Modern ML for Trading
The full gradient-boosting-to-neural-operator toolkit - ensembles, AutoML, probabilistic forecasting, distillation and pruning for latency, plus physics-informed architectures like Neural ODEs and Fourier operators.
XGBoost for Return Direction: Class Imbalance and Decision Thresholds
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.
Ensemble-Methoden: Kombination schwacher Lernender für robustes Alpha
Drei Dinge über den Handel mit Ensembles wurden in diesem Blog nicht behandelt: Warum der Kovarianzterm - und nicht die Modellanzahl - den Ensemblefehler dominiert, wie Stacking als Signalkombinationsschicht mit Out-of-Fold-Metafunktionen funktioniert und ob die Umsatzverrechnung über viele Signale hinweg tatsächlich die Ausführungskosten senkt.
AutoML für systematische Handelspipelines
Automatisierte Feature-Generierung (tsfresh, Featuretools), budgetbewusste Modellsuche (der kostensparende Optimierer von FLAML) und die WorldQuant-Formel-Alpha-Fabrik - die Teile der Forschungspipeline, die im Such- und Overfit-Bogen dieses Blogs nie behandelt wurden, und was die eigenen Ergebnisse des Bogens über sie aussagen.
Multi-Task Learning for Simultaneous Price, Volume, and Volatility Prediction
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.
Anomalieerkennung zum Schutz von Trading-Bots: Vom Z-Score zum Transformer
Welche Methoden zur Anomalieerkennung im Krypto-Algo-Trading tatsächlich funktionieren, wie man eine kaskadierende Schutzarchitektur aufbaut und warum dies das Fundament ist, ohne das Algo-Trading zum Glücksspiel wird.
Scoring Probabilistic Forecasts: CRPS, PIT Calibration, and DeepAR
How to evaluate a predictive distribution honestly - CRPS as a proper scoring rule, the PIT histogram as a calibration diagnostic, and DeepAR sampling in GluonTS.
Unregelmäßige Zeit in Tick-Modellen: zeitkontinuierliche Codierungen vs. einfache Positionseinbettungen
Sequenzmodelle, die mit Tick-Daten gefüttert werden, gehen immer noch von regelmäßigen Abständen aus. Drei Möglichkeiten, einem Transformer mitzuteilen, wann tatsächlich ein Tick aufgetreten ist - kontinuierliche Codierung auf erlernbarer Zeitskala, latenter ODE-RNN-Zustand und delta_t als einfaches Merkmal - und die Ablation, die zwischen ihnen entscheidet.
Ist ein ganztägiger Kontext besser als ein zehnminütiger Kontext? Flash Attention und die Frage nach der Sequenzlänge
Flash Attention macht einen Handelskontext mit 23.400 Schritten rechenfrei - Kacheln, Online-Softmax und eine IO-Grenze von N^2 d^2 / M. Ob dieser längere Kontext das Modell besser macht, ist eine separate Frage und muss gemessen und nicht behauptet werden.
Knowledge Distillation: Compressing Trading Models for Low-Latency Deployment
The blog's standing answer to the accuracy-vs-latency tension is a two-stage fast/slow split. Distillation is a different answer: train one small model to mimic the ensemble. The KD loss, temperature, born-again nets, early exits for a variable latency budget, and the distill-to-FPGA pipeline - plus the measurements that would decide whether it beats the two-stage split.
Model Pruning for Low-Latency Trading Inference
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.
Gaußsche Prozesse zur nichtparametrischen Preismodellierung
Kernel-Design für Finanzzeitreihen - Matern-Rauheit, lokal periodische Zusammensetzung, Spektralmischungen - und die Grenzwahrscheinlichkeit als Regularisierer, der keinen Validierungssatz benötigt. Dazu die ehrliche Auflistung dessen, was noch gemessen werden muss, bevor etwas davon handelbar ist.
Epistemisch vs Aleatorisch: Was ein Rücklaufmodell nicht weiß
Jede Positionsgrößen-Regel in diesem Blog behandelt Unsicherheit als eine einzige Zahl. MC Dropout und Deep Ensembles teilen sie in Modellunwissen und Marktgeräusche auf - und beide verdienen unterschiedliche Positionsgrößen.
Neural ODEs: Does Continuous Time Beat a Delta-Time Feature?
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.
Hamiltonian Neural Networks: Does a Financial System Conserve Anything?
Hamiltonian Neural Networks are provably stable - but stability is worthless if the conserved quantity does not exist. Learning a scalar H via autograd, symplectic integration, and the falsification test that decides whether a financial (q, p) pair is canonical at all.
Neuronaler Fourier-Operator für PDE-basierte Finanzmodellierung
Das Lernen von Operatoren bildet ganze Funktionsräume ab, nicht Punkte - wie der neuronale Fourier-Operator einen PDE-Lösungsoperator im Frequenzraum parametrisiert, was er für die Optionspreisgestaltung kauft und welche seiner Ansprüche noch auf realer Hardware gemessen werden müssen.
