@Rossst_03: Yilin Wang, MIT数学家,随机几何领域的顶尖思想家之一:"有一个精确的数字...
摘要
数学家Yilin Wang在Loewner能量方面的工作量化了曲线偏离随机性的程度,帮助Citadel区分真实市场信号与噪声,并提供500,000美元奖励以进行精确计算。
查看缓存全文
缓存时间: 2026/09/04 16:25
MIT数学家、随机性几何研究的领军人物之一王依琳:
“一个形状距离纯粹随机性有多远,存在一个精确的数值。Citadel公司向那些通过计算而非猜测得出该数值的人支付50万美元年薪。”
她的研究领域是随机曲线的数学。当抛掷足够多次硬币,其轨迹并非毫无形状。它拥有精确的几何特性,并有一个称为“洛纳能量“的数值,用来衡量一条曲线偏离纯粹随机性的程度。
圆形的数值为零——这是随机性能勾勒出的最自然形态。图表上几乎所有你看到的图形数值都接近零。它们只是披着伪装的噪声。
这恰好是量化问题的核心理念。市场每日描绘出数百万条随机曲线,其中仅有极少数蕴含真正的结构性优势。关键在于建立一套严谨的方法,区分伪装与真实信号。
Citadel每年支付50万美元,正是为了雇佣能量化这种差异而非仅凭直觉感知的人。
那些痴迷于图形规律的交易者,本质上是在欣赏一条随机本就会产生的曲线。
形态从来不是优势所在。真正的优势在于证明随机性未能生成该形态的概率。
相似文章
@Rossst_03: https://x.com/Rossst_03/status/2071171182548636067
一条教育性长帖,解释量化交易公司(如Renaissance Technologies)所用的数学基础,涵盖从伯努利到布朗运动的概念。
@Rossst_03: Raphael Townshend,斯坦福AI博士,Atomic AI创始人(福布斯30位30岁以下精英):""华尔街每年付你50万美元来构建这些模型。我更愿意免费教你。"
对一篇兜售77%胜率随机森林策略的热门量化帖子的评论,指出该方法只是斯坦福免费讲座中的标准集成学习,且过去的表现不能保证未来的结果。
随机奖励丰富经典博弈论竞赛
研究人员使用数学模型表明,在奖励中引入随机变化丰富了经典博弈论的见解,使得在像囚徒困境这样的游戏中合作与背叛得以共存。
@docmilanfar: 我非常喜欢我们最近关于"Geometry of Noise"的论文的解释性文章 arXiv:2602.18428
本文提供了理论解释,说明为什么扩散模型可以在没有显式噪声水平条件的情况下生成干净的样本,将其归因于高维几何,并分析为什么某些模型参数化成功而其他模型崩溃。
@0xMovez: Citadel 每年支付 80 万美元给能够将概率论与偏微分方程(PDEs)结合用于二元期权定价的量化分析师。这场一小时的 MIT 讲座…
一条推文强调,Citadel 每年向掌握概率论和偏微分方程技能的量化分析师支付 80 万美元,并推荐一场关于随机微分方程的 MIT 讲座。