О хитрости рынка и советах старого Уоррена

Волатильность, видите ли, повысилась. S&P 500 стоит на месте, а внутри – буря и гроза. Неудивительно, что многие инвесторы прижимают деньги к груди, ждут, когда пыль уляжется, или вообще решают распродать все, пока не поздно. Ну, что ж, право каждого. Но я вам скажу, господа, сидеть сложа руки – это тоже стратегия. Только вот, как правило, стратегия проигрышная.

Шиба-Ину: Не покупайте, даже если пообещают дворец

Шиба-Ину (SHIB 1.32%) – прекрасный пример. В 2021 году этот токен взлетел на какие-то немыслимые 102,000,000%! Подумайте только! Это как если бы вы купили бутерброд за рубль, а через неделю он стоил как небольшой остров. Ну, или как если бы я решил снять фильм о Наполеоне, в котором он бы танцевал ламбаду. Абсурд? Да. Но, поверьте, в мире криптовалют абсурд – это норма.

Обучение агентов в условиях неопределенности: надежные стратегии для многоагентных систем

Агенты, использующие стратегии NQOVI, QRE и низкую степень неприятия риска, сходятся к доминирующим по выплатам исходам, связанным с координацией на охоте на оленей, в то время как агенты с высокой степенью неприятия риска неизменно выбирают более безопасную, но менее выгодную стратегию охоты на зайцев, подтверждая предсказуемый выбор равновесия.

Новый алгоритм RQRE-OVI позволяет многоагентным системам эффективно обучаться и находить устойчивые решения даже в сложных и непредсказуемых средах.

Grail: Цена Падения и Слабое Эхо Надежды

Трехлетнее испытание, охватившее 142 тысячи человек, не выявило статистически значимого снижения заболеваемости раком на поздних стадиях. Идея, конечно, благородная: выявлять рак на ранних стадиях, когда его легче и дешевле лечить. Но, как известно, благими намерениями вымощена дорога в ад. Galleri не способен остановить рак. Он лишь позволяет раньше обнаружить то, что все равно рано или поздно заявит о себе. И, разумеется, за это нужно платить.

Проверенные стратегии: надежный фреймворк для разработки и тестирования алгоритмических систем

Нормализованная оценка вневыборочной справедливости (версии v1-v4) демонстрирует, как различные итерации модели могут расходиться в своих оценках, подчеркивая уязвимость любой теории перед горизонтом событий, где предсказания становятся неопределенными.

В статье представлен комплексный подход к созданию и валидации торговых алгоритмов, направленный на снижение риска переобучения и повышение стабильности стратегий.