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.
- 01Максат-функциясын долбоорлоо: сиз оптималдаштырган метрика стратегияңызды жашыруун тандап алат
- 02Multi-Timeframe Backtest'терде Look-Ahead Жоктугун Далилдөө: Келечекти Бузуп, Өткөндүн Аны Көрө Албастыгын Далилде
- 03Look-Ahead Bias: бир бардын катасы таза үндөн 15 Sharpe кантип жасайт
- 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 ылда мдык шаты: ноутбуктун CPU'сунда 298x, акыркы сделкага чейин бирдей PnL
- 02Фреймворк салыгы: качан сиздин backtest китепканаңыз жөнөкөй pandas циклинен жайыраак болот
- 03Агрегатталган Parquet кэши: мультитаймфрейм бэктесттерди жүздөгөн эсе кантип ылдамдатуга болот
- 04Эки октуу параметр мейкиндиги: эмне үчүн сиздин издөөнүн көпчүлүгү дээрлик акысыз болушу керек
- +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 аныктоо үчүн граф алгоритмдери: Беллман-Форддон RICH чейин
- 02Фьючерс-Спот арбитраж: Cash-and-Carry-ден DeFi-CeFi-ге чейин
- 03Матрицалар, тензорлор жана тропикалык алгебра: арбитражды аныктоо үчүн сызыктуу алгебра
- 04Арбитраж үчүн Vine Copulas: жогорку өлчөмдүү көз каранды байланыштарды моделдөө
- +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 метод дору чындыгында кантип иштейт
- 02Алгоритмдик Трейдингдеги Ордер Түрлөрү: Chasing менен Лимиттен Виртуалдык Ордерлерге чейин
- 03Queue Inside the Wall: Analyzing Order Position in Order Book Density
- 04Алгоритмдик трейдинг үчүн бар түрлөрү жана агрегациялоо ыкмалары
- +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.
- 01Крипто үчүн Марковиц портфель теориясы: нөлдөн баатырга чейин
- 02Портфелди оптималдаштыруунун 12 алгоритми салыштырылды: HRP, Black-Litterman, NCO жана башкалар
- 03Inside Our House Algorithm: HRP + Long/Short + CVaR with Hull-White
- 04Крипто портфелдериндеги биргелешкен тобокелдикти моделдөө үчүн копула моделдери
- +1 more
Risk & Position Sizing
Build position sizes from drawdown math, realistic trading costs, and uncertainty in backtest results before applying Kelly.
- 01Чыгым-Пайда Асимметриясы: Депозитиңизди Кыйратуучу Математика
- 02Слиппаж туруктуулары эмес, слиппаж ийри сызыктары: жандуу соода менен беттешип аман калган чыгым моделдери
- 03Монте-Карло бутстрап: бэктест үчүн ишеним интервалдарын болгону 10 сап кодду менен кантип алса болот
- 04Стратегиялар үчүн Келли критерийи: позиция көлөмүн жана капиталды кантип бөлүштүрүү 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.
- 01Дистанция мамилеси боюнча жупталган соода: Rust менен ишке ашыруу жана талдоо
- 02Statistical Arbitrage and Pairs Trading in Crypto Markets: From Cointegration to the Kalman Filter
- 03Signal Correlation: How Many Pairs to Monitor
- 04Статистикалык арбитражда орточо мааниге кайтуу жана momentum стратегияларын динамикалык түрдө айкалыштыруу: математикалык негиздер жана практикалык ишке ашыруу
- +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
- 02Диффузиялык моделдер криптовалюта анархиясына каршы: DDPM эмне үчүн Bitcoin кулашын сиздин астрологуңуздан жакшыраак божомолдой алат
- 03Kronos: шам графиктерин трансформер тилинде сүйлөшүүгө үйрөткөн негиз модели
- 04Тобокелдикти Эске Алган Позиция Көлөмүн Аныктоо үчүн Конформдук Божомол
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.
- 01Агенттик ЖИ менен инвестициялык портфелди башкаруудагы революция
- 02TradingAgents: Multi-Agent AI Framework That Models a Hedge Fund
- 03AI4Finance Foundation: Алго-трейдинг үчүн FinGPT, FinRL жана FinRobot экосистемасы
- 04AI Hedge Fund: жасалма интеллект талдоочулары бүтүмдөргө добуш берген көп агенттүү фонд
- +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 Trading Тутумдарындагы Дайындар Байланышы: Т ехнологиялык Сереп
- 02Aeron: HFT тармагынын жарымын кыймылдаткан билдирүү системасынын ичи
- 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 vs VWAP vs POV: аткаруу бенчмаркин танд оо (жана алардын ар бири качан сизди алдаарын билуу)
- 02Ашык-айкын Almgren-Chriss: бир түштөн кийин ишке ашыра турган оптималдуу аткаруу
- 03Слайс ичинде: планировщик менен биржанын ортосундагы чакан ордер тактикалары
- 04Криптодогу акылдуу ордер маршрутизациясы: бир ордер, он эки аянтча, NBBO жок
- +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: sandwich чабуулдары, frontrunning жана ме мпулдун караңгы токою
- 02The MEV supply chain: PBS, MEV-Boost, and who actually captures the value
- 03Чынжырдагы арбитраж: атомдук циклдер, флеш насыялар жана сиз жеңишиңиз керек болгон аукцион
- 04Чейнде ликвидациялар: Aave жана Compound механикасы, ошондой эле алардын тегерегиндеги бот бизнеси
- +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 өзгөрмөлүү крипто убакыт сериясында себептик ачылыш
- 04Соода-сатыктағы гетерогендүү обработка эффектилер үчүн 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): Крипто волатилдүүлүгүн болжолдоо
- 02Асимметриялуу жана оор куйруктуу GARCH: EGARCH, GJR жана Student-t
- 03DCC-GARCH: жуптар жана портфель тобокелдиги учун динамикалык корреляциялар
- 04Волатилдүүлүктү максат кылуу жана GARCH божомолдору менен соода жүргүзүү
- +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
- 02Ансамблдик методдор: күчтүү Alpha үчүн алсыз окуучуларды бириктирүү
- 03Системалык соода түтүктөрү үчүн AutoML
- 04Бааны, көлөмдү жана туруксуздукту болжолдоо үчүн көп тапшырманы үйрөнүү
- +11 more