Nothing found. Try a different query.
リターン方向分類器は不均衡な問題であり、0.5 は正しい決定しきい値ではありません。暗号資産データで scale_pos_weight、焦点損失、精度制約付きしきい値最適化を比較し、XGBoost、LightGBM、CatBoost のエンジニアリング上の違いも説明します。
DCC-GARCH は暗号資産の依存関係がいつ強まるかを示す。転送エントロピーはその方向を示す。方向付き情報フローの指標、その帰無校正、そして平均ペア相関を超えて何を加えられるか、何を加えられないかを正直に説明する。
Reconstructing trade direction from OHLCV, bar history, or venues without an aggressor flag — the classic rules, the stale-quote problem, bulk volume classification, and how to measure them against crypto's free ground truth.
Sequence models fed tick data still assume regular spacing. Three ways to tell a Transformer when a tick actually happened — learnable-timescale continuous encoding, ODE-RNN latent state, and delta_t as a plain feature — and the ablation that decides between them.
このシリーズでは、偽のエッジへ至る選択経路を評価してきた——DSR は勝者を、PBO は探索を評価する。しかし交絡には触れていない。導入した週にボラティリティが倍になったために利益を出した戦略だ。合成コントロール法は、手を加えていない銘柄のドナープールから重み付き反実仮想を作り、反証基準とプラセボ p 値を与える。
予測分布を正直に評価する方法——適正スコアリングルールとしての CRPS、キャリブレーション診断としての PIT ヒストグラム、そして GluonTS における DeepAR サンプリング。
ヘストン、自由境界、ジャンプ拡散の価格評価 PDE をニューラルネットワークの損失に組み込む方法——対数価格残差、混合偏導関数を自動微分で求める工夫、そして今後測定すべきこと。
How PCMCI's two-stage MCI test recovers directed causal links between crypto assets where correlation and bivariate Granger cannot — the construction, the tigramite pipeline, and the real-data study it still needs.
Turning raw book updates into a signed flow quantity: the CKS event decomposition, multi-level OFI with PCA reduction, and Lee-Ready trade classification — plus an honest accounting of what the headline R-squared actually measures.
Neural ODEs, Neural SDEs and continuous normalizing flows for irregularly-sampled market data — and the one ablation that decides whether continuous dynamics are worth their solver cost.
Does jointly predicting return, volume, and volatility actually help? Measuring loss-balancing schemes and diagnosing negative transfer through gradient cosine similarity — with a classical baseline and purged walk-forward folds.
Magnitude and structured pruning, the Lottery Ticket Hypothesis, movement pruning, distillation and 2:4 sparsity — the methods behind shrinking a trading model, and what still has to be measured before any of it ships.
