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.
- 01Design da função objetivo: a métrica que você otimiza escolhe secretamente sua estratégia
- 02Provando a Ausência de Look-Ahead em Backtests Multi-Timeframe: Perturbe o Futuro, Prove que o Passado Não Pode Vê-lo
- 03Look-Ahead Bias: como um erro de uma vela fabrica um Sharpe de 15 a partir de puro ruído
- 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.
- 01A Escada de Velocidade do Backtest: 298x em uma CPU de Laptop, PnL Idêntico Até o Último Trade
- 02O imposto do framework: quando sua biblioteca de backtest é mais lenta que um loop ingênuo de pandas
- 03Cache Parquet Agregado: Como Acelerar Backtests Multi-Timeframe Centenas de Vezes
- 04O espaço de parâmetros de dois eixos: por que a maior parte do seu sweep deveria ser quase gratuita
- +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.
- 01Algoritmos de grafos para detecção de arbitragem: de Bellman-Ford ao RICH
- 02Arbitragem Futuros-Spot: Do Cash-and-Carry ao DeFi-CeFi
- 03Matrizes, tensores e álgebra tropical: álgebra linear para detecção de arbitragem
- 04Vine Copulas para Arbitragem: Modelando Dependências de Alta Dimensão
- +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: como os métodos WebSocket de order book realmente funcionam
- 02Tipos de Ordens em Trading Algorítmico: do Limit com Chasing às Ordens Virtuais
- 03Queue Inside the Wall: Analyzing Order Position in Order Book Density
- 04Tipos de Barras e Métodos de Agregação para Trading Algorítmico
- +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.
- 01Teoria de Portfólio de Markowitz para Cripto: Do Zero ao Herói
- 0212 Portfolio Optimization Algorithms, Compared: HRP, Black-Litterman, NCO and Beyond
- 03Inside Our House Algorithm: HRP + Long/Short + CVaR with Hull-White
- 04Modelos de Cópula para Modelagem de Risco Conjunto em Portfólios de Cripto
- +1 more
Risk & Position Sizing
Build position sizes from drawdown math, realistic trading costs, and uncertainty in backtest results before applying Kelly.
- 01Assimetria Perda-Lucro: A Matemática que Destrói o seu Depósito
- 02Curvas de slippage, não constantes de slippage: modelos de custo que sobrevivem ao contato com o trading ao vivo
- 03Monte Carlo Bootstrap: como obter intervalos de confiança para um backtest em 10 linhas de código
- 04O critério de Kelly para estratégias: como dimensionar posições e alocar capital
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.
- 01Abordagem de Distância em Pairs Trading: Implementação e Análise com Rust
- 02Statistical Arbitrage and Pairs Trading in Crypto Markets: From Cointegration to the Kalman Filter
- 03Signal Correlation: How Many Pairs to Monitor
- 04Combinando Dinamicamente Estratégias de Reversão à Média e Momentum em Arbitragem Estatística: Fundamentos Matemáticos e Implementação Prática
- +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
- 02Modelos de Difusão vs Anarquia das Criptomoedas: Por Que o DDPM Consegue Prever Quedas do Bitcoin Melhor Que Seu Astrólogo
- 03Kronos: um modelo de fundação que ensina os gráficos de candles a falar a linguagem dos transformers
- 04Predição Conformal para Dimensionamento de Posição Sensível ao Risco
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.
- 01Revolução na Gestão de Carteiras de Investimento com Agentic AI
- 02TradingAgents: Multi-Agent AI Framework That Models a Hedge Fund
- 03AI4Finance Foundation: O ecossistema FinGPT, FinRL e FinRobot para trading algorítmico
- 04AI Hedge Fund: um fundo multiagente onde analistas de IA votam nas operações
- +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.
- 01Comunicação de Dados em Sistemas de Algo Trading: Uma Visão Geral Tecnológica
- 02Aeron: por dentro do sistema de mensageria que move metade da industria de HFT
- 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: como escolher um benchmark de execução (e saber quando cada um te engana)
- 02Almgren-Chriss Sem Rodeios: Execução Ótima que Você Consegue Implementar em uma Tarde
- 03Dentro do slice: táticas de child order entre o seu scheduler e a exchange
- 04Smart Order Routing em Cripto: Uma Ordem, Doze Corretoras, Nenhum NBBO
- +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.
- 01Anatomia do MEV: sandwiches, frontrunning e a floresta escura do mempool
- 02A cadeia de suprimentos de MEV: PBS, MEV-Boost e o mercado de blocos
- 03Arbitragem on-chain: ciclos atômicos, flash loans e o leilão que você precisa vencer
- 04Liquidações on-chain: a mecânica da Aave e da Compound, e o negócio dos bots ao redor delas
- +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: descoberta causal em séries temporais criptográficas multivariadas
- 04Causal Forests para Efeitos de Tratamento Heterogêneos no Trading
- +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): Previsão de Volatilidade em Cripto
- 02GARCH Assimétrico e de Caudas Pesadas: EGARCH, GJR e Student-t
- 03DCC-GARCH: Correlações Dinâmicas para Pares e Risco de Portfólio
- 04Volatility Targeting e Trading com Previsões GARCH
- +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
- 02Métodos Ensemble: Combinando Alunos Fracos para um Alfa Robusto
- 03AutoML para pipelines de trading sistemático
- 04Multi-Task Learning for Simultaneous Price, Volume, and Volatility Prediction
- +11 more