Zirdle Research
Zirdle 五個模型
五個專有 AI 模型，從 50 億個市場數據點從頭開始訓練
每個模型皆為專為特定交易模式設計的多元轉換器——當日沖銷、均值回歸、動量波段、成長突破與保守指數追蹤。並非基於任何基礎模型的微調版本。
5.3B
訓練用的K線數據
5
不同模型
4× A40
NVIDIA A40
0
基礎模型微調
Meet the Five
H
樣本外
+1.47%/wk
HELIOS
5 分鐘日內搶帽子交易，針對流動性強的大盤股
太陽神——始終開啟，日週期，最快的光
4.4 M
params
12
channels
5 min
interval
Read the paper
E
樣本外
+1.48%/wk
ECHO
ETF與波動性產品的15分鐘均值回歸
山間仙女，其聲迴盪——價格回歸公允價值
3.3 M
params
12
channels
15 min
interval
Read the paper
O
樣本外
+4.09%/wk
ORION
24通道、多指標的日線動量波段
橫跨天際的獵戶星座
14.5 M
params
24
channels
1 day
interval
Read the paper
N
樣本外
+4.38%/wk
NOVA
專注於高貝塔成長股的深度專家
爆炸星——突然的明亮增長
34.1 M
params
24
channels
1 day
interval
Read the paper
A
樣本外
+2.21%/wk
ATLAS
僅以OHLCV為基礎的指數與大型股基準
扛起世界的泰坦——穩固基礎
2.4 M
params
5
channels
1 day
interval
Read the paper
我們如何建構它們
Zirdle Five 共享一個共同的架構家族，但在宇宙、輸入渠道和容量上有所不同。它們是從頭開始訓練的——而不是從任何開放權重基礎模型微調而來——因為金融時間序列需要領域特定的歸納偏置，而通用的預訓練會破壞這些偏置。
因式化注意力
受ViViT啟發的因式化轉換器首先關注每個時間區塊內的輸入通道，然後關注每個通道內的時間區塊。在24個通道下，二次成本保持在可控範圍內。
分位數損失
每個模型使用彈球損失預測7個分位數（0.05、0.10、0.25、0.50、0.75、0.90、0.95）——這是機率預測的正確評分規則。這種聯合位置加不確定性訓練對於風險感知分析至關重要。
體制感知訓練窗口
每日模型在2010–2022年進行訓練。刻意排除十進制化前（2001年）、高頻交易前（≤2007年）及全球金融危機（2007–2009年）——在我們參數預算下，舊體制的數據是噪音，會竊取當前市場結構的容量。
訓練設置
架構系列因式分解的通道 × 時間注意力機制
硬體4× NVIDIA A40 (48 GB)
訓練窗口2010-01-01 → 2022-12-31（每日機器人）/ 2022-06 → 2024-06（日內）
樣本外測試2024-07-01 → 2025-11-30（15週樣本外）加上6個月統一宇宙