Deep dives into AI trading, market analysis, and the future of DeFi.
Browse collections →Nothing found. Try a different query.
How understanding your place in the queue at a price level transforms scalping from guesswork into an engineering problem
Como usar grandes modelos de linguagem para extrair sinais de trading de chamadas com investidores, relatórios e notícias. Chain-of-thought prompting, extração estruturada, backtesting de sinais.
A complete guide to statistical arbitrage for crypto markets. Cointegration, Kalman filter, basis strategies, cross-exchange arbitrage. With backtests and Python code.
Todo algoritmo deixa uma impressão digital única. Aprenda a lê-la — e você saberá quem está do outro lado da sua operação.
Por que o PnL anual bruto é uma métrica pobre para comparar estratégias com tempos de negociação diferentes. Como calcular o retorno efetivo, por que você precisa de fill_efficiency, e por que uma estratégia com 27% de PnL pode superar uma com 300%.
Como a granularidade adaptativa de dados acelera backtests e economiza armazenamento: drill-down de 1m para 1s, 100ms e trades brutos apenas onde o preço se moveu significativamente ou o volume disparou, não em toda a série histórica.
Como pré-calcular timeframes e indicadores a partir de candles de um minuto, salvá-los em parquet e usá-los para testes em massa de estratégias sem recálculos redundantes.