Thông Tin & Tin Tức

Blog

Phân tích chuyên sâu về AI trading, phân tích thị trường và tương lai của DeFi.

Browse collections →
Filter by tag:
Koopman Operators and DMD: Do Market Modes Survive Out-of-Sample?
August 12, 2026
#mathematics

Koopman Operators and DMD: Do Market Modes Survive Out-of-Sample?

Dynamic Mode Decomposition fits a linear operator to nonlinear market dynamics. The only question that matters: do the fitted modes persist from one window to the next, and does the rolling spectral radius lead realised volatility? Here is the measurement protocol and the code to run it.

#mathematics#Koopman#dynamical-systems
Đọc Bài Viết →
Knowledge Distillation: Compressing Trading Models for Low-Latency Deployment
August 11, 2026
#model-compression

Knowledge Distillation: Compressing Trading Models for Low-Latency Deployment

The blog's standing answer to the accuracy-vs-latency tension is a two-stage fast/slow split. Distillation is a different answer: train one small model to mimic the ensemble. The KD loss, temperature, born-again nets, early exits for a variable latency budget, and the distill-to-FPGA pipeline — plus the measurements that would decide whether it beats the two-stage split.

#model-compression#distillation#latency
Đọc Bài Viết →
Hawkes Processes for Order Arrival and Market Event Modeling
August 9, 2026
#microstructure

Hawkes Processes for Order Arrival and Market Event Modeling

Fitting a self-exciting point process to real crypto trade tape: where the three numbers (mu, alpha, beta) come from, how to estimate the branching ratio n, whether the exponential kernel survives a goodness-of-fit test, and how much n moves when you change the estimation window.

#microstructure#Hawkes-process#point-process
Đọc Bài Viết →
Mạng lưới thần kinh Hamilton: Hệ thống tài chính có bảo toàn được gì không?
August 8, 2026
#deep-learning

Mạng lưới thần kinh Hamilton: Hệ thống tài chính có bảo toàn được gì không?

Mạng lưới thần kinh Hamilton được chứng minh là ổn định - nhưng sự ổn định sẽ vô giá trị nếu số lượng được bảo toàn không tồn tại. Học một H vô hướng thông qua autograd, tích hợp đối xứng và kiểm tra độ sai lệch để quyết định xem một cặp tài chính (q, p) có hợp quy hay không.

#deep-learning#Hamiltonian#physics-informed
Đọc Bài Viết →
Toda-Yamamoto vs Differenced Granger: Liệu độ trễ dẫn đầu của BTC có tồn tại được không?
August 7, 2026
#causal-inference

Toda-Yamamoto vs Differenced Granger: Liệu độ trễ dẫn đầu của BTC có tồn tại được không?

Mối quan hệ nhân quả Granger đối với giá tiền điện tử được thực hiện theo hai cách – lợi nhuận chênh lệch và Toda-Yamamoto ở các cấp độ – với việc triển khai Wald chính xác, ma trận nhân quả được hiệu chỉnh theo N hiệu quả và kiểm tra độ ổn định luân phiên để xem liệu độ trễ có thể giao dịch được hay không.

#causal-inference#Granger-causality#lead-lag
Đọc Bài Viết →
Quy trình Gaussian cho mô hình hóa giá phi tham số
August 6, 2026
#bayesian

Quy trình Gaussian cho mô hình hóa giá phi tham số

Thiết kế hạt nhân cho chuỗi thời gian tài chính - Độ nhám của mẹ, thành phần định kỳ cục bộ, hỗn hợp quang phổ - và khả năng cận biên như một bộ điều chỉnh không cần bộ xác nhận. Cộng với danh sách trung thực về những gì vẫn phải được đo lường trước khi có thể giao dịch được.

#bayesian#gaussian-process#kernel
Đọc Bài Viết →