給學生6 個專案6 個開放中

學生研究專案

六個量化金融的研究問題，每一個的規模都剛好是一名學生做六週。資料、程式碼和數字都由你做。我負責指導，之後我把它寫成文章發表在這裡，你是共同作者。

這是免費的，給任何想進入 quant 研究的人。

每個問題都有一份書面規格，在任何人認領之前就已經鎖定，所以結果出來以後設計不會跟著偏移。所有結果都會發表，負面的也一樣。

這些專案

這適合誰

這些專案的難度是針對數學系大四學生，或任何有同等基礎的人：機率、統計、線性代數、一些時間序列，以及足以寫出有測試的程式碼的 Python 能力。不需要金融背景。每份規格都會定義它用到的市場術語。

如果你還沒到這個程度但想試，還是寄信給我，我們可以談談哪個專案適合你。

流程

挑一個專案，在下面選好以後點「認領這個專案」。這會開啟一封寄給我的信。
簡單介紹你自己：你的名字、學校和年級、你想做哪個專案，再用幾行寫你的背景。
我把完整規格寄給你。裡面定下問題、資料、方法、判定答案的規則，以及發表的最低門檻。我們會通一次短電話，確認這個專案適合你。
你做六週，自己做。我在三個檢查點（第 1、3、6 週結束）審你的工作，中間隨時回答問題。你卡住時我會幫你，但我不會替你寫程式碼或跑分析。
你交件，我寫。如果工作達到門檻，文章由我寫，你負責檢查事實有沒有錯。然後它會掛著你的名字發在這個網站上。

每個專案同一時間只收一名學生。

你要交什麼

一個程式碼儲存庫，能用一道指令從原始資料重建每一個數字。你做的期間它保持私有、只分享給我，文章發表時以 MIT 授權公開。
一包結果：規格列出的表格和圖，加上一份機器可讀的主要結論摘要。
一份方法紀錄兩到四頁：你做了什麼、每一處偏離規格的地方和它的理由，還有任何讓你意外的東西。

文章不是你寫。那是我的工作。

你拿到什麼

一篇已發表研究文章的共同作者身分，你願意的話也掛上你的學校。
文章出來以後，一個掛著你名字的開源儲存庫，品質足以拿去給雇主或指導教授看。
針對一個真實研究問題的六週一對一指導。
工作做得好的話，我可以酌情寫一封推薦信。

這些專案沒有報酬，是自願參與的。

這些專案

P1開放中

Does intraday data beat daily data for forecasting tomorrow's volatility?

For crypto perpetual futures, does a forecast built from five-minute returns predict next-day volatility better than one built from daily returns alone? You compare an HAR model on realised variance against GARCH(1,1) and a simple exponential average on ten major contracts, with formal forecast-comparison tests.

你會產出: out-of-sample forecast losses for three models on ten contracts; Diebold-Mariano tests per contract and pooled, with a multiple-testing correction; a model confidence set; a signature plot; every forecast.
背景: maximum likelihood, OLS asymptotics, stationary time series, HAC variance estimation.
資料: Binance public futures data, one-minute and daily, 2021 to 2026.

認領這個專案

P2開放中

How fast do perpetual funding rates mean-revert, and is that enough to trade?

When a perpetual futures funding rate jumps away from its usual level, how many days does it take to close half the gap? Does knowing that half-life let a spot-and-perpetual carry position beat random timing after costs?

你會產出: bias-corrected half-lives with confidence intervals for twenty contracts, overall and by year; a simulation check of the bias correction; three carry rules with profit split into funding, basis and costs; a random-entry null test; a full trade ledger.
背景: AR processes, OLS asymptotics and small-sample bias, bootstrap for time series.
資料: Binance public funding-rate history, futures and spot prices, 2021 to 2026.

認領這個專案

P3開放中

Does the bootstrap you choose decide whether a strategy looks significant?

Trading returns have heavy tails, volatility clustering and sometimes serial correlation. Which of six standard methods for a Sharpe-ratio confidence interval keeps its stated 95% coverage under those conditions, and does the choice of method change the verdict on real trading rules?

你會產出: coverage, interval width, size and power for six methods on five simulated return processes at three sample sizes; a block-length sensitivity check; verdicts from every method on ten classic Bitcoin trading rules, and how many rules flip.
背景: CLT and the delta method, stationary processes, Markov chains, the bootstrap principle.
資料: simulation, plus Binance public Bitcoin spot prices from 2017.

認領這個專案

P4開放中

How many strategies can you try before the best one is noise?

A researcher tests N trading rules on past data and keeps the one with the best in-sample Sharpe ratio. As N grows, does picking the best one still beat picking at random out of sample? If the benefit disappears, at what N? Do the Deflated Sharpe Ratio and Hansen's SPA test warn about it from the in-sample data alone?

你會產出: in-sample and out-of-sample Sharpe ratios for 1,000 rule configurations over 23 walk-forward windows; the gain from picking the best as N grows, with intervals; pass rates for both tests and whether they predict out-of-sample results; a control run on data with no signal.
背景: order statistics and Gaussian extremes, eigenvalues of correlation matrices, hypothesis testing, the bootstrap.
資料: Binance public Bitcoin futures prices, hourly, 2020 to 2026.

認領這個專案

P5開放中

Does shrinking the covariance matrix improve a minimum-variance crypto portfolio?

When the number of assets is not small relative to the number of observations, the sample covariance matrix is badly conditioned and its inverse amplifies noise. Do Ledoit-Wolf shrinkage and random-matrix cleaning lower the realised risk of a minimum-variance portfolio, and how does the answer change with the ratio of assets to observations?

你會產出: realised volatility for six estimators across twelve combinations of portfolio size and estimation window; variance tests against the sample covariance; predicted versus realised risk; turnover and net return; a simulation compared with exact finite-sample theory.
背景: spectral decomposition and matrix inverses, multivariate normal theory, Lagrange multipliers.
資料: Binance public futures prices for every contract, including delisted ones, 2021 to 2026.

認領這個專案

P6開放中

How much does estimation error cost a Kelly bettor?

The Kelly fraction maximises long-run growth when the return distribution is known, but a real trader has to estimate it. If you bet a fraction c of the estimated Kelly fraction, which c maximises realised growth? You derive a closed-form answer, test it by simulation and then measure what happens on real crypto returns.

你會產出: a written derivation of the optimal fraction; a simulation grid with ruin rates; the simulated optimum against the theoretical one; growth curves on ten real contracts after costs and funding.
背景: expectation and variance of sample means, Taylor expansion, logarithmic utility.
資料: simulation, plus Binance public futures prices and funding, 2021 to 2026.

認領這個專案

開始前就已鎖定

每份規格都在 2026 年 10 月 16 日鎖定，在任何學生被分配之前。我用 SHA-256 對每個檔案算出雜湊值，再用 OpenTimestamps 把這些雜湊值蓋進比特幣區塊鏈。文章發表時，完整規格會一起公開，所以任何人都能查核：這份研究真的回答了它一開始要回答的問題，而且用的是它說好的做法。

Common standard	806cc9ca2bca769c4babf74899b9a4ff25473541d80dfdca53fd7079fc6aa270
P1	9d18cf7bd9b7f81066e4507425126495ccfd0d076a313e486ae4a7558feaca7a
P2	a56a81cdec52cd6ebad02fcf1cf70ee82726c00eeadb389e1405c53a0753b662
P3	a39e6c348e5b08ea11fd62350b191b9d27ae121e58b8bd5d929d7c0731047ba6
P4	10e405c3a9bae3a3a27c381a76e95ba087b7c7c95a1172e75aecc4a4c024d853
P5	f0bdebd01b8698893ffe7a8b66e3a01eae5a16a90e85fc6cdb1cc5c89664c43f
P6	d0583c739f64793f1b168df424789c5992d8e212ff2d055ce6bb10d3a0f7c469

一旦鎖定，規格就不改。如果裡面有東西照字面做不出來，這個改動會連同日期和理由記錄下來，並和結果一起發表。

條款（摘要）

認領專案就表示你同意這些條款。完整條款會隨規格一起給你。

無給且自願。這不是雇傭關係，也不是實習。
共同作者有門檻。你的工作達到規格裡的最低門檻，你就是共同作者。只完成一部分的話，會在致謝裡具名。
所有結果都會發表，正面、負面或沒有結果都一樣。結果的方向不影響工作會不會被接受。
文章由我寫，編輯上的最終決定權在我。你會先看到草稿，可以更正任何關於你工作的事實錯誤。你可以要求把名字拿掉，但結果和程式碼仍然可能發表。
文章上線前，結果不要外流，你的儲存庫也一樣。上線之後，你可以去講、寫進履歷，也可以在上面繼續做。
可以用 AI 工具，但每一行程式碼、每一個數字你都要負責。明顯是在沒有理解的情況下做出來的工作，我可能不接受，例如你自己解釋不了的程式碼。在任何檢查點，我都可能要你帶我走過其中一段程式碼，並當場重跑一次。
程式碼是你的，用開放授權。你做的期間儲存庫是私有的，文章發表時以 MIT 授權公開。著作權是你的。
只用公開資料。只能用規格裡指名的免費資料。不要用付費、專屬或雇主的資料。
誠信。捏造結果或選擇性報告結果，專案就此結束，受影響的文章會撤稿。
有利益衝突要先講，例如你在交易公司工作，或要拿這個專案去抵學分。
認領會失效。檢查點遲交超過兩週又沒有說明，專案可以轉給別人。
這不是投資建議。研究的策略是研究對象，不是推薦。
關於你會公開的部分：你的名字、你願意的話加上學校，以及你的儲存庫連結。電子郵件地址不公開。

認領前有問題？寄信到 daniel@daru.finance.