YouMind
ลงชื่อเข้าใช้

วิธีสร้างโต๊ะเทรด Quant แบบ 24/7 ด้วย Opus 5.5 (คู่มือฉบับสมบูรณ์)

@Av1dlive
อังกฤษ07 ต.ค. 2569
172K
168
17
29
398

TL;DR

บทความนี้ให้คำแนะนำอย่างละเอียดเกี่ยวกับการสร้างแผนกวิจัยเชิงปริมาณที่ขับเคลื่อนด้วย AI โดยใช้ Opus 5.5 และ Minara ซึ่งเน้นไปที่การกำหนดขอบเขตการลงทุน การตรวจสอบความถูกต้องของข้อมูล และการนำโปรโตคอลการทดสอบที่เข้มงวดไปปฏิบัติ

นี่คือวิธีสร้างทีมวิจัยเชิงปริมาณ (quant research desk) ที่ขับเคลื่อนด้วย AI ด้วย Opus 5.5 แบบทีละขั้นตอน

พื้นที่เดียวสำหรับวิจัยบริษัท ทดสอบไอเดียการเทรด และตรวจสอบหลักฐานเบื้องหลังผลลัพธ์แต่ละอย่าง

ใช้พรอมต์ ภาพหน้าจอพร้อมคำอธิบาย และการตรวจสอบด้านล่างนี้ เพื่อสร้างเวอร์ชันของคุณเอง

เราจะเริ่มต้นจาก Minara ตัวนำร่องที่ใช้งานได้จริง จากนั้นจึงสร้างไปป์ไลน์ข้อมูลและงานวิจัยที่ทีมเต็มรูปแบบต้องการ

ลองถามแชท AI ว่ามีหุ้น AI ตัวไหนบ้างทั่วโลก คุณก็อาจจะได้รายชื่อมาชุดหนึ่ง แต่ก่อนอื่น ต้องนิยามให้ชัดว่าอะไรคือการมี exposure ต่อ AI หลักเกณฑ์ของหลักทรัพย์ที่เข้าเงื่อนไข และหลักฐานที่แต่ละบริษัทต้องมีคืออะไร

ถ้าข้ามขั้นตอนนี้ไป รายชื่อที่ได้มาอาจปนทั้งลูกค้าและซัพพลายเออร์ นับบริษัทเดียวซ้ำถึงสามรอบ หรือเอาข้อมูลที่เปิดเผยในอนาคตมาใช้กับการตัดสินใจในอดีต

ในการตั้งค่าที่เสนอมา แต่ละเครื่องมือจะมีหน้าที่เพียงอย่างเดียว:

Minara จัดระเบียบงานวิจัยและตัวนำร่อง Codex รันการคำนวณที่ทำซ้ำได้ Jev ตรวจสอบหลักฐานที่พิมพ์ออกมาหลังจากผ่านการทดสอบหนักแล้ว Dots ประสานงานภารกิจที่มีขอบเขตชัดเจนเมื่อการส่งต่องานได้รับการยืนยันแล้ว

ก่อนจะขอโมเดล ผมอยากได้หลักฐานที่ผมตรวจสอบได้ด้วยตัวเอง

ผู้ออกหลักทรัพย์จดทะเบียนรายใดเข้าเกณฑ์ ทำไมถึงถูกเลือกเข้ามา และข้อมูลนี้ตอบคำถามอะไรได้บ้าง?

แกนหลักที่วางแผนไว้ครอบคลุมหุ้นสามัญจดทะเบียนและ ADRs ที่แหล่งข้อมูลที่ระบุชื่อให้ความครอบคลุมระดับประเทศ ผมจะทำแผนที่ exposure ต่อ AI ของผู้ออกหลักทรัพย์แต่ละรายตลอดทั้งห่วงโซ่คุณค่า

Momentum, quality และวัฏจักรการลงทุน จะได้รับการทดสอบแยกกันหลังจากอินพุตผ่านการตรวจสอบแล้ว

คำว่า “ระดับโลก” ต้องมีเอกสารยืนยันความครอบคลุม ไม่ใช่ทุกตลาดหลักทรัพย์และผู้ออกหลักทรัพย์จะปรากฏขึ้นมาโดยอัตโนมัติ

นี่คืองานวิจัยที่ไม่มีการเชื่อมต่อกับโบรกเกอร์ ไม่มีเส้นทางส่งคำสั่งซื้อขาย ไม่มีวอลเล็ต และไม่มีการนำไปใช้งานจริง

ภาพบันทึกดิบอาจแสดงป้ายชื่อบัญชี ซึ่งเป็นการบันทึก UI ปัจจุบันหรือที่เซฟไว้ ผมยังไม่ได้ทำซ้ำผลลัพธ์เหล่านี้ด้วยตัวเอง

สิ่งที่ Minara รองรับได้ในวันนี้

ผมลองสำรวจ Minara เพื่อดูเครื่องมือวิจัยของมัน ฐานข้อมูลระดับโลกยังต้องสร้างเพิ่มเติม

Factor Library แสดงแฟกเตอร์ 376 ตัว รวมถึงวิธีนิยาม momentum หลายแบบ

ตัวอย่างหนึ่งใน Strategy Studio มีตราสารปัจจุบัน 31 รายการ รวมถึง ETFs และหลักทรัพย์ที่ไม่ใช่ของสหรัฐฯ

นั่นเพียงพอสำหรับการทดลองใช้ UI แต่สมาชิกภาพของหุ้นทั่วโลกในอดีตยังต้องมีข้อมูลของตัวเอง

บันทึกย่อ momentum ของสหรัฐฯ แบบกว้างส่งค่ากลับมาว่า “ไม่ได้คำนวณ” ความครอบคลุมในอดีต สมาชิกภาพ เวอร์ชันของข้อมูล และราคาที่สั่งซื้อขายได้จริงยังไม่ได้รับการยืนยัน

ผมยังพบความไม่ตรงกันของต้นทุนและการตั้งค่าในหน้าจอ backtest อีกด้วย

Avid - inline image

บันทึกย่อ Minara ปัจจุบันและคำขอดั้งเดิมแสดงให้เห็นข้อจำกัดของ UI และงานวิจัย

Avid - inline image

• ซ้ายมือ เป็นการรันงานวิจัยระดับสถาบันที่มีอยู่เดิมซึ่งมีความครอบคลุมระดับโลกไม่สมบูรณ์ ลูกศรชี้ไปที่เฟสของ roundtable NVDA ที่เสร็จสิ้นแล้ว

• ตรงกลาง รายงานเฉพาะ NVDA ที่ไม่มี universe AI ระดับโลก ลูกศรชี้ไปที่พาดหัวและข้อความ hold

• ขวามือ คำขอดั้งเดิมและบันทึกย่อที่เซฟไว้อธิบายถึงการศึกษาที่ยังไม่ได้ทดสอบ ลูกศรชี้ไปที่ข้อสรุปและข้อจำกัดเรื่องข้อมูลที่ไม่มีหลักฐานรองรับ

เริ่มจากการนิยาม investable universe ก่อน

เริ่มจากตัวตนของบริษัท แล้วค่อยเพิ่ม ticker ทีหลัง

ticker ใช้ระบุรายการจดทะเบียน แต่การศึกษามักจะต้องใช้ผู้ออกหลักทรัพย์ที่อยู่เบื้องหลัง ticker นั้น

ผู้ออกหลักทรัพย์หนึ่งรายอาจมีหุ้นหลายคลาส มีการจดทะเบียนหลักในประเทศ และมี ADR

การค้นหาแบบกว้างๆ ยังอาจดึง ETFs, กองทุน, วอร์แรนต์ และบริษัทเอกชนออกมาด้วย

ถ้านับสิ่งเหล่านั้นเป็นบริษัท AI อิสระ ตัวอย่างข้อมูลก็จะพังตั้งแต่ก่อนเริ่มคำนวณครั้งแรก

ผมจะเก็บตารางที่เชื่อมโยงกันสองตาราง:

issuer master เก็บ issuer_id ภายในที่เสถียร ชื่อนิติบุคคล ประเทศที่ตั้ง และตัวระบุภายนอกที่มีอยู่

listing master เก็บ listing_id, ลิงก์ผู้ออกหลักทรัพย์, ticker, ตลาดหลักทรัพย์, คลาสหุ้น, ประเภทตราสาร, สกุลเงิน, ปฏิทิน, วันที่มีสถานะ active และอัตราส่วน ADR หรือหลักทรัพย์อ้างอิงใดๆ

นิติบุคคลและหลักทรัพย์ต้องใช้ตัวระบุแยกกัน โดยเชื่อมด้วยแผนที่ issuer-to-listing ที่ระบุวันที่

หากแผนที่ยังไม่ได้รับการแก้ไข รายการนั้นจะถูกกันออกจากกลุ่มตัวอย่างหลัก

แกนหลักแรกประกอบด้วยหุ้นสามัญและใบรับฝากหลักทรัพย์

ETFs, กองทุน, อนุพันธ์, สินทรัพย์โทเคนไนซ์ และบริษัทเอกชน จะถูกตัดออกหรือติดตามแยกต่างหาก

ADR และหุ้นอ้างอิงให้นับเป็นผู้ออกหลักทรัพย์เดียวกัน แม้ทั้งสองจะมี ticker ก็ตาม

ก่อนทดสอบ ผมจะตรึงกฎการจดทะเบียนหลักไว้ หรือเลือกอย่างชัดเจนว่าจะทำการศึกษาในระดับรายการจดทะเบียน

ผลลัพธ์ของแฟกเตอร์จะมาเปลี่ยนทางเลือกนี้ไม่ได้

ป้ายกำกับ “บริษัท AI” ทุกอันต้องมีหลักฐาน การติ๊กถูกในช่องของตลาดหลักทรัพย์ไม่สามารถตัดสินเรื่องนี้ได้

ผมจะใช้สามกลุ่ม:

• direct exposure: ผู้ออกหลักทรัพย์ขายโมเดล AI, ซอฟต์แวร์, ระบบ หรือบริการ โดยมีหลักฐานจากกลุ่มธุรกิจหรือผลิตภัณฑ์ที่เปิดเผยรองรับ

• supplier or enabler: ขายชิป หน่วยความจำ อุปกรณ์การผลิต ระบบเครือข่าย กำลังประมวลผลคลาวด์ ระบบดาต้าเซ็นเตอร์ พลังงาน ระบบระบายความร้อน หรือปัจจัยนำเข้าอื่นๆ สำหรับการติดตั้ง AI ที่ระบุตัวตนได้

• watchlist only: คำกล่าวอ้างของผู้บริหาร การวางตำแหน่งทางธุรกิจแบบกว้างๆ หรือความเชื่อมโยงที่เป็นไปได้ แต่ขาดรายละเอียดมากพอที่จะรวมไว้ในแกนหลัก

บันทึกหลักฐานแต่ละรายการจะเก็บคำกล่าวอ้าง ช่วงข้อความจากแหล่งที่มา รอบระยะเวลาของเอกสาร เวลาที่เผยแพร่ กลุ่มธุรกิจ เวลาที่บันทึก กฎการติดป้าย ผู้ตรวจสอบ และความเชื่อมโยงระหว่างบริษัทแม่/บริษัทลูก

LLM สามารถช่วยหาช่วงข้อความและแจ้งเตือนความขัดแย้งได้ แต่การติดป้ายข้อมูลในอดีตยังคงต้องอาศัยแหล่งข้อมูลที่ระบุวันที่และบันทึกที่มนุษย์ตรวจสอบแล้ว

known_at ป้องกันไม่ให้ผมเอาคำอธิบายปี 2026 ของบริษัทไปใส่ในบันทึกปี 2018

ไม่มีหลักฐาน แปลว่า unknown และนั่นก็เป็นผลลัพธ์ที่ถูกต้อง

นับจำนวน unknown ควบคู่ไปกับแต่ละคลาส เพื่อให้หลักฐานที่ขาดหายไปยังคงมองเห็นได้

คำว่า “ทั่วโลก” ต้องมีบัญชีคุมความครอบคลุมสำหรับทุกแหล่งข้อมูล

บันทึกประเทศ ตลาดหลักทรัพย์ ประเภทตราสาร ประวัติศาสตร์ ชื่อที่ถูกเพิกถอน การดำเนินการทางองค์กร ช่องข้อมูลทางการเงิน สิทธิ์การใช้งาน และช่องโหว่

ทำเครื่องหมายแต่ละคู่ประเทศ/ตลาดหลักทรัพย์ว่า รวมแล้ว บางส่วน หรือไม่มีข้อมูล ระบุกลุ่มย่อยที่เวนเดอร์รองรับให้เป็นขอบเขตของการศึกษา

แค่ใส่หัวข้อว่า “ระดับโลก” ไม่สามารถแก้ปัญหาความครอบคลุมที่ไม่สมบูรณ์ได้

สร้าง master โดยไม่มีข้อมูลซ้ำหรือ time leakage

ตรึง universe manifest ไว้: วันที่อ้างอิง ประเทศ สถานที่ซื้อขาย ประเภทตราสาร กฎ exposure สแนปช็อตของแผนที่ตัวระบุ ตัวกรองคุณภาพ การจัดการการเพิกถอนทะเบียน เวอร์ชันของแหล่งข้อมูล และข้อยกเว้น

รายงานจำนวนในทุกขั้นตอน: ผู้สมัคร, ผู้ออกหลักทรัพย์และรายการจดทะเบียนที่แมปแล้ว, ข้อมูลซ้ำ, ตราสารที่ถูกปฏิเสธ, ป้ายกำกับที่ไม่ทราบสถานะ และสมาชิกรายสุดท้าย

ผู้ตรวจสอบต้องสามารถไล่เรียงจากรายชื่อแหล่งข้อมูลไปจนถึงสมาชิกรายสุดท้ายได้

ticker เปลี่ยนแปลงได้ แต่ประวัติตัวตนต้องคงอยู่

บริษัทเปลี่ยนชื่อ สถานที่ซื้อขาย และคลาสหุ้น รายการจดทะเบียนอาจถูกระงับ ควบรวม หรือถูกเพิกถอน

เก็บนามแฝงที่ระบุวันที่ แหล่งที่มาของการแมป และเหตุผลของการเปลี่ยนแปลงแต่ละครั้ง

ลิงก์และอัตราส่วน ADR ก็ต้องมีวันที่มีผลบังคับใช้ด้วย

ไดเรกทอรีตลาดหลักทรัพย์ของวันนี้ช่วยระบุรายการจดทะเบียนปัจจุบันได้ แต่มันไม่ได้กำหนดสมาชิกภาพในอดีตหรือเวลาที่หลักฐาน AI ถูกเปิดเผยต่อสาธารณะ

เอกสารยื่นทางการอาจให้วันที่เผยแพร่ แต่ไม่ได้ให้ผลตอบแทนรวมหรือข้อมูลการเพิกถอนทะเบียน

หากประวัติที่จำเป็นไม่มีให้ใช้หรือไม่มีสิทธิ์ใช้งาน แปลว่าไม่ได้คำนวณ

รายการจดทะเบียนแต่ละรายการมีสกุลเงิน ปฏิทิน กฎเวลาออมแสง และเวลาปิดตลาด

ผมจะใช้ผลตอบแทนแบบไม่ป้องกันความเสี่ยง (unhedged) ในสกุลเงินพื้นฐานเดียว น่าจะเป็น USD พร้อมระบุแหล่งข้อมูล FX และเวลาที่ประทับไว้

นิยามวิธีคำนวณผลตอบแทนรวม นโยบายการดำเนินการทางองค์กรและเงินปันผล การจัดการการเพิกถอนทะเบียน และเวลาดำเนินการ

ราคาปิดของวันเดียวกันไม่ได้พิสูจน์ว่ามีข้อมูลให้ใช้จริง ต้องตรวจสอบเวลาประทับจริงของโตเกียวและตลาดที่ปิดทีหลัง

บันทึกเวลาตัดสินใจและเซสชันท้องถิ่นถัดไปที่สั่งซื้อขายได้ใน manifest

เก็บผลตอบแทนในสกุลเงินท้องถิ่นไว้เพื่อการวินิจฉัย บันทึกการแปลงเป็น USD เพราะอัตราแลกเปลี่ยนสามารถเปลี่ยนอันดับได้

ปรับวันหยุดและเซสชันที่ไม่ทับซ้อนให้ตรงกับปฏิทินของตลาดหลักทรัพย์ การ join ข้อมูลแบบเหมารวมที่สิ้นเดือนอาจซ่อนข้อผิดพลาดด้านเวลาไว้

เมื่อระบบไม่รองรับการจับเวลาที่สอดคล้องกัน ให้ใช้กลุ่มย่อยที่จัดแนวได้ และระบุข้อจำกัดนั้นไว้

สามสมมติฐาน สามรูปแบบความล้มเหลว

agent ไม่ควรลองแฟกเตอร์เป็นพันๆ ตัวจนกว่าจะได้กราฟสวยๆ ออกมาสักอัน

ตรึงสมมติฐานง่ายๆ สามข้อ จำกัดจำนวนตัวแปร และทดสอบทีละอย่าง

momentum มาก่อน นิยามของมันตรวจสอบได้ใน Minara วันนี้เลย

quality และวัฏจักรการลงทุนจะอยู่ในขั้นออกแบบเท่านั้น จนกว่าอินพุตในอดีตจะผ่านการตรวจสอบ

1. momentum. เปรียบเทียบผลตอบแทนรวม 12 เดือนแบบธรรมดา (compounding t−12 ถึง t−1) กับ 12–2 momentum (compounding t−12 ถึง t−2 และข้าม t−1)

ตรึง universe ผู้ออกหลักทรัพย์/รายการจดทะเบียน ณ จุดเวลา ปฏิทินการปรับสมดุล กฎการคัดเลือก น้ำหนัก เกณฑ์มาตรฐาน และต้นทุน

เปลี่ยนเฉพาะหน้าต่างสัญญาณเท่านั้น

การทดสอบนี้แสดงให้เห็นว่านิยามต่างๆ เลือกชื่อที่แตกต่างกันหรือไม่ แต่มันไม่ได้อธิบายว่าอะไรเป็นตัวทำให้เกิดผลตอบแทนเหล่านั้น

2. quality. ตรึงนิยามข้ามประเทศขนาดเล็กก่อนจัดอันดับ

ตัวเลือกหนึ่งผสมผสานความสามารถในการทำกำไร ความแข็งแกร่งของงบดุล และความมั่นคงของรายได้

นิยามหน่วยวัด รอบระยะเวลาบัญชี นโยบายการปรับปรุงย้อนหลัง เวลาที่เผยแพร่ และการจัดการกับช่องข้อมูลที่เปรียบเทียบกันไม่ได้หรือขาดหายไปของแต่ละอินพุต

มาตรฐานการบัญชี สกุลเงิน อุตสาหกรรม และปฏิทินการเงิน สามารถทำลายคะแนนระดับโลกแบบตื้นๆ ได้

แสดงความครอบคลุมของแต่ละองค์ประกอบไว้ข้างๆ คะแนนรวม ช่องข้อมูลที่ขาดหายไปจะต้องมองเห็นได้เสมอ

3. investment cycle. ใช้รายจ่ายลงทุนที่เปิดเผยซึ่งผูกกับกลุ่มธุรกิจ AI ในบัญชีหลักฐาน

แยก capex ที่เป็นเงินสดที่เกิดขึ้นจริง, แนวโน้มที่ประกาศ, ข้อผูกพันที่แจ้งไว้, งานระหว่างก่อสร้าง และเป้าหมายของผู้บริหาร แต่ละอย่างมีความหมายและวันที่ต่างกัน

การประกาศสร้างดาต้าเซ็นเตอร์หลายปีไม่ใช่ capex ที่เสร็จสิ้นแล้ว

ตรึงมาตรวัดและ lag ก่อนทดสอบ ผลตอบแทนจะมาเขียนมันใหม่ไม่ได้

บันทึกทิศทางที่คาดหวัง อินพุต จังหวะเวลา กลุ่มตัวอย่างที่เข้าเงื่อนไข ตัวแปรควบคุม เกณฑ์มาตรฐาน ตัวแปร กฎการปฏิเสธ และ holdout ไว้ในแต่ละ manifest

รักษาสถานะ “design only” ไว้จนกว่าพจนานุกรมข้อมูลและกฎเวลาเผยแพร่จะผ่านการตรวจสอบ

งานวิจัย momentum ที่ตีพิมพ์แล้วสามารถจุดประกายคำถามได้ แต่ผลลัพธ์ในอดีตไม่สามารถโอนย้ายมายัง universe นี้ได้

ผมจะใช้ French Mom เป็นข้อมูลอ้างอิงในการสร้าง ตัวอย่างนี้จะใช้นิยามของตัวเอง

Avid - inline image

• บนซ้าย แคตตาล็อก Factor Library ไม่ได้ตรวจสอบความถูกต้องของสัญญาณ ลูกศรชี้ไปที่แท็บแคตตาล็อกและตัวเลข

• บนขวา ชื่อพรีเซ็ตของ universe ไม่ได้กำหนดสมาชิกภาพในอดีต ลูกศรชี้ไปที่ตัวเลือก Tradfi 30

• ล่างซ้าย มุมมอง Factor Library ทั่วไปนี้ไม่ได้แสดงคู่ momentum ที่จับคู่กัน ลูกศรชี้ไปที่หัวข้อหมวดหมู่/จำนวน

• ล่างขวา แบบฟอร์มกลยุทธ์แสดงตัวควบคุมที่มีอยู่ โดยยังไม่ได้ส่งกลยุทธ์ใหม่ ลูกศรชี้ไปที่ตัวควบคุมสินทรัพย์และพอร์ตโฟลิโอ

เริ่มจาก Minara ตัวนำร่องที่มีขอบเขตชัดเจน

ก่อนจะสร้างชุดข้อมูลระดับโลก ให้ขอให้ Minara ทำการทดสอบแบบจับคู่ plain-versus-skip-month บนกลุ่มย่อยที่รองรับและระบุชื่อ

ขอรายงานความพร้อมใช้งานก่อน: สินทรัพย์ที่แน่นอน ตัวระบุ นิยามแฟกเตอร์ กฎการปรับสมดุล วันที่ ต้นทุน และฟิลด์ส่งออก

รายการที่จำเป็นแต่ยังไม่ได้รับการยืนยันจะบล็อกการทำ backtest

Factor Library แสดงนิยามแบบ plain 12 เดือน, skip-one-month 3 และ 6 เดือน และแบบ intermediate 7–12 เดือน

คู่จับคู่ plain 12 เดือน และ 12–2 ยังต้องรอการตรวจสอบ

ตรวจสอบ factor IDs และโค้ดเพื่อยืนยันสิ่งนั้น

Avid - inline image

wrapper โค้ด momentum ปัจจุบันสามารถตรวจสอบได้

การทดสอบ 12 เดือนเทียบกับ 6 เดือนไม่สามารถใช้แทนคู่ 12–2 ที่ขาดหายไปได้

สัญญาณที่กำหนดเองต้องมีเส้นทางที่รองรับ โค้ดที่ตรวจสอบได้ และอินพุตที่ทำซ้ำได้ มิฉะนั้น ให้คำนวณคู่นั้นแบบออฟไลน์

ตะกร้า TradFi 30 ที่สังเกตพบแสดงตราสารปัจจุบัน 31 รายการ รวมถึง ETFs และรายการจดทะเบียนที่ไม่ใช่ของสหรัฐฯ

นำกลับมาใช้เป็นตัวนำร่อง UI แบบตะกร้าคงที่ สมาชิกภาพ AI ระดับโลกในอดีตต้องใช้ข้อมูลแยกต่างหาก

ตรึง long-only ห้าอันดับแรก น้ำหนักเท่ากัน ปรับสมดุลรายเดือน 1x เกณฑ์มาตรฐาน และต้นทุน เปลี่ยนเฉพาะสัญญาณ

เซฟการตั้งค่า สมาชิก และเอาต์พุตของการรันทั้งสองครั้ง

จากนั้นทดสอบตารางต้นทุนทางเดียว เช่น 0, 10, 25 และ 50 basis points

ภาพรวม fee-off แสดงค่าคอมมิชชันการเติมคำสั่งซื้อ ความไม่ตรงกันนี้ยังไม่ได้รับการแก้ไข slippage ยังไม่ได้รับการตรวจสอบอย่างเป็นอิสระ

สวิตช์ค่าธรรมเนียมไม่ได้กำหนดโมเดลต้นทุน

Codex จะคำนวณ turnover สมมติฐานและยอดหักจากการถือครองและผลตอบแทนที่ส่งออก หากขาดอาร์ทิแฟกต์ แปลว่าไม่ได้คำนวณ

Avid - inline image

• บนซ้าย ดราฟต์ momentum ที่เซฟไว้และคำขอแสดงการสร้างปัจจุบัน ลูกศรชี้ไปที่ตัวควบคุม universe และพอร์ตโฟลิโอ

• บนขวา ค่าธรรมเนียมและ slippage ของ momentum ปัจจุบันไม่ได้ยืนยันการดำเนินการ ลูกศรชี้ไปที่ค่าธรรมเนียม 10 bps และการตั้งค่า slippage

• ล่างซ้าย ภาพรวม momentum ปัจจุบันไม่ได้บันทึกการรันใหม่ ลูกศรชี้ไปที่เมตริกพาดหัว

• ล่างขวา fills ของ momentum ที่เซฟไว้ยังไม่ได้รับการทำซ้ำอย่างเป็นอิสระ ลูกศรชี้ไปที่ fills และค่าคอมมิชชัน

หน้าต่างปี 2024–2026 ที่ตรวจสอบเป็นวัสดุสำหรับการพัฒนา มันไม่สามารถใช้เป็นที่ holdout ที่ไม่ถูกแตะต้องได้อีกต่อไป

สำรองบล็อกข้อมูลในอดีตด้วยข้อมูล point-in-time ที่มีสิทธิ์ใช้งานเท่านั้น มิฉะนั้น ให้เริ่มการตรวจสอบแบบ prospective หลังจากตรึงนิยามแล้ว

Minara จัดระเบียบการทดลอง แต่ตัวเลขประสิทธิภาพที่แสดงทุกตัวยังต้องมีหลักฐานสนับสนุน

Avid - inline image

• บนซ้าย ผลลัพธ์รายสัญลักษณ์เป็นหลักฐานที่รายงานโดยผลิตภัณฑ์ ลูกศรชี้ไปที่ P&L ที่รับรู้แล้วและยังไม่ได้รับรู้

• บนขวา เมตริก momentum ปัจจุบันแตกต่างจากเมตริกแชทในอดีต ลูกศรชี้ไปที่ตัวเลขพาดหัวปัจจุบัน

• ล่างซ้าย fills ที่เซฟไว้ปัจจุบันไม่มีการทำซ้ำอย่างเป็นอิสระ ลูกศรชี้ไปที่ตาราง fills

• ล่างขวา ตารางรายสัญลักษณ์นี้แสดงหลักฐานที่เซฟไว้ชุดเดิม โดยไม่มีการรันใหม่ ลูกศรชี้ไปที่ตาราง

ตรวจสอบสูตรหนึ่งอย่างเป็นอิสระ

เริ่มแบบออฟไลน์ด้วยการตรวจสอบเล็กๆ: สร้าง Kenneth French's monthly Mom ขึ้นมาใหม่จากขาพอร์ตโฟลิโอ size-by-momentum ทั้งหกที่เผยแพร่แล้ว

นี่คือการตรวจสอบเลขคณิต universe AI ระดับโลกและพอร์ตโฟลิโอที่เสนอต้องได้รับการตรวจสอบแยกต่างหาก

ตรวจสอบ parser การจัดแนววันที่ หน่วยผลตอบแทน และคณิตศาสตร์ long-short

text
1Mom[t] = 0.5 * (SmallHigh[t] + BigHigh[t])
2 - 0.5 * (SmallLow[t] + BigLow[t])

French สร้างพอร์ตโฟลิโอ value-weight หกตัวโดยใช้ size และผลตอบแทนก่อนหน้า (2–12) Mom คือค่าเฉลี่ยของพอร์ตโฟลิโอผลตอบแทนก่อนหน้าสูงสองตัว ลบด้วยค่าเฉลี่ยของพอร์ตโฟลิโอต่ำสองตัว

ดาวน์โหลดทั้งหกขาและซีรีส์ Mom ที่เผยแพร่แยกต่างหาก ตรึงเวอร์ชันคลังข้อมูลไว้หนึ่งเวอร์ชัน join เดือนที่เหมือนกัน และเปรียบเทียบการสร้างใหม่แบบสี่ขากับบรรทัดที่เผยแพร่

ตั้งค่าความคลาดเคลื่อนที่ยอมรับได้จากความแม่นยำที่เผยแพร่ก่อนคำนวณ

การตรงกันสนับสนุนระบบท่อของสูตร

แต่มันไม่ได้ตรวจสอบอินพุตระดับหลักทรัพย์ ป้ายกำกับ AI ระดับโลก ประวัติของ Minara ต้นทุน หรือ alpha

data library เปลี่ยนจาก CRSP FIZ เป็น CIZ ตั้งแต่เวอร์ชันเดือนมกราคม 2025 จังหวะเวลาการนำเงินปันผลรายเดือนไปลงทุนใหม่แตกต่างกันระหว่างสองแบบนี้

อย่านำรูปแบบเหล่านั้นมาเย็บต่อกันเป็นซีรีส์ “ต่อเนื่อง” โดยไม่มีการเปรียบเทียบที่จัดทำเอกสารแยกต่างหาก

เก็บ URL เวลาที่ดึงข้อมูล รูปแบบ checksum เวอร์ชัน parser หน่วย และหมายเหตุสิทธิ์การใช้งานของแต่ละสแนปช็อตไว้

ตรวจสอบการสร้าง Data Studio ก่อนที่จะเชื่อถือข้อมูลของมัน

builder แสดง Claude Opus 5.5 เป็นโมเดลที่เลือก นั่นคือการตั้งค่าโมเดลที่บันทึกไว้สำหรับแดชบอร์ดนี้

ทีมระดับโลกยังต้องสร้างขึ้น ผมจะตรวจสอบโค้ดและข้อมูลของมันอย่างเป็นอิสระก่อนที่จะใช้เอาต์พุต

Minara รายงานแอปเวอร์ชัน 1.2.1 แดชบอร์ดแต่ละเวอร์ชันมีระบบหมายเลขของตัวเอง

โปรเจกต์ Data Studio เก่าระบุว่า Version 1 แต่จับคู่ Bitcoin preview เข้ากับแผน Nvidia/Palantir

Avid - inline image

• บนซ้าย หน้าแรกของ Data Studio แสดงโปรเจกต์ที่เซฟไว้ ไม่ใช่การคำนวณที่ได้รับการยืนยัน ลูกศรชี้ไปที่อินพุตภาษาธรรมชาติ

• บนขวา Bitcoin preview ของ Version 1 เก่าไม่ตรงกับคำขอในภายหลัง ลูกศรชี้ไปที่แผงที่ว่างเปล่าของ Version 1

• ล่างซ้าย แผน Nvidia/Palantir เก่าไม่ได้พิสูจน์ว่า preview ของมันใช้งานได้ ลูกศรชี้ไปที่เป้าหมายหุ้นที่ผสมกับข้อกำหนดของ Bitcoin

• ล่างขวา คำขอข้อมูลเก่าล้มเหลว ลูกศรชี้ไปที่ข้อผิดพลาด 504 ของประวัติและ quote จาก FMP

Avid - inline image

• บนซ้าย การตั้งค่าเก่าแสดงการกำหนดค่า ไม่ใช่ผลลัพธ์ ลูกศรชี้ไปที่สถานะ Ready ของ Financial Modeling Prep

• บนขวา มุมมองโค้ดเก่าไม่ได้พิสูจน์ว่าการดึงข้อมูลสำเร็จ ลูกศรชี้ไปที่ชื่อหุ้นที่มีองค์ประกอบของ Bitcoin

• ล่างซ้าย บริบทของโปรเจกต์ Bitcoin ก่อนหน้า แยกจากคำขอเปรียบเทียบใหม่ ลูกศรชี้ไปที่พรอมต์แดชบอร์ดแบบ research-only ก่อนที่จะถูกส่ง

• ล่างขวา Bitcoin preview เก่าแสดงการปรับแต่งหุ้นที่ล้มเหลว ลูกศรชี้ไปที่คำขอนั้นที่ล้มเหลว

แท็บ Data ของมันแสดงคำขอ FMP สี่รายการที่มีข้อผิดพลาด 504 สิ่งนั้นไม่ได้สร้างการเปรียบเทียบหุ้นที่ใช้งานได้

Avid - inline image

• บนซ้าย แท็บ Data เก่าแสดงข้อผิดพลาด FMP 504 สี่รายการ ลูกศรชี้ไปที่ความล้มเหลว 504 เหล่านั้น

• บนขวา แผนเปรียบเทียบหุ้นเก่าที่เซฟไว้ไม่ตรงกับ Bitcoin preview ลูกศรชี้ไปที่เป้าหมายของแผน

• ล่างซ้าย เทมเพลตแดชบอร์ดหุ้นแสดงตัวเลือกที่มีอยู่ ไม่ใช่การศึกษาที่เสร็จสมบูรณ์ ลูกศรชี้ไปที่เทมเพลตหุ้นและ macro

• ล่างขวา About รายงาน Minara แอป 1.2.1 ภาพหน้าจอขนาดเล็กคงขนาดดั้งเดิมไว้ ลูกศรชี้ไปที่บรรทัดเวอร์ชัน

ผมส่งคำขอวิจัย Nvidia เทียบกับ Palantir แยกต่างหาก โดยขอข้อมูลสังเกตการณ์จริง เวลาประทับ และข้อผิดพลาดที่มองเห็นได้ คำขอที่แน่นอนและการติดตามผลถูกเซฟไว้ในไฟล์พรอมต์แยกต่างหาก

บิลด์แรกค้างอยู่ที่ขั้นตอน 3/5

Avid - inline image

• ซ้ายมือ Version 1 ที่เซฟไว้มี quote แล้ว แต่ประวัติและความสัมพันธ์ยังรอดำเนินการ ลูกศรชี้ไปที่ค่า quote ของ Version 1 และเวลาประทับของแหล่งข้อมูล

• ตรงกลาง การเรียก quote ของ Version 1 ส่งคืน HTTP 200 ลูกศรไฮไลต์การเรียก quote HTTP 200 สองรายการ

• ขวามือ ส่วนขยายประวัตินี้ยังทำงานอยู่ที่นี่ ต่อมาเซฟเป็น Version 2 ลูกศรชี้ไปที่แผงประวัติที่รอดำเนินการ

ส่วนขยายประวัติเซฟเป็น Version 2 แอปรายงานว่าการสร้างและการตรวจสอบ preview ผ่านแล้ว

UI แสดงความครอบคลุมตั้งแต่วันที่ 1 เมษายน – 1 ตุลาคม 2026: ราคาปิดที่ถูกต้อง 127 จาก 127 รายการที่ส่งคืนสำหรับแต่ละสัญลักษณ์ ซีรีส์ราคาทั้งสองเริ่มที่ 100 ในวันที่แรกที่ตรงกัน

UI รายงานความสัมพันธ์แบบ Pearson ที่ 0.1421 จากผลตอบแทนรายวันที่จับคู่กัน 126 คู่ ผมยังไม่ได้ทำซ้ำสิ่งนี้ด้วยตัวเอง

มันอธิบายผลตอบแทนในอดีต ไม่ได้ทำนายการเคลื่อนไหวครั้งต่อไป

Avid - inline image

• บนซ้าย UI ของ Version 2 สุดท้ายแสดง quote และราคาในอดีต ลูกศรชี้ไปที่กราฟราคาปิดรายวันของ Version 2

• บนขวา Version 2 รายงานราคาปิด 127 รายการสำหรับแต่ละตัว และผลตอบแทนที่จับคู่กัน 126 รายการ ลูกศรชี้ไปที่วันที่และแถวความครอบคลุม 127/127

• ล่างซ้าย ประวัติคำขอแสดงความล้มเหลว HTTP 403 หกครั้งก่อนที่การตอบสนองประวัติจะสำเร็จ ลูกศรชี้ไปที่ความล้มเหลว HTTP 403 เหล่านั้นและการตอบสนอง HTTP 200 ในภายหลัง

• ล่างขวา นี่แสดงจุดเริ่มต้นของโค้ดการเปรียบเทียบ ไม่ใช่ทั้งไฟล์ ลูกศรชี้ไปที่ parser และการจัดการวันที่ซ้ำ

Avid - inline image

Version 2 ที่เซฟไว้แสดงราคาดัชนีและความสัมพันธ์ที่รายงานโดย UI ผมยังไม่ได้ทำซ้ำการคำนวณนี้ด้วยตัวเอง

preview รับเอาคำขอที่ล้มเหลวไปด้วย แท็บ Data สะสมแสดงการเรียก FMP 18 ครั้งและข้อผิดพลาดหกครั้ง

ความพยายามดึงประวัติหกครั้งส่งคืน 403 จากนั้นอีกสองครั้งส่งคืน HTTP 200 preview สุดท้ายเรนเดอร์ออกมาโดยที่ความล้มเหลวเหล่านั้นยังอยู่ในประวัติคำขอ

Avid - inline image

• ซ้ายมือ แผนที่เซฟไว้ฉบับสุดท้ายรายงานว่าการสร้างเสร็จสมบูรณ์ ลูกศรชี้ไปที่สัญญาแหล่งข้อมูล quote และประวัติ

• ขวามือ การตั้งค่าสุดท้ายไม่ได้ตรวจสอบความถูกต้องของข้อมูลอย่างเป็นอิสระ ลูกศรชี้ไปที่ความพร้อมของ FMP และจังหวะ one-load

แหล่งข้อมูลที่ลงทะเบียนและตรวจสอบแล้วยังไม่ให้อินพุตเกี่ยวกับสินค้าโภคภัณฑ์ ห่วงโซ่อุปทาน หรือการคาดการณ์ข่าว ไปป์ไลน์ระดับโลกยังคงเป็นเพียงแผนการสร้าง

ตรวจสอบกลยุทธ์ที่เซฟไว้และเวิร์กโฟลว์การนำเข้า

กลยุทธ์ BTC ที่เซฟไว้และตัวอย่าง Pine แสดงให้เห็นอีกเวิร์กโฟลว์ที่ต้องตรวจสอบ การจำลองและโค้ดเหล่านั้นไม่ได้สร้างความน่าเชื่อถือให้กับการศึกษาหุ้น

Avid - inline image

• บนซ้าย ตัวอย่าง Pine นี้แยกจากการศึกษาหุ้นระดับโลก ลูกศรชี้ไปที่คำอธิบาย sizing และต้นทุน

• บนขวา อินพุตต้นทุน Pine ปัจจุบันไม่ได้พิสูจน์ต้นทุนของการรันก่อนหน้า ลูกศรชี้ไปที่ค่าต้นทุน backtest ของกล่องโต้ตอบ

• ล่างซ้าย ภาพรวม Pine ที่เซฟไว้รายงานการจำลองที่ผมยังไม่ได้ทำซ้ำ ลูกศรชี้ไปที่ผลลัพธ์พาดหัว

• ล่างขวา fills ของ Pine ที่เซฟไว้เป็นการจำลองแยกต่างหาก ไม่ใช่คำสั่งซื้อขายจริง ลูกศรชี้ไปที่แถวการซื้อขายแรกที่เสร็จสมบูรณ์

Avid - inline image

• บนซ้าย กล่องโต้ตอบนำเข้าโค้ดแสดงพื้นผิวอินพุต ไม่ใช่การแปลงที่ได้รับการตรวจสอบ ลูกศรชี้ไปที่พื้นที่อินพุต Pine/code

• บนขวา ภาพรวม Pine ที่เซฟไว้นี้แยกจากการศึกษาหุ้น ลูกศรชี้ไปที่เมตริกพาดหัวของตัวอย่าง

• ล่างซ้าย ซอร์ส Pine เป็นของตัวอย่างที่เซฟไว้แยกต่างหาก ลูกศรชี้ไปที่โค้ด

• ล่างขวา รายการเทรดที่เซฟไว้แสดงเอาต์พุตของการจำลอง ไม่ใช่คำสั่งซื้อขายจริง ลูกศรชี้ไปที่แถวของมัน

ตรึง repository และ data contract

ผมจะเริ่มจากเล็กๆ: Python, NumPy, pandas, PyArrow, Pydantic, pytest, Ruff และ environment uv ที่ล็อกไว้

statsmodels และ Matplotlib รอจนกว่ารายงานจะต้องการ scikit-learn รอจนกว่าจะมีการกำหนดขั้นตอนการสร้างโมเดล

DuckDB สามารถ query Parquet ได้หากแผงข้อมูลเติบโตขึ้น

ซีรีส์แฟกเตอร์หกตัวไม่ต้องการเซิร์ฟเวอร์ vector database หรือเฟรมเวิร์ก agent อัตโนมัติ

markdown
1quant-research-lab/
2 AGENTS.md README.md pyproject.toml uv.lock
3 config/ schemas/ manifests/{sources,universes,hypotheses}/
4 src/qrlab/
5 data/{ingest,identifiers,calendar,fx,validate}.py
6 universe/{build,evidence,coverage}.py
7 factors/{momentum,quality,investment_cycle}.py
8 portfolio/{weights,returns,costs}.py
9 validation/{splits,metrics,review}.py
10 runner.py registry.py reporting.py
11 tests/fixtures/ tests/test_*.py
12 data/{raw,normalized}/ # ignored by Git
13 runs/ # immutable run folders
14 reports/

Git เก็บโค้ด schemas synthetic fixtures และ manifests ที่ไม่ละเอียดอ่อน

ข้อมูลดิบหรือข้อมูลที่มีสิทธิ์ใช้งานจะอยู่นอก Git

ผมจะเก็บคลังข้อมูลต้นฉบับแบบ byte-for-byte และ hash คลังข้อมูลนั้นรวมถึงทุกรายการ

สแนปช็อต Parquet ที่ normalize แล้วแต่ละตัวจะพกเวอร์ชัน schema, source snapshot, สกุลเงิน, หน่วย และ lineage การแปลง

การรันต้องการอินพุตที่ตรึงไว้ มันจะไม่อ่าน latest.csv

บันทึกสี่รายการทำให้เชนตรวจสอบได้

  1. DataManifest บันทึกแหล่งข้อมูล สิทธิ์การใช้งาน รูปแบบ เวลาที่ดึงข้อมูล, hash, ความครอบคลุม, parser และเวอร์ชัน
  2. UniverseManifest ตรึงกฎสมาชิกภาพ ป้ายกำกับหลักฐาน แผนที่ issuer-listing จำนวน ข้อยกเว้น และกฎ as-of
  3. ExperimentSpec นิยามสมมติฐาน อินพุต สัญญาณ วันที่ การแมปพอร์ตโฟลิโอ เกณฑ์มาตรฐาน ต้นทุน และกฎการปฏิเสธ
  4. RunManifest บันทึก commit ของโค้ด lockfile, hash ของอินพุต คำสั่ง environment, hash ของเอาต์พุต การเรียกภายนอก และสถานะ

ReviewResult แยกต่างหากจะอ้างอิงอาร์ทิแฟกต์และระบุปัญหาที่ยังไม่ได้รับการแก้ไข

  1. สำหรับสมาชิก universe แต่ละราย ผมต้องการ issuer_id, listing_id, valid_from, valid_to, known_at, instrument_type, ประเทศ, ตลาดหลักทรัพย์, สกุลเงิน และ source_snapshot_id
  2. คำกล่าวอ้างหลักฐานแต่ละรายการยังต้องการเวลาที่เผยแพร่และเวลาที่บันทึก ข้อความคำกล่าวอ้าง แหล่งข้อมูลหลักฐาน กฎการจัดประเภท และผู้ตรวจสอบ
  3. มูลค่าทางการเงินต้องการวันเริ่มต้น/สิ้นสุดรอบ, available_at, สกุลเงินดั้งเดิม, หน่วย, มูลค่าที่รายงาน, สถานะการปรับปรุงย้อนหลัง และแหล่งข้อมูล
  4. ผลตอบแทนต้องการวิธีคิดราคาหรือผลตอบแทนรวม นโยบายการดำเนินการทางองค์กร การจัดการการเพิกถอนทะเบียน การแปลงสกุลเงินพื้นฐาน และเวลาประทับ FX

วันที่สิ้นสุดงวดไม่ได้บอกผมว่าเอกสารยื่นทางการพร้อมใช้งานเมื่อใด

  1. การทดสอบบังคับว่า available_at <= decision_at การเทรดตามสัญญาณที่รู้ได้ ผลตอบแทนเป้าหมายเริ่มหลังจากดำเนินการแล้ว
  2. ผมจะแยกวันที่ก่อนขยายแถวเป็นรายการจดทะเบียน
  3. วันที่ตัดสินใจเดียวกันจะอยู่ใน fold เดียว ป้ายกำกับ training จะถูกล้างทิ้งเมื่อช่วงผลตอบแทนทับซ้อนกับ validation
  4. ช่องว่างตัวเลขเดียวไม่สามารถครอบคลุมช่วงเวลาหรือปฏิทินที่ต่างกันได้

ตรึงกฎการคำนวณและกฎความล้มเหลวก่อนทำ backtesting

การรันแต่ละครั้งจะแยกสัญญาณ การถือครอง ผลตอบแทนขั้นต้น และต้นทุนออกจากกัน

  • สัญญาณจัดอันดับผู้ออกหลักทรัพย์ที่เข้าเงื่อนไขโดยใช้ข้อมูลที่มี ณ เวลาตัดสินใจ
  • กรณีเสมอกันให้เป็นไปตามกฎที่กำหนดไว้ตายตัว
  • การสร้างพอร์ตโฟลิโอเลือกจำนวนชื่อตามพรีเซ็ต ปรับน้ำหนักให้เป็นมาตรฐาน จัดการรายการจดทะเบียนที่ขาดหายไปหรือถูกระงับ และบันทึกสถานะที่ถูกปฏิเสธ
  • ชั้นต้นทุนใช้ค่าธรรมเนียม, turnover, spread, slippage และสมมติฐาน FX ที่ประกาศไว้
  • ผลตอบแทนขั้นต้นไม่สามารถเรียกว่าเป็นประสิทธิภาพสุทธิได้

สเปคผลตอบแทนระดับโลกจะตรึงสกุลเงินพื้นฐานและเวลาประทับการแปลง

ผลตอบแทนรวมในสกุลเงินท้องถิ่น (local total return) และผลตอบแทนจากอัตราแลกเปลี่ยน (FX return) จะถูกนำมาคำนวณแบบคูณกัน: (1 + local_return) \ (1 + fx_return) - 1.*

ผมต้องการข้อมูลผลตอบแทนรวม (total-return) ของจริง หรือข้อมูลเงินปันผลและเหตุการณ์ทางบริษัท (corporate actions) ที่มีเอกสารอ้างอิง แค่ "adjusted close" อย่างเดียวไม่สามารถอธิบายที่มาของตัวเลขได้

ผลตอบแทนจากการเพิกถอนหลักทรัพย์ (delisting returns) ที่ขาดหายไปจะได้รับการแจ้งเตือนเรื่องความครอบคลุม บริษัทที่ล้มเหลวไม่ได้หายตัวไปเงียบๆ โดยไม่มีร่องรอย

  1. ก่อนใช้ข้อมูลที่ได้รับอนุญาต (licensed data) ให้ใช้ชุดข้อมูลจำลอง (synthetic fixtures) เพื่อทดสอบการตัด ADR ที่ซ้ำซ้อน, การจับคู่ประเภทหุ้น (share-class mapping), การเปลี่ยนแปลงป้ายกำกับ ณ จุดเวลาใดเวลาหนึ่ง (point-in-time label changes), วันหยุดท้องถิ่น, เวลาปิดตลาดที่ไม่ตรงกัน, การแปลงค่าเงิน, การเพิกถอนหลักทรัพย์, ข้อมูลสังเกตการณ์ที่ซ้ำกัน, เอกสารที่ยื่นขาดหายไป และน้ำหนักพอร์ตโฟลิโอ
  2. ชุดข้อมูลจำลอง French Mom จะตรวจสอบเครื่องหมาย, การแปลงเปอร์เซ็นต์แบบครั้งเดียว, การจัดแนวเดือนทั่วไป, การยกเว้นส่วนรายปี และขอบเขตการปัดเศษ
  3. รัน manifest, โค้ด และอินพุตเดิมซ้ำ ผลลัพธ์เชิงตัวเลขที่ได้ต้องตรงกัน

หากแฮชเปลี่ยนไป การรันจะถูกหยุดทันที

  • ผลลัพธ์อาจมีสถานะเป็น verified_reconstruction, not_reproduced, not_calculated หรือ blocked
  • สถานะ blocked ต้องระบุเหตุผล ตัวอย่างเช่น ประวัติประเทศที่ไม่สนับสนุน, การจับคู่ผู้ออกตราสารที่ไม่สามารถแก้ไขได้, ช่วงเวลาของสกุลเงินที่ไม่ทราบแน่ชัด หรือคู่แฟกเตอร์ Minara ที่จับคู่ไว้แล้วแต่ขาดหายไป
  • เอเจนต์ไม่สามารถเดาข้ามช่องข้อมูลที่ขาดหายไปได้
  • จำนวนความครอบคลุมและข้อมูลที่ขาดหายไปจะแสดงอยู่ข้างตารางผลตอบแทน

บันทึกทุกไอเดียลงในสมุดบัญชีทดลอง

ก่อนการคำนวณ แต่ละไอเดียจะได้รับ manifest สมมติฐานที่มีการควบคุมเวอร์ชัน ซึ่งประกอบด้วย: เหตุผลทางเศรษฐศาสตร์, สูตรที่แน่นอน, ช่องข้อมูลที่จำเป็น, ความล่าช้าในการเข้าถึงข้อมูล, ขอบเขตหุ้นที่มีสิทธิ์, ระยะเวลา, เวลาในการสร้างและดำเนินการ, เกณฑ์มาตรฐาน, ต้นทุน, หน้าต่างการพัฒนา, กลุ่ม holdout, รูปแบบแปรผันที่วางแผนไว้ และเกณฑ์การปฏิเสธ

สมุดบัญชีนี้จะบันทึกการรันทุกครั้ง รวมถึงข้อผิดพลาดของ parser และผลลัพธ์ที่เป็นลบ

  • การเปลี่ยนสูตรหลังจากเห็นผลลัพธ์แล้ว จะสร้าง manifest เวอร์ชันใหม่ แต่บันทึกเก่ายังคงอยู่
  • ระบบลงทะเบียนอาจใช้สถานะต่างๆ เช่น proposed, design_only, data_audited, implemented, challenged, independently_reviewed, research_qualified, rejected และ paper_research

ชื่อสถานะเหล่านี้เป็นเพียงข้อเสนอ ระบบลงทะเบียนยังไม่ได้ถูกสร้างขึ้น

  1. การคำนวณให้ตรงกับเลขคณิตของ French อาจได้รับสถานะ verified_reconstruction แต่การรับรองโมเดลหุ้นต้องใช้หลักฐานแยกต่างหาก
  2. สถานะ research_qualified ต้องการสายธารแหล่งที่มาของข้อมูล (source lineage), การคำนวณที่กำหนดผลลัพธ์ได้แน่นอน, การตรวจสอบ ณ จุดเวลาใดเวลาหนึ่ง, การตรวจสอบที่ถูกล็อกไว้, การจัดการต้นทุน และผู้ตรวจสอบที่สามารถทำผลลัพธ์ซ้ำได้
  3. สิ่งนี้ทำให้ผ่านขั้นตอน paper-research แต่ยังไม่ได้อนุมัติให้นำเงินทุนมาใช้จริง
  4. สำหรับการอนุมาน ให้จัดกลุ่มชื่อที่อยู่ในวันเดียวกันไว้ด้วยกัน รายงานสหสัมพันธ์อันดับแบบภาคตัดขวาง (cross-sectional rank correlation) ตามวันที่ อย่าถือว่าแต่ละหุ้นในแต่ละวันเป็นอิสระต่อกัน

การประมาณค่า Sharpe ของพอร์ตโฟลิโอต้องมีช่วงความไม่แน่นอน และมีวิธีที่รองรับความสัมพันธ์เชิงอนุกรม (serial dependence)

ผลลัพธ์ที่มีนัยสำคัญทางสถิติก็ยังมีโอกาสเจอปัญหาเรื่องอคติจากการรอดชีวิต (survivorship), ป้ายกำกับที่ล้าสมัย, ความครอบคลุม หรือการส่งคำสั่งซื้อขายได้

มอบหมายงานให้เครื่องมือตามความถนัด

Minara ทำหน้าที่จัดระเบียบโต๊ะวิจัย ผมจะใช้มันเพื่อจัดระเบียบคำถาม ตรวจสอบพื้นผิวของแฟกเตอร์และกลยุทธ์ และบันทึกสินทรัพย์ที่รองรับ

  1. การส่งมอบงานครั้งแรกจะทำด้วยมือ
  2. อะแดปเตอร์ในภายหลังสามารถใช้ chat API ที่มีเอกสารกำกับได้ หลังจากผมทดสอบสิทธิ์ของบัญชี, การยืนยันตัวตน, การเรียกเก็บเงิน, อัตราการจำกัดการใช้งาน (rate limits), รูปแบบการตอบกลับ และพรอมต์สำหรับการวิจัยเท่านั้น
  3. เอกสารปัจจุบันอธิบายถึง POST /v1/developer/chat และ route สำหรับตรวจสอบสถานะ
  4. เอกสารระบุว่า background: true ใช้ได้เฉพาะกับ stream: false เท่านั้น มีการระบุความเป็น idempotency ของ requestId และเก็บสถานะ completed ไว้เป็นเวลา 24 ชั่วโมง

ผมจะแคชการตอบกลับที่ได้รับการยอมรับไว้ก่อนที่สถานะนั้นจะหมดอายุ

  1. route ที่มีเอกสารกำกับยังคงต้องทดสอบกับบัญชีจริง คำตอบของมันต้องได้รับการตรวจสอบก่อนจะนำไปใช้เป็นข้อมูลตลาด ณ จุดเวลาใดเวลาหนึ่ง
  2. Codex รับมือกับงานที่ต้องผลลัพธ์แน่นอน แต่ละงานจะได้รับเอาต์พุต, repository, manifest ID, อินพุตที่อนุมัติ, ผลข้างเคียงที่ห้ามทำ และรายการตรวจสอบการยอมรับอย่างละหนึ่งชุด
  3. Codex สามารถเขียน parser, การทดสอบแบบรู้คำตอบล่วงหน้า (known-answer tests), ตัวตรวจสอบข้อมูล, รายงาน และโค้ดสำหรับการทดลองได้
  4. ผลลัพธ์ที่อ่อนแอไม่สามารถเปลี่ยนแฟกเตอร์ที่ล็อกไว้ได้ การตรวจสอบที่ไม่ได้รันจะไม่สามารถกลายเป็นผ่านได้ ข้อความอธิบายไม่สามารถทำให้ตัวเลือกมีคุณสมบัติครบถ้วนได้

การเปลี่ยนแปลงแต่ละครั้งจะกลายเป็น code diff ที่แนบมากับการรันครั้งใหม่

Jev ตรวจสอบหลักฐานที่มีการกำหนดชนิดข้อมูล (typed evidence) แฮชแหล่งที่มา, หน่วยวัด, เวลาเผยแพร่, กฎสำหรับข้อมูลที่ขาดหาย, ประเภทผลตอบแทน และการทดสอบอิสระ จะต้องผ่านด่านที่เข้มงวดก่อน

หากไม่ผ่านด่าน จะได้สถานะ blocked ทันที Jev ไม่สามารถลบล้างสิ่งนี้ได้

  1. หากอาร์ทิแฟกต์ผ่านการตรวจสอบ Jev อาจจัดลำดับความสำคัญเป็น needs_evidence, schema_issue หรือ ready_for_human_review
  2. ค่าขีดจำกัด 0.65 ที่มีอยู่เป็นเพียงการตั้งค่าเส้นทางที่เสนอไว้ ไม่ใช่ขอบเขตความปลอดภัยที่ผ่านการปรับเทียบแล้ว
  3. ความเชื่อมั่นที่ต่ำกว่าหมายถึงการงดออกเสียง ส่วนความเชื่อมั่นที่สูงกว่าก็ยังต้องให้คนตรวจสอบ
  4. Jev ไม่สามารถจัดอันดับหลักทรัพย์ คำนวณผลตอบแทน ลบล้างการทดสอบที่ล้มเหลว หรืออนุมัติโมเดลได้

Dots ประสานงานทั้งหมด เมื่อมีโปรเจกต์คลาวด์ที่ได้รับการอนุมัติแล้ว มันจะสามารถติดตามสถานะ ดูแลเช็กลิสต์ และเตรียมสรุปงานที่มีขอบเขตชัดเจนได้

แต่ Codex ยังคงเป็นผู้รันโค้ด

  1. จนกว่าการส่งมอบงานที่รองรับจะถูกทดสอบและบันทึกไว้ ผมจะเริ่มงานของ Codex ด้วยตนเอง และเปรียบเทียบ commit, manifest, run ID และลิงก์หลักฐานที่ได้รับกลับมา
  2. ผมจะทดสอบสิ่งนี้ด้วยโน้ตที่มุ่งร้ายเพื่อพยายามเปลี่ยนเส้นทางเอเจนต์ มันจะต้องอยู่ภายในขอบเขตของช่องหลักฐานเท่านั้น

สร้างทีละจุดตรวจสอบ

0. ล็อกคำถามให้ตายตัว เลือกประเภทหลักทรัพย์เป้าหมาย, คลาสการเปิดรับ AI, ประเทศที่เป็นตัวเลือก, สกุลเงินหลัก และหลักฐานขั้นต่ำจากแหล่งข้อมูล

ผลลัพธ์คือเอกสารกำหนดขอบเขต

เรื่องผลตอบแทนรอไปก่อน

1. ตรวจสอบความครอบคลุม สำรวจคลังข้อมูลหุ้นของ Minara ที่มีอยู่ และแหล่งข้อมูลภายนอกทุกแห่งที่เสนอมา

  • สร้างเมทริกซ์ประเทศ/ตลาด/วันที่/ช่องข้อมูล บันทึกใบอนุญาต และจุดที่ขาดหายไป
  • Minara จะนับเป็นส่วนย่อยที่รองรับได้ ก็ต่อเมื่อพื้นผิวและการส่งออกข้อมูลของมันสามารถตรวจสอบได้เท่านั้น
  • หากขาดประวัติสมาชิกภาพหรือผลตอบแทนรวม งานวิจัยที่เกี่ยวข้องจะได้สถานะ not_calculated

2. สร้างตารางอัตลักษณ์และหลักฐาน

  • จับคู่ผู้ออกตราสารและหลักทรัพย์จดทะเบียนด้วยนามแฝงที่ระบุวันที่, ลิงก์ ADR, ปฏิทิน, สกุลเงิน และป้ายกำกับหลักฐาน
  • ทดสอบการป้องกันการซ้ำซ้อนและตรรกะ known_at เชิงประวัติศาสตร์กับตัวอย่างที่ตรวจสอบด้วยมือแล้ว
  • การตรวจสอบ: ผู้ตรวจสอบต้องอธิบายได้ว่าทำไมแต่ละเอนทิตีจึงถูกรวมเข้าหรือตัดออกในวันที่ที่เลือก

3. สร้างแกนกลางออฟไลน์

  • เพิ่ม schema, lockfile, โฟลเดอร์การรันที่แก้ไขไม่ได้, แฮช, ชุดข้อมูลจำลอง และคำสั่ง CLI ที่เสนอ: qrlab universe-audit, qrlab validate-data, qrlab run และ qrlab report
  • ชื่อคำสั่งเหล่านั้นเป็นเพียงข้อเสนอ ยังใช้งานไม่ได้จริง
  • การตรวจสอบ: การ checkout ใหม่ต้องสามารถตรวจสอบข้อมูลจำลองได้โดยไม่ต้องใช้ product API key

4. ตรวจสอบความถูกต้องของเลขคณิต

  • สร้าง French Mom vintage ที่ปักหมุดไว้ขึ้นมาใหม่หนึ่งชุด และรันการทดสอบชุดข้อมูลจำลองระดับโลก
  • กำหนดค่าความคลาดเคลื่อนที่ยอมรับได้ก่อนดูผลลัพธ์
  • การตรวจสอบ: ห้ามมี vintage ผสมกันหรือการจัดแนวแบบเงียบๆ, ส่วนตกค้าง (residuals) ต้องอยู่ในขอบเขต และไฟล์ต้องทำซ้ำได้
  • หากไม่ผ่าน ให้บันทึก not_reproduced อย่าขยับขอบเขตเพื่อให้ผ่านการทดสอบ

5. รันนำร่อง Minara ขอ manifest ความพร้อมใช้งานก่อน

  • หากคู่ plain/skip ที่มี universe เดียวกันเป๊ะและการตั้งค่าที่จำเป็นสามารถตรวจสอบได้ ให้ล็อกไว้แล้วนำมาเปรียบเทียบ
  • หากไม่ใช่ Minara จะทำหน้าที่จัดระเบียบงานวิจัยต่อไป ส่วนการเปรียบเทียบที่ไม่ตรงกันจะไม่ถูกรัน
  • ก่อนเผยแพร่ ให้ลบตัวระบุบัญชีออก และเขียนคำอธิบายให้ชัดเจนว่าภาพหน้าจอแต่ละภาพแสดงอะไร

6. ลงทะเบียนล่วงหน้าสำหรับงานวิจัยทั้งสามชิ้น

  • ล็อกนิยามของ momentum, quality และ investment-cycle แยกกัน
  • เริ่มเฉพาะงานวิจัยที่ universe, อินพุต, ไทม์สแตมป์, ความครอบคลุมของสมาชิกที่ถูกเพิกถอน และต้นทุน ผ่านการตรวจสอบแล้วเท่านั้น
  • อีกสองชิ้นจะอยู่ในสถานะ design_only ผลลัพธ์ของมันไม่สามารถชี้นำการทดสอบแรกได้

7. เพิ่มระบบเชื่อมต่อ (integrations) เป็นลำดับสุดท้าย

  • ตรวจสอบ API key และต้นทุนด้วยคำขอสำหรับการวิจัยเพียงครั้งเดียว
  • วัดพฤติกรรม false-pass และการงดออกเสียงของ Jev จากเคสที่ติดป้ายกำกับด้วยมือ
  • ตั้งค่า Dots หลังจากสิทธิ์บนคลาวด์และสัญญาขอบเขตงานมีความชัดเจนแล้ว
  • แกนกลางออฟไลน์ต้องทำงานต่อไปได้แม้ระบบเชื่อมต่อจะล้มเหลว

ชัยชนะครั้งแรกหน้าตาเป็นอย่างไร

ชัยชนะครั้งแรกคือการตรวจสอบ universe ที่ผมสามารถเข้าไปสำรวจได้

  1. มันแสดงให้เห็นว่ามีอะไรครอบคลุมบ้าง ทำไมผู้ออกตราสารแต่ละรายจึงมีคุณสมบัติครบ และประวัติข้อมูลสิ้นสุดลงที่จุดไหน
  2. จากนั้นการตรวจสอบสูตรและการทดลองใช้ผลิตภัณฑ์ขนาดเล็กจะแสดงให้เห็นว่าผมสามารถทำซ้ำส่วนใดได้บ้าง
  3. หลังจากนั้น momentum, quality และ investment cycle จะมีงานวิจัยเป็นของตัวเอง

ห้องปฏิบัติการจะแข็งแกร่งขึ้นเมื่อมันสามารถอธิบายเหตุผลของการปฏิเสธได้ ข้อมูลที่ขาดหายไปจะทิ้งช่องว่างไว้ในรายงาน ไม่ใช่การเดาอย่างมั่นใจ

ฟีเจอร์แอปเพิ่มเติมที่ต้องตรวจสอบ

แผงควบคุมเหล่านี้แสดงพื้นผิวของแอปและสถานะการสร้างระหว่างทางเพิ่มเติม ระบบวิจัยระดับโลกยังต้องใช้เวลาสร้างอีกพักใหญ่

Avid - inline image

• ซ้าย อินเทอร์เฟซเขียนโค้ดนี้เป็นของโปรเจกต์อื่นที่บันทึกไว้ ลูกศรชี้ไปที่การกระทำ explore, build, review และ fix

• ขวา กล่องโต้ตอบนำเข้าแสดงพื้นผิวที่ใช้งานได้ ไม่ใช่การนำเข้าที่เสร็จสมบูรณ์ ลูกศรชี้ไปที่พื้นที่ลากวางรูปภาพ/วิดีโอ

เริ่มต้นด้วยพรอมต์ universe-audit ด้านล่าง ตัวเลขผลตอบแทนจะน่าสนใจก็ต่อเมื่อคนอื่นสามารถสร้างมันขึ้นมาใหม่ได้

หกคำขอแรกที่ผมจะให้กับห้องปฏิบัติการ

รันพรอมต์ทั้งหกนี้ตามลำดับ อาร์ทิแฟกต์แต่ละชิ้นจะเป็นตัวกำหนดขอบเขตของชิ้นถัดไป โดยต้องตรวจสอบความครอบคลุมและหลักฐานก่อนดูประสิทธิภาพ ผมจะบันทึกทุกพรอมต์ที่ใช้จริงพร้อมกับ manifest และ run ID ของมัน

1. ตรวจสอบ Universe

markdown
1สร้างขอบเขต universe ที่เสนอสำหรับหุ้น AI จดทะเบียนทั่วโลก อย่าส่งคืนแค่รายชื่อ ticker เปล่าๆ
2
3แยกผู้ออกตราสารออกจากหลักทรัพย์จดทะเบียน และกำหนดแกนกลาง common-share/ADR, ประเภทตราสารที่ถูกตัดออก, คำถามเกี่ยวกับความครอบคลุมของประเทศและตลาด และหลักฐานที่จำเป็นในการจำแนกการเปิดรับ AI โดยตรง, ซัพพลายเออร์/ผู้สนับสนุน และคำกล่าวอ้างที่อยู่ใน watchlist เท่านั้น
4
5ระบุแหล่งข้อมูลและช่องข้อมูลที่เราต้องการสำหรับสมาชิกภาพในปัจจุบันและอดีต ทำเครื่องหมายทุกสิ่งที่ไม่ทราบแน่ชัด อย่าอนุมานว่าครอบคลุมทั่วโลกอย่างสมบูรณ์ หรือกำหนดป้ายกำกับในอดีตจากคำอธิบายในปัจจุบัน
6
7ส่งออกเฉพาะร่าง UniverseManifest ที่ควบคุมเวอร์ชันและเช็กลิสต์ตรวจสอบความครอบคลุม ห้ามทำ backtest

2. หลักฐานห่วงโซ่คุณค่า

markdown
1ใช้เฉพาะเอกสารที่ยื่นตามวันที่และเอกสารต้นทางที่ให้มาเท่านั้น เพื่อจับคู่ผู้ออกตราสารที่เป็นตัวเลือกแต่ละรายเข้ากับอนุกรมวิธานห่วงโซ่คุณค่า AI ที่เสนอ
2
3สำหรับทุกป้ายกำกับ ให้อ้างอิงหรือค้นหาหลักฐานสนับสนุน บันทึกวันที่ของเอกสารและเวลาที่เผยแพร่ กลุ่มธุรกิจ ตัวระบุผู้ออกตราสาร/หลักทรัพย์จดทะเบียน แฮชแหล่งข้อมูล กฎของป้ายกำกับ และสถานะของผู้ตรวจสอบ
4
5แยกแยะรายได้จาก AI โดยตรงที่มีการเปิดเผย, ซัพพลายเออร์/ผู้สนับสนุนที่สามารถระบุได้ และคำกล่าวอ้างจากฝ่ายบริหารเท่านั้นหรือหลักฐานที่อ่อนแอ
6
7หากไม่มีหลักฐานหรือขัดแย้งกัน ให้ใช้ unknown/watchlist พร้อมอธิบายเหตุผล อย่าสร้างป้ายกำกับย้อนหลังก่อนที่เอกสารจะถูกเผยแพร่สู่สาธารณะ

3. สามสมมติฐาน

markdown
1ร่างข้อกำหนดงานวิจัยสามชิ้นที่แยกจากกันและลงทะเบียนล่วงหน้าได้ สำหรับ universe ที่ตรวจสอบแล้ว: (a) momentum แบบธรรมดา 12 เดือน เทียบกับ 12–2, (b) ดัชนีรวม quality ขนาดเล็กที่ใช้ข้อมูลบัญชี ณ จุดเวลาใดเวลาหนึ่ง และ (c) มาตรวัดวัฏจักรการลงทุน AI หนึ่งตัวที่แยก capex ที่เกิดขึ้นจริงออกจาก guidance หรือคำมั่นสัญญา
2
3สำหรับแต่ละชิ้น ให้ระบุสูตร, ทิศทางที่คาดหวัง, ความล่าช้าในการเข้าถึงข้อมูล, กลุ่มตัวอย่างที่มีสิทธิ์, เกณฑ์มาตรฐาน, ระยะเวลา, ตัวแปรควบคุม, รูปแบบแปรผัน, ต้นทุน, กฎการปฏิเสธ และกลุ่ม holdout
4
5อย่าประมาณการประสิทธิภาพ หรือนำสมมติฐานมารวมเป็นคะแนนเดียว ให้ทำเครื่องหมาย spec ใดๆ เป็น design_only เมื่อขาดช่องข้อมูลหรือประวัติที่จำเป็น

4. การเปรียบเทียบส่วนย่อยที่รองรับของ Minara

markdown
1ก่อนรันกลยุทธ์ ให้รายงานว่าหลักทรัพย์จดทะเบียนทั่วโลก นิยามแฟกเตอร์ วันที่ การตั้งค่าพอร์ตโฟลิโอ การตั้งค่าต้นทุน และช่องข้อมูลการส่งออกใดบ้างที่บัญชี Minara นี้รองรับจริงๆ
2
3เสนอการเปรียบเทียบ matched plain-12-month vs 12–2 เฉพาะเมื่อทั้งสองสูตรใช้ universe ที่ตรวจสอบแล้วเหมือนกัน และการตั้งค่าทุกอย่างยกเว้นสัญญาณนั้นเหมือนกันทุกประการ
4
5หากไม่มีคู่ lookback เดียวกัน สมาชิกภาพ ณ จุดเวลาใดเวลาหนึ่ง หรือเอาต์พุตที่จำเป็น ให้หยุดและคืนค่า not_calculated ห้ามนำ lookback อื่นมาใช้แทน หรืออ้างประสิทธิภาพที่ยังไม่ได้ตรวจสอบมาเป็นหลักฐาน

5. งานวิศวกรรมของ Codex

markdown
1พัฒนาเฉพาะไมล์สโตน universe-audit และ data-validation แบบออฟไลน์ที่ได้รับการอนุมัติแล้ว ใน repository quant-research-lab
2
3เริ่มต้นจาก UniverseManifest และ DataManifest ที่อนุมัติแล้ว
4
5ใช้ชุดข้อมูลจำลอง เว้นแต่จะมีการให้ snapshot แหล่งข้อมูลที่ได้รับอนุญาตอย่างชัดเจน เพิ่มการตัดข้อมูลผู้ออกตราสาร/หลักทรัพย์จดทะเบียนที่ซ้ำซ้อน, ป้ายกำกับหลักฐาน AI ตามวันที่, จำนวนความครอบคลุม, การตรวจสอบไทม์สแตมป์และสกุลเงิน/ปฏิทิน, การทดสอบที่กำหนดผลลัพธ์ได้แน่นอน และเอาต์พุตการรันที่แก้ไขไม่ได้
6
7ห้ามเรียก API ภายนอก, เปลี่ยนสมมติฐานที่ล็อกไว้, ดึงข้อมูลที่ได้รับอนุญาต, สร้างคำสั่งซื้อขาย หรืออ้างว่าความครอบคลุมทั่วโลกสมบูรณ์แล้ว ส่งคืน diff, คำสั่ง, เอาต์พุตการทดสอบ, แฮช, ช่องข้อมูลที่ถูกบล็อก และการตัดสินใจขั้นต่อไปเพื่อให้คนตรวจสอบ

6. การตรวจสอบเชิงตั้งข้อสงสัย

markdown
1ตรวจสอบ manifest ที่ล็อกไว้ ไฟล์ต้นทาง code diff เอาต์พุตการทดสอบ และอาร์ทิแฟกต์การรัน โดยไม่ต้องพึ่งบทสรุป
2
3พยายามหักล้างการจับคู่ universe และคำกล่าวอ้างด้านประสิทธิภาพใดๆ
4
5ตรวจสอบผู้ออกตราสาร/ADR ที่ซ้ำซ้อน, อคติจากการรอดชีวิต, การมองล่วงล้ำป้ายกำกับ AI, ประเทศที่ขาดหายไป, สิทธิ์ข้อมูลที่ยังไม่ได้ตรวจสอบ, สกุลเงินที่ล้าสมัย, เวลาปิดตลาดที่ไม่ตรงกัน, ช่วงเวลา FX, เหตุการณ์ทางบริษัท, การเพิกถอนหลักทรัพย์, สมมติฐานต้นทุน, การรั่วไหลของการทดสอบ และการเปลี่ยนแปลงทุกอย่างจากแผนที่ลงทะเบียนล่วงหน้า
6
7อ้างอิงพาธและแฮชของอาร์ทิแฟกต์ที่แน่นอน
8
9ห้ามซ่อมแซมหรือรันอะไรใหม่ ส่งคืน pass, blocked หรือ not_reproduced สำหรับแต่ละข้อกำหนด ระบุตัวอย่างที่ขัดแย้ง และแถลงว่าผลลัพธ์นี้ไม่ได้พิสูจน์สิ่งใด

หมายเหตุแหล่งข้อมูล

• Minara, ภาพรวม Agent API และ เอกสารอ้างอิง endpoint ของ API-key สิทธิ์การใช้งานผลิตภัณฑ์และการเข้าถึงบัญชียังไม่ได้ทดสอบ

• Kenneth French, การสร้าง Monthly Momentum Factor และ หมายเหตุ Data Library vintage และ CRSP FIZ/CIZ

• AQR, Fact, Fiction, and Momentum Investing

• Two Sigma, การประมาณค่า Sharpe ratio และการทดสอบสมมติฐาน

• TypeSafe, Jev และเอาต์พุตการตัดสินใจแบบ typed; OpenAI, แนะนำ Dots

• DuckDB, เอกสาร Parquet; pytest, เอกสารประกอบ

บันทึกในคลิกเดียว

อ่านบทความไวรัลเชิงลึกด้วย AI ใน YouMind

บันทึกแหล่งที่มา ถามคำถามที่ตรงประเด็น สรุปข้อโต้แย้ง และเปลี่ยนบทความไวรัลให้เป็นโน้ตที่นำกลับมาใช้ได้ใน AI เวิร์กสเปซเดียว

สำรวจ YouMind
สำหรับครีเอเตอร์

เปลี่ยน Markdown ของคุณให้เป็นบทความ 𝕏 ที่สะอาดตา

เวลาคุณเผยแพร่งานเขียนยาวของตัวเอง การจัดรูปแบบรูปภาพ ตาราง และบล็อกโค้ดให้เข้ากับ 𝕏 นั้นน่าปวดหัว YouMind เปลี่ยนร่าง Markdown ทั้งฉบับให้เป็นบทความ 𝕏 ที่สะอาดตาและพร้อมโพสต์ทันที

ลอง Markdown เป็น 𝕏

แพตเทิร์นให้ถอดรหัสเพิ่มเติม

บทความไวรัลล่าสุด

สำรวจบทความไวรัลเพิ่มเติม