Inmersiones profundas en el trading con IA, análisis de mercado y el futuro de DeFi.
Browse collections →Nothing found. Try a different query.
How we built researcher.marketmaker.cc — a unified, full-text-searchable archive of quant research (arXiv papers, GitHub repos, quant blogs, TradingView Pine scripts) that humans browse and AI agents query over MCP.
Una mirada profunda a algo-investor-skills — un conjunto de skills de Claude Code que lleva una estrategia de algotrading desde hechos medidos en crudo hasta una propuesta para inversores auditada y orientada a la honestidad. Seis skills componibles, un motor de modelos financieros, un paquete de pruebas de verificación independiente y una puerta de auditoría obligatoria con inversor escéptico que nunca fabrica una cifra.
Una estrategia con valor esperado positivo puede igualmente destruir tu cuenta si el tamaño de la apuesta es incorrecto. Recorremos el criterio de Kelly desde la deducción de la fórmula hasta una cartera de estrategias: por qué el Kelly completo es peligroso, cómo el Kelly fraccionario captura el 75% del crecimiento con la mitad de la volatilidad, y una calculadora interactiva que muestra cómo la fracción de Kelly mueve el retorno y el riesgo.
Un análisis en profundidad de daily_stock_analysis de ZhuLinsen — un sistema de código abierto que obtiene datos de mercado para acciones A, Hong Kong, EE. UU. y más, ejecuta análisis técnico y de noticias mediante un LLM, y envía un 'panel de decisiones' estructurado a tu mensajería cada día de negociación. Arquitectura, respaldo de datos, estrategias de agentes, limitaciones.
How Google's Temporal Fusion Transformer brings interpretable multi-horizon forecasting to quantitative portfolio management, with attention-based variable selection, quantile outputs, and a worked pytorch-forecasting pipeline.
Intervalos de predicción libres de distribución con cobertura garantizada. Usamos conformal split, jackknife+ e inferencia conforme adaptativa para calibrar el riesgo de trading y dimensionar posiciones sin supuestos paramétricos.
Decomposing and predicting bid-ask spreads with ML — from Roll's implicit estimator to gradient boosting and neural networks — with the units, leakage, and benchmarking pitfalls that bite in production.