传统量化策略
Quantitative先定义规则，再等待市场给出信号。
七个策略持续跟踪市场规律，管理风险，记录每次决策。均以模拟资金运行，用于量化交易策略研究。
- 信号
- 仓位
- 风控
让规则捕捉错位。让智能发现机会。
Silment 是一个个人交易策略研究平台。
一条研究线，把反复出现的市场规律写进策略；另一条，让 AI 主动提出问题、寻找证据，再把机会转化为可检验的交易决策。
AI 驱动主动交易
先发现值得追问的变化，再寻找交易表达。
让 LLM Agent 主动研究、交叉质疑，选择能够表达机会的交易标的，并持续跟踪假设是否成立。
- 发现
- 检验
- 评估
研究，如何走向行动。
选择研究线，逐步了解决策过程。
先找到反复出现的市场结构。
从风险溢价、趋势或跨资产关系出发，用历史数据检验假设。研究阶段确定规则，运行阶段不临时编写新的交易理由。
输入价格、期限结构与历史样本
输出可复现的策略规则
研究通过，不等于未来收益得到保证。
规则驱动 · 按策略既定频率执行查看量化策略规则
量化研究，持续落在模拟盘账本上。
每个策略保留自己的收益、持仓、规则与运行记录。选择一个策略，继续进入熟悉的看板。
UVIX
DCB
MCRT
BAL
DMC
LRT
波动率期货升水
升水与杠杆衰减 · Call 尾部保护
双时钟杠铃
日内与隔夜配置 · 波动率目标
多周期共识风险转移
多周期趋势共识 · 跨资产配置
均衡 45/45/10
风险转移 · 加密资产 · 13F 选股
防御宏观
趋势与储备 · 宏观防御配置
满额线性风险转移
线性宏观敞口 · 目标波动管理
PAPER 为研究模拟账本，不代表券商实盘成交；数据时间与可用性以各策略看板中的实际记录为准。
ALTA，让机会成为研究的中心。
不止解读已有信号。由 Agent 主动提出研究问题，沿着证据深入，寻找反证，再选择能够表达判断的标的与风险边界。
- 发现：从事件、资金流与市场变化提出假设
- 质疑：多角色交叉验证，保留分歧与证据
- 表达：用可交易标的承载机会，持续审视风险
此处介绍研究方法，完整体验在 ALTA 独立站点展开。
不同的研究方法，相同的审慎。
研究不是收益承诺。量化规则会失效，AI 判断也会出错。Silment 关注的是：为什么做、风险在哪里、发生了什么，以及下一次如何更清楚地判断。
回到研究线入口联系与交流
无论是使用疑问、改进建议，还是想聊聊交易研究，都欢迎来信。我会认真阅读每一条反馈。
kyky2347@outlook.com有想一起观察、研究的策略？欢迎打包成 ZIP 发给我。了解策略与规则后，我会把它加入这里，一起追踪表现、交流发现。
反馈可附截图；分享策略时，请附上简要说明与运行方式。