
Alpha 與訊號
找出策略背後的預測。
AI 代理人開發交易假設與策略程式碼。Stratmill 也包含訊號研究元件，可評估預測、納入換手率與成本考量，並在共用風險模型下組合訊號。
訊號評估與帳簿是引擎功能。專用的工作區管理器尚未提供。
互動示意圖
追蹤一項預測，直到它成為結果。
AI 生成的想法需要可衡量的證據。逐步呈現後續觀測值，比較預測分數與其後實現的報酬。
關係只是起點。
這個小型範例中的正相關並不足以證明可交易優勢。在結合訊號之前，請檢查預測期間、獨立樣本、換手率與成本。
預測與後續結果選定的觀測值
下一根 K 線報酬率（%）
預測分數
- 觀測值
- 樣本相關性（IC）
- 最新報酬
最初的觀察結果僅能提供尚不穩固的估計。
新的觀察結果可能削弱原先看似存在的關聯。
在下結論之前，請檢視完整樣本及其不確定性。
深入了解 Alpha 與訊號。
探索此階段如何為 AI 交易策略工廠做出貢獻。
衡量扣除成本後仍成立的部分
訊號評估會考量資訊係數、統計證據、換手率、淨優勢，以及與既有預測的相關性。
保留遭拒的想法
訊號庫會記錄評估結論與過往評估結果。扣除成本後消失的預測，仍是有用的研究結果。
從單一效應到組合訊號庫。
某項預測本身可能有用，卻可能對已經承擔相同曝險的訊號庫增加不了多少價值。請同時評估其資訊含量與貢獻。
假說
定義提議的效應與預測期間。
評估
衡量資訊、換手率與淨優勢。
組合
為預測加權，並調整組合曝險規模。
歸因
檢視貢獻，並與移除該訊號後的結果比較。
綜合解讀訊號證據。
沒有任何單一統計量能將預測轉化為核准策略。訊號評估位於策略驗證、回測與發布審查之前。
水平捲動以查看所有欄位。
| 衡量項目 | 它回答的問題 | 需要留意的事項 |
|---|---|---|
| 資訊係數 | 預測是否與後續報酬一致？ | 樣本數、不確定性與預測期間。 |
| 換手率與淨優勢 | 估計的效應扣除追蹤成本後是否仍然成立？ | 交易成本與預測變動可能侵蝕未扣除成本前的獲利優勢。 |
| 相關性 | 這項預測是否與訊號庫中已有的預測相似？ | 名稱不同，仍可能描述相同的底層押注。 |
| 貢獻 | 組合訊號庫的結果如何分配至各個訊號？ | 已記錄的歸因是一種分配；請將有訊號與無訊號的執行結果比較，以研究其邊際效應。 |
常見問題解答。
更多問答這裡所說的 alpha 是什麼意思？
Alpha 研究尋找可能在既有曝險或基準之外帶來報酬的預測效應。Alpha 假設是待測試的主張，而非超額報酬的承諾。
我現在可以在儀表板中管理訊號庫嗎？
目前的工作區流程以策略為核心。引擎中已有訊號評估、訊號庫儲存與組合訊號庫功能，但目前尚未提供專用的儀表板訊號庫管理工具。
這些是否等同於即時市場指標？
不是。即時市場指標描述當前市場狀況。研究訊號則是相對於後續結果進行評估的預測；單獨一項指標並不能證明存在可交易的優勢。
多個訊號可以共用一個策略嗎？
訊號組合元件將加權預測整合為單一目標曝險，並搭配波動率目標設定、槓桿上限與再平衡機制。這是引擎可組合運用的功能，並非為每個訊號各設一個獨立的模擬交易名額。
通過評估的訊號會直接進入實盤交易嗎？
不會。訊號通過評估只是研究階段的判定。由此產生的策略仍須經過驗證、測試、審查，並獲准進入模擬交易；實盤執行還需要針對特定帳戶取得授權，並完成作業檢查。
歸因是否證明某個訊號造成了報酬？
不會。訊號庫記錄的是基於份額的損益分配。比較有訊號與無訊號的結果，可以提供另一種觀察其貢獻的方式，但兩者都無法消除對未來行為的不確定性。
探索相互連結的工作流程。
了解 AI 代理人、測試引擎與執行控制如何在策略工廠中協同運作。
Stratmill 是 AI 交易策略平台，不提供財務建議，也不是經紀商。回測與模擬交易結果均屬假設性結果。交易涉及虧損風險。