Pembahasan mendalam tentang AI trading, analisis pasar, dan masa depan DeFi.
Browse collections →Nothing found. Try a different query.
Bagaimana kami membangun researcher.marketmaker.cc — arsip riset kuantitatif yang terpadu dan dapat dicari secara teks penuh (makalah arXiv, repositori GitHub, blog kuant, skrip Pine TradingView) yang ditelusuri manusia dan dikueri agen AI melalui MCP.
Tinjauan mendalam tentang algo-investor-skills — sekumpulan Claude Code skills yang membawa strategi algotrading dari fakta terukur mentah menjadi proposal investor yang telah diaudit dan mengutamakan kejujuran. Enam skill yang dapat dikomposisikan, sebuah mesin model finansial, paket bukti verifikasi independen, dan gerbang audit investor skeptis yang wajib dan tidak pernah mengarang angka.
Strategi dengan ekspektasi matematis positif bisa menghancurkan deposit jika ukuran taruhannya salah. Kita bahas kriteria Kelly dari penurunan rumus hingga portofolio strategi: mengapa full Kelly berbahaya, bagaimana Kelly fraksional memberi 75% pertumbuhan dengan separuh volatilitas, dan kalkulator interaktif yang memperlihatkan bagaimana fraksi Kelly mengubah imbal hasil dan risiko.
Telaah mendalam atas daily_stock_analysis karya ZhuLinsen — sistem open-source yang mengambil data pasar untuk saham A, Hong Kong, AS, dan lainnya, menjalankan analisis teknikal dan berita melalui LLM, serta mengirimkan 'dasbor keputusan' terstruktur ke aplikasi pesan Anda setiap hari bursa. Arsitektur, fallback data, strategi agen, keterbatasan.
Bagaimana Temporal Fusion Transformer dari Google menghadirkan peramalan multi-horizon yang dapat diinterpretasi ke manajemen portofolio kuantitatif, dengan seleksi variabel berbasis attention, keluaran kuantil, dan pipeline pytorch-forecasting yang dikerjakan langkah demi langkah.
Interval prediksi bebas distribusi dengan jaminan cakupan. Kami menggunakan split conformal, jackknife+, dan adaptive conformal inference untuk mengkalibrasi risiko trading dan menentukan ukuran posisi tanpa asumsi parametrik.
Mendekomposisi dan memprediksi bid-ask spread dengan ML — dari estimator implisit Roll hingga gradient boosting dan jaringan saraf — beserta jebakan satuan, kebocoran data, dan benchmarking yang menggigit di produksi.