|
3 年
经验
|
0
产品
|
0
演示版
|
|
0
工作
|
0
信号
|
0
订阅者
|
Quantitative Developer/Trader
在
Astralys LLC
量化交易员 & 人工智能驱动的系统化策略师 | 金融学硕士 (HEC 洛桑)
个人简介
我是一名常驻瑞士的量化交易员，毕业于 HEC 洛桑金融学硕士，专业方向为数量化资产与风险管理。在我的硕士论文中，我通过实证研究挑战了美国股票市场的有效性。自那以后，我在 Python 上开发了30多个机构级别的算法，覆盖股票、外汇和加密货币市场——这些策略具备数百万美元的容量，并通过 API 部署。我的优势在于结合稳健的风险管理（资本保全、波动率目标）与机器学习驱动的信号、宏观/市场状态模型，以及在 IBKR（Fix 协议与 IBKR Gateway Docker）、Alpaca、MT5、Binance 和 DAS 上的生产级自动化。我正在组建一家瑞士股份公司 (SA) 和一家美国有限责任公司 (LLC) 以开展量化业务，并计划申请美国 RIA 牌照，以确保在完全合规的框架下运营。我的最终目标是在未来几年内建立一家量化对冲基金，并筹集约 5000 万美元的资产管理规模 (AuM)。
技能与技术
• 系统化策略：均值回归、突破、横截面/时间序列、因子多空
• 风险与投资组合：波动率目标、回撤控制、walk-forward 与蒙特卡洛测试
• 机器学习与自然语言处理：XGBoost/LightGBM、宏观状态分类、新闻/情绪分析流程（例如 FinBERT）
• 执行与基础设施：Python (pandas/NumPy/sklearn)、IBKR、DAS、FIX、AWS/VPS、SQL/SQLite、MT5/MT4、Binance
• 市场：美国及全球股票、主要外汇货币对、流动性加密资产
合规与理念
以道德和透明文档为优先；致力于仅在合规框架下运营（瑞士 SA 与美国 LLC 正在推进中；同时考虑美国 RIA 注册路径）。
在研究美国股票市场有效性的论文中，我应用了 回测过拟合概率模型（Bailey 等人, 2015），并持续使用严格的样本内/样本外验证、walk-forward 分析、单周期滞后和防止“前视偏差”的方法，以确保我的模型稳健且未过拟合。
我在 MQL 社区的存在旨在教育零售交易者如何避免过拟合的高风险策略和过度杠杆。
LinkedIn: linkedin.com/in/john-bergerat/
个人简介
我是一名常驻瑞士的量化交易员，毕业于 HEC 洛桑金融学硕士，专业方向为数量化资产与风险管理。在我的硕士论文中，我通过实证研究挑战了美国股票市场的有效性。自那以后，我在 Python 上开发了30多个机构级别的算法，覆盖股票、外汇和加密货币市场——这些策略具备数百万美元的容量，并通过 API 部署。我的优势在于结合稳健的风险管理（资本保全、波动率目标）与机器学习驱动的信号、宏观/市场状态模型，以及在 IBKR（Fix 协议与 IBKR Gateway Docker）、Alpaca、MT5、Binance 和 DAS 上的生产级自动化。我正在组建一家瑞士股份公司 (SA) 和一家美国有限责任公司 (LLC) 以开展量化业务，并计划申请美国 RIA 牌照，以确保在完全合规的框架下运营。我的最终目标是在未来几年内建立一家量化对冲基金，并筹集约 5000 万美元的资产管理规模 (AuM)。
技能与技术
• 系统化策略：均值回归、突破、横截面/时间序列、因子多空
• 风险与投资组合：波动率目标、回撤控制、walk-forward 与蒙特卡洛测试
• 机器学习与自然语言处理：XGBoost/LightGBM、宏观状态分类、新闻/情绪分析流程（例如 FinBERT）
• 执行与基础设施：Python (pandas/NumPy/sklearn)、IBKR、DAS、FIX、AWS/VPS、SQL/SQLite、MT5/MT4、Binance
• 市场：美国及全球股票、主要外汇货币对、流动性加密资产
合规与理念
以道德和透明文档为优先；致力于仅在合规框架下运营（瑞士 SA 与美国 LLC 正在推进中；同时考虑美国 RIA 注册路径）。
在研究美国股票市场有效性的论文中，我应用了 回测过拟合概率模型（Bailey 等人, 2015），并持续使用严格的样本内/样本外验证、walk-forward 分析、单周期滞后和防止“前视偏差”的方法，以确保我的模型稳健且未过拟合。
我在 MQL 社区的存在旨在教育零售交易者如何避免过拟合的高风险策略和过度杠杆。
LinkedIn: linkedin.com/in/john-bergerat/
