Back to SearchWriting錢琛 Chin Shum
Writing
錢琛 Chin Shum
@chinshumquantspeculationTracked since May 2026
Observed Aug 1, 2026 · staleModeled revenue
creating 加密貨幣計量投機絕技.
How Patreon Signal reads this profile
Identity, tiers, posts, and visible counts come from the latest public Patreon observation. Growth compares available public snapshots. Revenue is labeled observed only when Patreon exposes it; otherwise it is modeled from public membership and tier signals.
Paid members
Unavailable
1.2% · 30 days
Total audience
Unavailable
not publicly listed
Monthly gross
Unavailable
Starting price
HKD 180/mo
4 membership tiers
Membership tiers
Pricing and benefits captured publicly
Patreon is not exposing patron counts by tier for this creator, so this section shows public prices and benefits only.
HKD 0/moFreePublic prices and benefits only
HKD 180/mo普通會員專欄簡介：加密貨幣/NFT計量策略（quant strat）目標為提高回報穩定性（Sharpe/Calmar）所有策略有回測（backtest）支持不定期Python加密貨幣計量分析程式教學不定期Python加密貨幣計量交易API簡介不定期錄音解答讀者問題作為本土樂隊NFT項目顧問的insight每月最少4篇每月 HKD 180有trade過野會知，好可能平過交易成本相信你真係明白專欄內容嘅話，會獲得比HKD 180更多
HKD 489/mo高級會員（early bird）内容：普通會員所有内容普通會員專欄内容的Excel/Python補充資料每星期額外一篇與普通會員題材不同的量化策略文章，附有Python/Excel示範，範圍包括但不限於：加密幣/傳統資產/構思策略方法與例子/市場中性策略/波動性策略/中高頻策略研究方法/Event-driven策略/特別類型數據分析每個月兩次會員Q and A，你問我答，我會以影片/文章形式詳細回答優先回覆高級會員群組每月 HKD 489目前僅限30人（為答謝各位支持，現加開至48人），滿座後價格只加不減
HKD 539/mo高級會員内容：普通會員所有内容普通會員專欄内容的Excel/Python補充資料每星期額外一篇與普通會員題材不同的量化策略文章，附有Python/Excel示範，範圍包括但不限於：加密幣/傳統資產/構思策略方法與例子/市場中性策略/波動性策略/中高頻策略研究方法/Event-driven策略/特別類型數據分析每個月兩次會員Q and A，你問我答，我會以影片/文章形式詳細回答優先回覆高級會員群組每月 HKD 539目前僅限30人，滿座後價格只加不減
Growth signals — 錢琛 Chin Shum
+1.2%
Membershippaid members unavailable
175173171
May 202615 weeks trackedNow
錢琛 Chin Shummembers unavailable · revenue unavailable
The chart only uses 錢琛 Chin Shum's observed public history. Comparison peers are listed below, but comparable trend series are not available yet.
Creator comparisons
5 creators shownWhere 錢琛 Chin Shum ranks
Compare within
Not enough data1 of 9 cohort creators measured
30-day member gain in Content & vibe cohort
A fixed cohort with the strongest public profile, tier, and post-preview similarity. Changing the rank metric does not change who belongs in this cohort.
Only 錢琛 Chin Shum has a comparable public 30-day member gain; at least one measured peer is needed for a cohort rank.Ranking data · includes stale rows| Rank | Creator and why included | 30-day member gain | Gap vs 錢琛 Chin Shum | Freshness |
|---|---|---|---|---|
| Not ranked | 錢琛 Chin ShumProfileWriting30-day member gain position in Content & vibe cohort | +2 | Reference | Aug 1, 2026Stale |
| Not ranked |  algo工作坊WritingProfile, tiers & post-preview similarity | 30-day comparison unavailable | Not comparable | Jul 22, 2026Stale |
| Not ranked |  蔡嘉民 CalvinWritingProfile, tiers & post-preview similarity | 30-day comparison unavailable | Not comparable | Aug 2, 2026 |
| Not ranked |  超績牛熊CommunityProfile, tiers & post-preview similarity | 30-day comparison unavailable | Not comparable | Jul 22, 2026Stale |
| Not ranked |  Hermvn Mok StockNewsProfile, tiers & post-preview similarity | 30-day comparison unavailable | Not comparable | Jul 14, 2026Stale |
The rank uses the full fixed cohort. This table shows up to five creators around 錢琛 Chin Shum; the coverage summary above still counts everyone.
What they publish
Recent posts
106Posts total8 postsLast month83.3%Members-only
Previews available for 106 posts
Article Latest post$180 tier & up《高級會員問答》Regression vs bucket analysis以及動態注碼控制雜談；附有Python示範Latest post Locked 《高級會員問答》Regression vs bucket analysis以及動態注碼控制雜談；附有Python示範 6 hours ago
6 hours ago 0 likes 0 comments《高級會員專欄》Stationarity對量化交易很有用，但如何判斷time series是否stationary？如何將數據轉換成stationary？附有Python示範有高級會員問了關於stationarity的問題，而這個統計學概念對於統計預測（statistical forecasting）和量化交易也非常重要，所以想寫篇專欄介紹stationarity的定義、如何找出stationary的時間序列、如何將non-stationary轉換為Article14 hours ago$180 tier & up 2 1
TQX工作坊當天見到我的讀者可以hi返我！AI agents指數式暴增，令有利可圖的策略margin愈來愈低。愈多茶記在市場上出現，每間茶記的alpha都會減低。哪怎樣可以減低自己交易策略失效的速度？ 星期六參加了TQX舉辦的Global AI Trading Championship比賽工作坊，當時TQX COO提到幾Article2 days ago at Aug 1 crawlPublic 7 13《普通會員專欄》中低頻統計套戥個人投資者也能做到，有什麼步驟？回測的10大要點但凡聽到套戥（arbitrage），很多人都問我，個人投資者夠大戶快嗎？絕對不夠，所以不要跟他們爭做高頻套戥策略。我們討論的套戥是中低頻的套戥策略。 中低頻的套戥策略，肯定要背負一些風險的。要嚴謹極速offload所有風險，交易頻率肯定要高，接了貨後就要在下一微秒賣貨，否則持倉時Article4 days ago at Aug 1 crawl$180 tier & up 0 0
《高級會員專欄》相關度交易中如何使用多因子模型改善回報穩定性？附有Python例子示範之前的專欄提過相關度交易可以使用什麼模型，當時提到的是一個相對簡單的單因子模型。這次會根據同樣的策略例子，套用一個多因子模型，更精準描述變數間關係，執行相關度交易回測。 早前有高級會員問過關於如何應用多因子模型，該專欄有提過一個統計學問題，名為multicollinearity，ArticleJuly 24$180 tier & up 1 10
《Global AI Trading Championship工作坊》介紹一個爲量化、AI 愛好者同對agentic AI有興趣開發者而設嘅活動。 無論你已經非常熟悉量化，或者想構建第一個AI agent執行量化交易，都可以參與，親身學習實際操作。 活動係喺Soho House搞嘅From Prompt to P&L: AI Trading inArticleJuly 22Public 0 0《高級會員問答》不同頻率因子的多因子框架交易如何執行？哪種方法最好？有位高級會員問了以下問題： 量化策略很多時都會有多於一個因子，也有不同參數/幣種/交易頻率，以致單獨策略的量很多。我自己處理多因子組合一般使用最簡單的方法，這種操作可以避免很多數學/統計學上的麻煩瑣碎事，下面會介紹，然後逐一回答你的問題。ArticleJuly 21$180 tier & up 2 2
《普通會員專欄》從簡單經濟學出發的股票指數thesis之前有讀者問如何解決研發策略的瓶頸，我的其中一個建議是所有策略從thesis出發，即是先有投資邏輯，再回測策略。有很多學生都喜歡反向地操作，即一次過loop盡所有可以用的因子，數據挖掘策略。兩種方法其實都可行，最重要是策略背後有嚴密的經濟理論支持。但從觀察所得，很多人都在狂looArticleJuly 20$180 tier & up 0 0
《高級會員專欄》如何使用Residualisation增加組合夏普比率；附有Python code示範2025年至本年首2季，幣市量化交易策略有個重大問題，就是不同策略的相關性非常高。本來分散策略提高夏普比率的邏輯，面對這種情況完全breakdown。更可怕的是，使用策略相關性矩陣（correlation matrix/heatmap）並非最佳用來預計各個策略會否往同一方向移動的ArticleJuly 17$180 tier & up 0 0
《普通會員專欄》相關度交易五大類別及例子；看完這篇會幫助到構思新策略相關度交易（correlation trade）是其中一個極大的量化策略thesis，內容多到寫幾份學術paper都未必夠，簡化一點寫的話都可以分幾篇來寫。這篇會先寫策略的大框架，以及有甚麼種類的相關度交易。ArticleJuly 13$180 tier & up 7 6
《高級會員專欄》相關度交易（correlation trade）如何執行？詳細介紹進階模型例子；附有python回測示範相關度交易（correlation trade）是對沖基金/prop trading公司喜歡用的策略，基本上就是交易高相關性的標的。如果長久以來標的物間高度相關，但相關性突然因為市場噪音減低（或者叫correlation breakdown），我們就博相關性會均值回歸，標的物最終ArticleJuly 10$180 tier & up 1 4
《普通會員專欄》 回測多久才合理？Sample size太少又應該如何處理？這個問題非常多人問，估計問問題的思想過程應該是，知道一個「絕對」的答案，會比較安心。不過，交易時很多問題都沒有絕對的答案，反而是視乎情況而定，所謂視乎情況而定，就是確保使用的數據時間段合理即可。這篇文不會給出一個絕對的答案，例如5/10年，反而會給大家一個框架，討論下如何決定回測ArticleJuly 6$180 tier & up 0 0
Continue your research
Keep 錢琛 Chin Shum in context.
Save the creator, add them to a comparison, or return to the exact Explore view you came from.