Deep dives into AI trading, market analysis, and the future of DeFi.
Browse collections →Nothing found. Try a different query.
Return-direction classifiers are imbalanced problems, and 0.5 is the wrong decision threshold. Comparing scale_pos_weight, focal loss, and precision-constrained threshold optimization on crypto data — plus the engineering differences between XGBoost, LightGBM, and CatBoost.
DCC-GARCH tells you when crypto dependence tightens. Transfer entropy tells you which way it points. A directed information-flow measure, its null calibration, and an honest account of what it does and does not add over average pairwise correlation.
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.
Os modelos de sequência alimentados com dados de ticks ainda assumem espaçamento regular. Três maneiras de informar a um Transformer quando um tick realmente aconteceu - codificação contínua em escala de tempo que pode ser aprendida, estado latente ODE-RNN e delta_t como um recurso simples - e a ablação que decide entre eles.
Esta série precificou a rota de seleção até uma vantagem falsa - o DSR avalia o vencedor, o PBO avalia a pesquisa. Nenhum dos dois toca em confusão: a estratégia que rendeu dinheiro porque a volatilidade dobrou na semana em que você a implementou. O Método de Controle Sintético constrói um cenário contrafactual ponderado a partir de um conjunto de doadores de instrumentos intocados e fornece um critério de falsificação e um valor p placebo.
Como avaliar honestamente uma distribuição preditiva - CRPS como uma regra de pontuação adequada, o histograma PIT como um diagnóstico de calibração e amostragem DeepAR em GluonTS.
Colocar os PDEs de preços de Heston, limite livre e difusão de salto em uma perda de rede neural - o resíduo do preço logarítmico, o truque de autogradação parcial mista e o que ainda precisa ser medido.
Como o teste MCI de dois estágios do PCMCI recupera ligações causais direcionadas entre ativos criptográficos onde a correlação e o Granger bivariado não conseguem - a construção, o pipeline de tigramite e o estudo de dados reais que ainda precisa.
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.
