《证据缺口清单》
以下是目前调研中未能找到充分权威／最新一手支撑的环节／数据／结论：
缺口内容 原因／说明 验证方法建议
替代数据（alternative data）在多个市场（新兴市场 vs 发达市场）中对量化策略稳健性的提升量化证据 学术论文中多集中在美国／部分发达市场；新兴市场样本少；成本、获取难度与噪声未完全考虑。 在多个市场（如拉美、亚洲、非洲）中进行实证研究；获取真实替代数据（e.g. 新闻情绪／卫星图像）并回测含 vs 不含的策略；衡量净收益提升与成本比例。
量化策略在真实交易中滑点／延迟／市场冲击成本的实测值/分布 学术与博客中大多数假设滑点／成本，或使用简化假设；公开实盘数据少。 合作或获取交易所／经纪商实盘订单 / 填单数据；用高频数据模拟滑点；统计多个策略在 live 或 paper trading 中的成本差距。
模型衰退（model decay）的定量阈值／监控机制标准 有论文提到模型不随时间退化，但具体触发标准（如当收益低于基准多少、参数稳定性下降多少等）公开资料难以找到。 建立长期追踪实验；设立多个策略，监控其 in-sample vs out-of-sample vs live 的关键指标，如夏普比率、最大回撤等；统计这些指标退化的模式与阈值。
在极端市场（如金融危机／疫情崩盘期间）策略稳健性的跨期对比数据 有些研究包含局部极端事件，但跨市场／跨资产类别的极端期对比不足。 用历史极端事件数据（2008, 2020 等）对策略做回测；对比多个资产类别与市场；报告策略在这些极端时期的 drawdown 和恢复速度。
费率 + 滑点对 ML/AI 驱动策略边际收益侵蚀的真实量级 ML/AI 驱动的论文常省略真实执行中的摩擦；成本敏感度分析少。 在 ML/AI 驱动策略中加入真实或保守估算的交易成本 +滑点；对比无成本 vs 带成本后的收益；敏感性分析。
可用证据 /已验证资料摘要
下面是目前调研中已有、可用来支持文章中某些主张的一手或高度可信来源：
来源 核心结论／数据 发布日 来源等级
“Traditional Traders vs. Quant Traders: A Comparative Analysis …” · Anh Le · SSRN 在正常市场条件下量化策略（rules-based / algorithmic）通常能够带来有竞争力的风险调整后回报；而在极端不确定性时期，discretionary（主观）交易者可能表现更好。 2025-03-20 B
“Uncertainty-Aware Strategies: A Model-agnostic …” · Horvath, Limmer, Schmidt et al. · SSRN 在估计模型不确定性（model uncertainty）的方法中，用抽样／子样本／bootstrap 等方式增强稳健性；指出小的估计误差可能导致决策偏差很大。 2025-06-08 A/B
“Can LLM-based Financial Investing Strategies Outperform …” · W Li et al. · SSRN 对比 LLM 驱动策略在长时间跨度 +多股票宇宙中发现其优势在更广泛测试中显著下降；提示过度宣传的风险。 2025-05 B
“Portfolio Optimization with Feedback Strategies Based on Artificial Neural Networks” · Kopeliovich & Pokojovy · arXiv 在 S&P 500 指数与现金账户之间的资产配置问题中，用 ANN 驱动策略（动态配置）接近理论最优；对于特定假设下表现与经典模型相当。 2024-11-15 B
决定下一步
基于当前资料，是可以撰写一篇具有高可信度、含有方法论对比、明确推荐与风险提示的文章的。但其中某些细节（如替代数据成本、滑点实测数值、模型衰退具体标准）只能用工作假设标注。
如果你同意，我可以继续基于这些可靠来源 +合理假设写出完整文章；你也可以指出是否要集中某个市场／资产类别（例如股票 vs期货／美国 vs亚洲）以便获取更多一手证据。你希望我怎么做？
0 Comments
Leave a Comment