大多数投资者跟踪表现，但很少有人跟踪表现的来源 归因是大多数交易系统中缺失的一层 💱

在传统的量化工作流程中，模型的“阿尔法”几乎有 40% 在将信号与噪声分离后消失。 真正的问题在于缺乏对每个预测变量贡献的问责。

未被监测的信号衰减得很快 来自多家量化公司的研究表明，在快速变化的市场中，未被追踪的信号在6到10周内失去统计有效性 如果你不测量衰减，你就会继承它…

模型卫生很重要：– 特征漂移 – 过拟合 – 相关性峰值 – 未使用的权重 这些都是可以解决的问题，但前提是要进行测量 忽视它们会使一个好的模型变成负担。

长期获胜的系统将是能够： 跟踪信号贡献 去除无效预测因子 根据实时证据重新加权 并使每个组件负责。 这个责任循环是 Yiedl 关注的重点 👉 不仅是性能，还有来源的证明。