Exploration approfondie du trading par IA, de l'analyse de marché et de l'avenir de la 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.
Un regard approfondi sur algo-investor-skills — un ensemble de skills Claude Code qui fait passer une stratégie d'algotrading de faits bruts mesurés à une proposition aux investisseurs auditée et axée sur l'honnêteté. Six skills composables, un moteur de modèles financiers, un dossier de preuves de vérification indépendante et une porte d'audit obligatoire avec investisseur sceptique qui ne fabrique jamais un chiffre.
Une stratégie à espérance positive peut quand même faire sauter votre compte si la taille de la mise est mal choisie. Nous parcourons le critère de Kelly, de la dérivation de la formule jusqu'à un portefeuille de stratégies : pourquoi le Kelly complet est dangereux, comment le Kelly fractionnaire capture 75% de la croissance avec moitié moins de volatilité, et une calculatrice interactive qui montre comment la fraction de Kelly déplace le rendement et le risque.
Une analyse approfondie de daily_stock_analysis par ZhuLinsen — un système open source qui récupère les données de marché pour les actions A, Hong Kong, les États-Unis et plus encore, effectue une analyse technique et d'actualités via un LLM, et envoie un 'tableau de bord décisionnel' structuré sur votre messagerie chaque jour de bourse. Architecture, repli de données, stratégies d'agents, limites.
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.
Des intervalles de prédiction sans hypothèse de distribution, avec une couverture garantie. Nous utilisons le split conformal, le jackknife+ et l'inférence conforme adaptative pour calibrer le risque de trading et dimensionner les positions sans hypothèses paramétriques.
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.