大多數投資者追蹤表現，但很少有人追蹤表現的來源 歸因是大多數交易系統中缺失的一層 💱

在傳統的量化工作流程中，模型的“alpha”幾乎有 40% 在將信號與噪聲分開後消失。 真正的問題在於缺乏對每個預測因子貢獻的問責。

未被監控的信號會迅速衰減 來自多家量化公司的研究顯示，在快速變動的市場中，未被追蹤的信號在6到10週內會失去統計有效性 如果你不測量衰減，你就會繼承它…

模型衛生很重要：– 特徵漂移 – 過擬合 – 相關性尖峰 – 未使用的權重 這些都是可以解決的問題，但前提是必須進行測量 忽視它們會使一個好的模型變成負擔。

長期獲勝的系統將是那些能夠： 追蹤信號貢獻 移除無效預測因子 根據實時證據重新加權 並使每個組件負責。 這個問責循環是 Yiedl 專注的地方 👉 不僅是性能，還有來源的證明。