Channels

Top 100 Trending New

Categories

Crypto Gaming News Entertainment Music Sports Tech Gambling Bots and mini apps Finance Business Education Lifestyle Health Travel Auto Fashion Jobs Dating Deals and shopping

Stickers

Stickers Emoji Themes Wallpapers

Bots Gifts Tools

Currency

$ USD ₽ RUB € EUR ₴ UAH ₸ KZT ₺ TRY zł PLN ₪ ILS AED AED R$ BRL Rp IDR RM MYR ¥ JPY ₩ KRW CN¥ CNY

Theme

Português (Brasil)

Bahasa Indonesia

Беларуская

Українська

Channels Categories Stickers Bots Gifts Tools

Premium Wiki Glossary Legal

Notifications Settings Log in

Decipher: post #2974 — TG.ME

Decipher@ebitdaddy7 · 12.3K subscribers Open in TelegramOpen

t.me/ebitdaddy7/2974

48

21

10

August 13, 2026 5.5K 3

More from this channel

каппадокия 3.3K·Aug 29

Иногда шум - это просто паттерн, который ты ещё не умеешь видеть. Большинство финансовых временных рядов визуально выглядят примерно одинаково: тренд + движения + огромное количество шума. Особенно на небольших таймфреймах. Но есть интересный способ посмотреть на рынок совершенно с другой стороны. Не через цену. А через частоты. Для этого существует Fourier Transform. Идея на самом деле достаточно простая. Практически любой сложный временной ряд можно представить как комбинацию множества волн разных частот. Одни очень медленные. Другие быстрые. Какие-то сильные. Какие-то практически незаметные. Сложи их вместе - получишь тот самый график цены, который выглядит почти случайным. Fourier Transform делает обратное. Он берёт временной ряд и буквально разбирает его на частоты. Вместо: price → time мы начинаем смотреть: power → frequency И здесь становится интересно. Представим, что внутри цены одновременно существуют: долгосрочный тренд, цикл примерно в 20 торговых дней, и случайный шум. Глазами на графике этот цикл можно вообще не заметить. Но после Fourier Transform в спектре около 20 дней появится peak. По сути рынок говорит: «эта частота встречается здесь подозрительно часто». Именно поэтому spectral analysis интересен для quant. Рынки создаются людьми и экономической активностью. А в них полно повторяющихся процессов. Дни и недели. Зарплаты. Налоговые периоды. Опционные экспирации. Ребалансировки. Отчётности. Сезонность бизнеса. Поведенческие циклы инвесторов. Если часть этих процессов повторяется, теоретически их след может оставаться и в цене. Но здесь начинается самое важное. Найти цикл ≠ найти alpha. Финансовый рынок - не маятник. Допустим, на последних пяти годах ты нашёл красивый 20-дневный цикл. Проблема в том, что первые два года он мог быть очень сильным. Следующие два - слабым. А последний год его вообще не существовало. Обычный Fourier Transform усреднит всё это и всё равно покажет тебе частоту. И вот ты уже смотришь на красивый peak, которого в текущем рынке больше нет. Поэтому интереснее смотреть не только: какие частоты существуют? но и: когда они существуют? Здесь появляются rolling windows, Short-Time Fourier Transform и другие методы, позволяющие наблюдать, как спектр меняется во времени. По сути мы переходим от поиска: «есть ли у рынка цикл?» к вопросу: «в каком режиме этот цикл появляется и когда начинает исчезать?» А это уже гораздо интереснее. Потому что рынок не stationary. У него меняются участники. Ликвидность. Volatility. Монетарный режим. Микроструктура. Поведение алгоритмов. Поэтому постоянного «секретного цикла BTC на 37 дней» скорее всего не существует. И если кто-то нашёл его на исторических данных - это ещё ничего не значит. Даже статистически значимый цикл может оказаться абсолютно бесполезным после fees, slippage и ошибок timing. А ещё Fourier ничего не говорит о причинности. Он может показать что повторяется. Но не объяснит почему. И именно здесь проходит граница между красивой математикой и настоящим research. Самое интересное в quantitative trading вообще редко начинается с ответа. Обычно оно начинается с момента, когда ты находишь странность в данных и задаёшь следующий вопрос: это действительно структура рынка - или я просто очень красиво описал шум? 3.3K·Aug 29

Quant использует технологии из будущего, чтобы отвечать на вопросы из прошлого. Звучит странно, учитывая, что quantitative trading - одна из самых технологичных индустрий в мире. Наносекунды. FPGA. Microwave networks. Альтернативные данные. ML-модели, которые пытаются достать сигнал из шума, где signal-to-noise практически равен нулю. Jane Street, Citadel, Renaissance годами строят инфраструктуру, которой позавидуют многие технологические компании. Но при всём этом фундаментальный вопрос практически не изменился: что произойдёт с ценой дальше? Берём историю. Цены, объёмы, факторы, volatility, positioning, correlations. И пытаемся найти функцию: past → future. Проблема в том, что рынок - не физический объект, который просто существует независимо от наблюдателя. Рынок состоит из участников. А участники думают. Адаптируются. Копируют друг друга. Меняют поведение. И самое главное - реагируют на действия других участников. Нашёл alpha? Начал его торговать. На него пришёл капитал. Рынок адаптировался. Alpha исчез. Это и есть один из фундаментальных потолков quantitative trading. Можно построить модель быстрее. Добавить больше данных. Нанять ещё 50 PhD. Обучить neural network в десять раз больше. Но ты всё ещё пытаешься предсказать траекторию системы, которая меняется из-за самого факта твоего участия в ней. Поэтому следующий шаг в quant, возможно, вообще не будет связан с поиском лучшего alpha. Вместо вопроса: «куда завтра пойдёт NVDA?» можно задать совершенно другой: «какой рынок возникнет, если скорость распространения информации увеличится в 100 раз?» Что произойдёт, если каждый участник получит собственного AI-агента? Как изменится price discovery? Какие стратегии исчезнут? Какие новые equilibria появятся? А что произойдёт, если изменить сами правила торгов? Это уже не time-series forecasting. Это попытка построить цифрового двойника рынка. Внутри которого существуют разные участники: фонды, market makers, retail, банки, алгоритмы, центральные банки, AI-агенты. У каждого свои incentives, ограничения, информация и модель мира. Дальше ты не предсказываешь следующую свечу. Ты запускаешь систему и смотришь, какие рынки она сама создаёт. Разница примерно как между прогнозом погоды и климатической моделью. Или между анализом миллионов сыгранных партий в шахматы и AlphaZero, который может сыграть миллионы новых партий сам. Тогда появляется интересная эволюция: prediction → simulation → planning → intervention. Сначала мы пытались предсказывать рынок. Потом научились симулировать отдельные его элементы. Следующий шаг - искать внутри симуляции возможные будущие состояния. А затем - действия, которые способны привести систему к одному из них. И вот здесь quant превращается уже во что-то другое. Не quantitative trading. А скорее Computational Market Intelligence. Game Theory. Agent-Based Modeling. Causal Inference. Complex Systems. Reinforcement Learning. Multi-Agent Systems. World Models. Всё соединяется вокруг одного вопроса: можем ли мы не просто предсказывать рынок, а вычислительно воспроизвести механизм, который его создаёт? Конечно, здесь появляется красивый парадокс. Если цифровая модель рынка станет достаточно хорошей и люди начнут использовать найденные внутри неё закономерности… реальный рынок изменится. И модель снова станет неправильной. Goodhart. Lucas Critique. Reflexivity. Рынок постоянно убегает от собственной модели. Возможно, именно поэтому следующий большой прорыв в quant будет не в модели, которая лучше всех предсказывает цену. А в модели, которая понимает, почему эта цена вообще появилась. 5.2K·Aug 19

как там на заводе дела 4.6K·Aug 17

Жизнь - это не про одно большое решение. Это про тысячи маленьких. Один день в зале ничего не меняет. Один пост не строит аудиторию. Одна инвестиция не делает тебя богатым. Но повтори это 500 раз - и ты уже другой человек. Это и есть compounding. Он работает не только в деньгах, но и в навыках, связях и репутации. И, к сожалению, в плохих привычках тоже. Поэтому жизнь лучше воспринимать как портфель решений. Тебе не нужно угадывать “правильный ход”. Нужно просто чаще делать ставки с положительным ожиданием. Большинство попыток ничего не дадут. Но некоторые - дадут непропорционально большой результат. И ещё важнее - opportunity cost. Каждое “да” чему-то - это “нет” чему-то другому. Время - единственный актив, который нельзя реинвестировать. И последнее: всегда смотри на incentives. Не только что человек говорит, а что он получает, если ты ему поверишь. В итоге никто не знает, какое решение сработает. И не нужно. Достаточно системно делать выборы, которые чуть-чуть увеличивают шанс оказаться там, где ты хочешь быть. А дальше - просто не мешать сложному проценту делать свою работу. 5.2K·Aug 16

An open web layer over public Telegram — search, stats and channel reading right in your browser, no account, no install.

Not affiliated with Telegram FZ-LLC; all data comes from public sources.

Catalog

Top channels Categories Countries Search

Content

Stickers Emoji Gifts Themes Wallpapers

Help

Tools Wiki Glossary Blockchain Safety Premium Advertisers Advertising

© 2026 TG.ME · G.Media network· Updated 08/31/2026 · v0.2.0 · cf67328

Privacy Terms DMCA & complaints Report a violation

Similar channels

Dova Lazarus6.4K subscribers

cryptomannn37.7K subscribers

Cryptomannn | Academy12.3K subscribers

KostyaKudo50.1K subscribers

not a cunt1.3K subscribers

Atticus6.5K subscribers

MIRROR REFLECTION7.5K subscribers

Dshwchk | Fx Trading18.6K subscribers