August 1, 2026
#causal-inference
交易中異質治療效果的因果森林
本博客每個回測估計條件平均值。因果森林估計條件治療效果 — tau(x) 而非 mu(x) — 具有誠實分裂、自適應核權重表示以及告訴您發現的異質性是否真實的校準測試。
#causal-inference#causal-forest#heterogeneous-effects
閱讀文章 →
Nothing found. Try a different query.
本博客每個回測估計條件平均值。因果森林估計條件治療效果 — tau(x) 而非 mu(x) — 具有誠實分裂、自適應核權重表示以及告訴您發現的異質性是否真實的校準測試。
本博客的每個位置 sizing 規則都把不確定性坍縮成單一純量。MC Dropout 和深度集成將其拆分為模型無知與市場噪聲——這兩者值得不同的 position size。
自動特徵生成(tsfresh、Featuretools)、具預算感知的模型搜尋(FLAML 的節省成本最佳化器),以及 WorldQuant 公式化 alpha 工廠——本部落格搜尋與過度擬合系列尚未涵蓋的研究流程部分,以及該系列自身結果對它們的啟示。
Перевод статьи на zh-Hant
Перевод статьи на zh-Hant
找到鏈上套利循環是較容易的一半。困難的一半是贏得密封式競價優先拍賣,與所有找到相同循環的其他搜尋者競爭。對原子性、閃電貸、跟單交易的技術性剖析,以及套利利潤實際得以保留的地方——包括非原子的 CEX-DEX。