Approfondimenti sul trading con IA, l'analisi di mercato e il futuro della 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.
Sequence models fed tick data still assume regular spacing. Three ways to tell a Transformer when a tick actually happened — learnable-timescale continuous encoding, ODE-RNN latent state, and delta_t as a plain feature — and the ablation that decides between them.
Questa serie ha valutato il percorso di selezione fino a un falso limite: il DSR valuta il vincitore, il PBO valuta la ricerca. Nessuno dei due tocca la confusione: la strategia che ha fatto soldi perché la volatilità è raddoppiata nella settimana in cui l'hai implementata. Il metodo di controllo sintetico crea un controfattuale ponderato da un pool di donatori di strumenti intatti e fornisce un criterio di falsificazione e un valore p placebo.
Come valutare onestamente una distribuzione predittiva: CRPS come regola di punteggio adeguata, l'istogramma PIT come diagnostica di calibrazione e campionamento DeepAR in GluonTS.
Mettere le PDE dei prezzi Heston, a confine libero e con diffusione a salto in una perdita di rete neurale: il residuo del prezzo logaritmico, il trucco autogradante misto-parziale e ciò che deve ancora essere misurato.
How PCMCI's two-stage MCI test recovers directed causal links between crypto assets where correlation and bivariate Granger cannot — the construction, the tigramite pipeline, and the real-data study it still needs.
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.
