Approfondimenti sul trading con IA, l'analisi di mercato e il futuro della DeFi.
Browse collections →Nothing found. Try a different query.
Intervalli di previsione distribution-free con copertura garantita. Usiamo split conformal, jackknife+ e adaptive conformal inference per calibrare il rischio di trading e dimensionare le posizioni senza assunzioni parametriche.
Scomporre e prevedere gli spread bid-ask con il ML — dallo stimatore implicito di Roll al gradient boosting e alle reti neurali — con le insidie di unità di misura, leakage e benchmarking che fanno male in produzione.
Come DeepLOB combina una CNN, un modulo inception e una LSTM per prevedere i movimenti del mid-price a partire dai dati grezzi dell'order book — l'architettura, i numeri reali su FI-2010 e una reimplementazione funzionante in PyTorch.
Un'analisi approfondita di Pipeline — l'algoritmo di allocazione composito che abbiamo costruito sopra HRP. Hierarchical Risk Parity come base, un overlay long/short guidato dai segnali degli agenti e dalla confidenza, e una correzione finale del rischio tramite CVaR con aggiustamento della volatilità di Hull-White. La matematica completa dalla nostra specifica, più l'implementazione reale in Rust.
Un paniere di criptovalute, dodici algoritmi di allocazione, un confronto onesto. Abbiamo reso open source un ottimizzatore di portafoglio in Rust che esegue HRP, HERC, MVO, Black-Litterman, NCO, Entropy Pooling e altro ancora tramite un'unica interfaccia — ecco come ragiona ciascuno e perché non esiste un vincitore assoluto.
Architettura di OneTick — un motore time-series enterprise-grade per dati tick. Query DAG tramite Event Processor, dati real-time e storici unificati, market surveillance (MiFID II, MAR, SEC), TCA, ricerca quant e confronto con kdb+.
Analisi approfondita dell'architettura di TradingAgents — un framework LangGraph open-source in cui agenti LLM (analisti, ricercatori, trader, gestione del rischio, portfolio manager) si confrontano in dibattiti strutturati per prendere decisioni di trading.