ECHO
15-minuters medelåterföring på ETF:er och volatilitetsprodukter
Bergnymf vars röst återvänder — pris återgår till rättvist värde
VadECHOgör
ECHO fångar marknadens återgång till rättvist värde — ekot. Tränad på 37 reaktionsvänliga instrument (breda ETF:er, volatilitetsprodukter, räntor, råvaror) och medvetet blind för trendindikatorer.
Kortsiktig medelåterföring i hackiga/ranging-regimer
Så fungerar det
ECHO är en faktoriserad kanal × tids-uppmärksamhetstransformator. Den tittar på ett 160-bars kontextfönster av 12 ingångskanaler och förutsäger hela distributionen av de nästa 4 staplarna.
Framåtriktad pass: ingång OHLCV + indikatorkanaler → patch-embedding → alternerande rymd/tid uppmärksamhetslager → poolad till en enda embedding → MLP-huvud förutsäger 7 kvantilnivåer per horisontsteg.
Ingångskanaler
Varje bar är z-poäng normaliserad per fönster med hjälp av kontextbaserad statistik, så modellen ser relativa rörelser snarare än absoluta priser.
Utdata
Data & träning
Universum
37 symboler
mean_revert_universe
Symboler är de likvida, handlingsbara instrumenten som bildar ECHOs träningspopulation. Varje prediktionscykel kör framåttester på samma universum så att prestandasiffrorna inte är handplockade.
Varför detta träningsfönster
Vi utesluter medvetet data före 2010. Perioden före decimalisering (bråktal fram till april 2001), före HFT-regimen (≤2007) och kreditkrisen 2007-2009 speglar en markandsstruktur som inte längre existerar. Vid 3.3 M parametrar bränner kapacitet på den regimen brus som konkurrerar med vikter för den aktuella marknaden — López de Prado (2018) identifierar regim-ickestationaritet som den primära felkällan inom finansiell maskininlärning.
Känslighet: en pilot tränad på 2003-2022 visade 10-12% sämre valideringsförlust än körningen från 2010 och framåt.
Live-prestanda
Varje prediktion ECHO gör loggas och utvärderas med barriär i realtid. Dessa siffror visar endast avslutade affärer och uppdateras kontinuerligt.
Tidigare resultat garanterar inte framtida avkastning. Framåttestresultat speglar 1:3 R/R barriärsimulering; verkliga resultat kan avvika på grund av slippage, spreadar och likviditet.
Ärliga begränsningar
Testexponering i bullish-regim
Det 15 veckor långa out-of-sample-fönstret var en period med bullish bias. Modellens prestanda i baisse-regimer (2022-Q4-stil) är ej verifierad och sannolikt väsentligt lägre.
Transaktionskostnader ej modellerade
Redovisad avkastning exkluderar transaktionsavgifter (~0,05-0,30% för dessa instrument). I verkligheten blir avkastningen lägre. Redovisade siffror representerar övre gränser.
Träning/test på samma symboler
Modellen tränades och testades på samma symboluniversum (tidssplit). Vi validerar temporal generalisering, inte generalisering till osedda tickers.
Vad vi är säkra på
Riktningsskicklighet över slumpmässig chans (symmetrisk 1:1 R/R-vinstfrekvens är 51.5%) och reproducerbar träning: vi har omtränat från grunden 3+ gånger med identiska hyperparametrar inom ±1% valförlust.
Läs hela rapporten
Djupgående teknisk rapport med publikationsnivå: datarensning, arkitekturdjupdykning, träningsdynamik, barriärsimuleringsmetodik, heltidsresultat, känslighetsanalyser och öppen diskussion om begränsningar. ~7 000 ord.
Jämför mellan de fem
Varje modell i Zirdle Five hanterar en annan handelsregim. Gå tillbaka till översikten för att se hur de presterar gällande vinstfrekvens, marknadsstorlek och resultat utanför urvalet.