Collections
Curated reading paths through the blog, ordered from basics to advanced.
Backtesting Without Fooling Yourself
A step-by-step path from what your backtest really optimizes to proving an edge survives overfitting, multiple testing, and live execution. Read top to bottom — each part builds on the last.
- 01Мақсат-функциясын жобалау: сіз оңтайландыратын метрика стратегияңызды жасырын түрде таңдайды
- 02Мультитаймфреймдік бэктестерде келешекке қарамауды дәлелдеу: болашақты бұзып, өткеннің оны көре алмайтынын дәлелдеу
- 03Look-Ahead Bias: бір бардың қатесі таза шудан қалай 15 Sharpe жасап шығарады
- 04Walk-Forward Optimization: The Only Honest Strategy Test
- +7 more
High-Performance Backtest Engines
How to build a backtest engine that runs hundreds of times faster without changing a single PnL number — data layout, caching, adaptive resolution, and architecture, from first speedups to production internals.
- 01Бэктест жылд амдығының сатысы: ноутбук CPU-да 298 есе, соңғы транзакцияға дейін бірдей PnL
- 02Фреймворк салығы: бэктест кітапханаңыз қарапайым pandas циклінен баяу болғанда
- 03Агрегатталған Parquet кэші: мультитаймфрейм бэктестерді жүздеген есе қалай жылдамдату керек
- 04Екі осьті параметрлер кеңістігі: неге іздеуіңіздің көбі дерлік тегін болуға тиіс
- +7 more
Complex Arbitrage in Rust
A six-part build-up of multi-leg crypto arbitrage — from negative-cycle detection to the linear algebra, copulas, and machine learning behind it, ending in low-latency Rust execution.
- 01Арбитражды анықтауға арналған г раф алгоритмдері: Беллман-Форддан RICH-ке дейін
- 02Фьючерс-Спот арбитражы: Cash-and-Carry-ден DeFi-CeFi-ге дейін
- 03Матрицалар, тензорлар және тропикалық алгебра: арбитражды анықтауға арналған сызықтық алгебра
- 04Арбитраж үшін Vine Copulas: жоғары өлшемді тәуелділіктерді модельдеу
- +2 more
Order Book & Market Microstructure
How the order book really works — accessing the data, reading queue position, rebuilding bars from order flow, and modeling it with deep learning and Hawkes processes.
- 01CCXT: WebSocket ордербук әдіст ері іс жүзінде қалай жұмыс істейді
- 02Алгоритмдік Трейдингтегі Ордер Түрлері: Chasing бар Лимиттен Виртуалды Ордерлерге дейін
- 03Queue Inside the Wall: Analyzing Order Position in Order Book Density
- 04Алгоритмдік трейдинг үшін бар түрлері мен агрегациялау әдістері
- +8 more
Portfolio Construction & Risk
From Markowitz to production HRP + CVaR: how to allocate across crypto assets, model tail dependence with copulas, and size positions without blowing up.
- 01Криптовалютаға арналған Марковиц порт фель теориясы: нөлден кейіпкерге дейін
- 02Портфельді оңтайландырудың 12 алгоритмі: HRP, Black-Litterman, NCO және басқалары салыстырылды
- 03Біздің меншікті алгоритмнің ішінде: Hull-White көмегімен HRP + Long/Short + CVaR
- 04Крипто портфельдердегі бірлескен тәуекел үлгілеу үшін копула модельдері
- +1 more
Risk & Position Sizing
Build position sizes from drawdown math, realistic trading costs, and uncertainty in backtest results before applying Kelly.
- 01Шығын-Пайда Асимметриясы: Депозитіңізді Құртатын Математика
- 02Slippage константасы емес, slippage қисықтары: жанды сауданы кездескенде аман шығатын шығын модельдері
- 03Монте-Карло бутстрэп: бэктест үшін сенімділік интервалдарын небәрі 10 жол кодпен қалай алуға болады
- 04Стратегиялар үшін Келли критерийі: позиция көлемін қалай анықтап, капиталды бөлу керек
Statistical Arbitrage & Pairs Trading
Trade the spread between correlated assets — from the distance approach to cointegration and Kalman filters, then dynamically combining mean reversion with momentum.
- 01Парлық сауда-саттықтағы Distance Approach: Rust тілінде іске асыру және талдау
- 02Statistical Arbitrage and Pairs Trading in Crypto Markets: From Cointegration to the Kalman Filter
- 03Signal Correlation: How Many Pairs to Monitor
- 04Статистикалық арбитражда орташа мәнге қайту мен momentum стратегияларын динамикалық түрде біріктіру: математикалық негіздер және практикалық іске асыру
- +1 more
Deep Learning for Markets
Neural forecasting for crypto — transformers, diffusion models, and foundation models, and how conformal prediction keeps their uncertainty honest.
- 01Temporal Fusion Transformers for Multi-Horizon Portfolio Forecasting
- 02Диффузиялық модельдер криптовалюта анархиясына қарсы: DDPM неге Bitcoin құлдырауын сіздің астрологыңыздан жақсы болжай алады
- 03Kronos: свеча графиктерін трансформер тілінде сөйлеуге үйрететін негіздемелік модель
- 04Тәуекелді Ескеретін Позиция Көлемін Анықтауға арналған Конформды Болжам
AI Agents for Trading
The agentic-AI stack for markets — multi-agent frameworks, open-source hedge funds, and LLMs that mine alpha from earnings calls.
- 01Агенттік ЖИ көмегімен инвестициялық портфельді басқарудағы революци я
- 02TradingAgents: Multi-Agent AI Framework That Models a Hedge Fund
- 03AI4Finance Foundation: Алго-трейдингке арналған FinGPT, FinRL және FinRobot экожүйесі
- 04AI Hedge Fund: жасанды интеллект талдаушылары мәмілелерге дауыс беретін көп агентті қор
- +1 more
QuestDB for Algorithmic Trading
Stand up a time-series stack for trading on QuestDB — from architecture to the SQL that matters, to a production deployment.
- 01QuestDB for Algorithmic Trading: Architecture That Speaks the Language of Markets
- 02QuestDB for Algorithmic Trading: SQL Extensions That Change the Game
- 03QuestDB for Algorithmic Trading: From Order Books to Production Architecture
Low-Latency Trading Infrastructure
The plumbing under an HFT stack — how components talk (WebSocket, FIX, gRPC, Aeron), messaging on Aeron and Zig, and a C++ FIX/FAST scalper.
- 01Algo Трейдинг Жүйелеріндегі Деректер Байланысы: Технологиялық Шолу
- 02Aeron: HFT саласының жартысын қозғайтын хабар алмасу жүйесінің ішкі құрылымы
- 03ZigBolt: Why We Built Our Own Aeron in Zig and Hit 20 Nanoseconds Per Message
- 04Developing a Simple C++ Scalper Using FAST/FIX: Step-by-Step Guide
Execution & Market Making
From TWAP/VWAP and Almgren-Chriss to TCA, slippage models, and the Avellaneda-Stoikov market maker — how to turn a signal into fills without paying the spread twice.
- 01TWAP пен VWAP және POV: орындау бенчмаркін таңдау (әрқайсысы қашан алдайтынын білу)
- 02Almgren-Chriss моделі түсінікті тілмен: бір түскі уақытта іске асыруға болатын оңтайлы орындау
- 03Слайс ішінде: сіздің жоспарлаушыңыз бен биржа арасындағы child-order тактикасы
- 04Криптодағы Smart Order Routing: Бір ордер, он екі алаң, NBBO жоқ
- +7 more
Onchain & DeFi Quant
Quantitative DeFi from first principles — MEV and sandwich attacks, atomic arbitrage, liquidation cascades on lending protocols, and LP profitability on Uniswap v3.
- 01MEV анатомиясы: сэндвичтер, frontrunning және мемпулдың қараңғы орманы
- 02The MEV supply chain: PBS, MEV-Boost, and who actually captures the value
- 03Тізбекті арбитраж: атомдық циклдер, флэш-қарыздар және сіз жеңуіңіз керек аукцион
- 04Ончейн ликвидациялар: Aave мен Compound механикасы және олардың айналасындағы бот бизнесі
- +5 more
Causality & Lead-Lag in Markets
Who moves whom — Granger causality, transfer entropy, PCMCI discovery, and the causal ML toolbox (double ML, causal forests, synthetic control) applied to crypto markets.
- 01Toda-Yamamoto vs Differenced Granger: Does the BTC Lead-Lag Survive?
- 02Transfer Entropy: Which Way Does Information Flow Between Crypto Assets?
- 03PCMCI: Көп айнымалы криптографиялық уақыт сериясындағы себепті анықтау
- 04Саудалардарғы гетерогенді емдеу әсерлері үшін Causal Forests
- +3 more
Volatility Modeling & Regimes
Forecast volatility with the GARCH family — asymmetry and leverage effects, dynamic correlations, vol targeting — then detect market regimes with HMMs and trade adaptively.
- 01GARCH(1,1): Криптовалюта Волатильд ігін Болжау
- 02Асимметриялы және ауыр құйрықты GARCH: EGARCH, GJR және Student-t
- 03DCC-GARCH: Парлар мен портфель тәуекелі үшін динамикалық корреляциялар
- 04Волатильностті таргеттеу және GARCH болжамдарымен сауда
- +1 more
Modern ML for Trading
The full gradient-boosting-to-neural-operator toolkit — ensembles, AutoML, probabilistic forecasting, distillation and pruning for latency, plus physics-informed architectures like Neural ODEs and Fourier operators.
- 01XGBoost for Return Direction: Class Imbalance and Decision Thresholds
- 02Ансамбльдік әдістер: Әлсіз оқушыларды сенімді альфа үшін біріктіру
- 03Жүйелі сауда құбырларына арналған AutoML
- 04Multi-Task Learning for Simultaneous Price, Volume, and Volatility Prediction
- +11 more