我是一名獨立研究者，從事系統化交易方法論、滾動前推評估，以及策略族群的統計結構研究。此處的工作以 Daru Finance 名義發表，一個單一作者的發表名義，既非基金，也非銷售平台。
背景
我是 UNIP 的經濟科學候選人。我對量化金融的大部分認識來自課程之外：多年建構回測器、執行數以千計的滾動前推實驗，並且比任何人都更嚴格地試圖證偽自己的結果。
同時，我擔任一家無法具名公司（受 NDA 約束）的 量化系統顧問。該角色屬研究端：建構過濾器、對策略族群進行壓力測試、評估訊號穩健性，以及生產級回測器工程。
這個網站的用途
Daru Finance 是我研究中面向公眾部分的所在。目標很簡單：
- 發表有真憑實據的實證工作，程式碼、資料彙總、可重現的圖表。
- 抵抗過度推銷的誘惑。大多數策略並不奏效；這項發現本身就是工作的內容。
- 呈現能通過真實樣本外測試的方法，並展示它們失效的市場狀態。
你在這裡看到的一切都是一人之作：十二個開源模型、工作論文及其可重現性套件、長篇文章及其互動模擬、圖表與資料流程，以及網站本身的設計與程式碼。獨立不只是意味著沒有隸屬；它意味著對每一行負責。
你會發現什麼
旗艦文章 優勢在於流程 在一個可重現的 12 市場加密 corpus 上闡述我的核心實證主張：橫跨 533,638 個策略與 4,400 萬個滾動前推策略視窗，一個策略在某一視窗的獲利因子與下一視窗之間的等級相關性為 ρ ≈ 0.02，沒有任何個別策略具有可信的樣本外優勢。但同一個池，以過往獲利因子排序並持有其前幾名，便彌補了與損益平衡之間 72% 的差距，並在扣除成本後於 12 個市場中的 8 個轉為獲利。對族群的選擇才是槓桿，而規則就是對已實現每日 PnL 的算術運算。
「研究」區塊存放 SSRN 論文落地頁，並連結其可重現性套件。「實驗室」則列出本研究室公開模型的開放實作，隨機矩陣理論、Higher Criticism + knockoffs、策略族群上的拓撲資料分析、尾部 EVT 跨資產耦合。
Daniel Gatto 的著作
- Gatto, D. V. (2026). Predictive Value of Within-Strategy Permutation Tests for Forward Selection: Evidence from Over 6 Billion Strategy-Level Permutations Across Three Asset Classes. SSRN Working Paper 6636018. papers.ssrn.com
- Gatto, D. V. (2026). No Edge Without Information: An empirical study of tradeability in decentralized-exchange-only cryptocurrencies. SSRN Working Paper 6858778. papers.ssrn.com
- Gatto, D. V. (2026). The Reach of the World Cup Distraction Effect: Evidence from global trading venues. SSRN Working Paper 6955879. papers.ssrn.com
- Gatto, D. V. (2026). Adverse Selection Consumes the Touch: A true-aggressor-signed maker-P&L decomposition across 13 CME futures. SSRN Working Paper 7022599. papers.ssrn.com
- Gatto, D. V. (2026). Liquidation Without Loss: A Live-Book Decomposition of Aave v3. SSRN Working Paper 7157638. papers.ssrn.com
立場
這一切都不是投資建議。我之所以發表，是為了讓其他研究者能夠複現、挑毛病並改進這些方法。如果這裡有任何內容與你的結果相牴觸，正確的回應就是寄電子郵件給我。