sto approfondendo DBSCAN per il dashboard statistico e anche memorizzando istantanee per un albero decisionale che si attiva dopo 5-6 ore di funzionamento (2-3 giorni mi daranno dati statisticamente più rilevanti da condividere) il mio obiettivo principale con questo è essere in grado di identificare comportamenti idiosincratici e outlier attraverso 545 ticker di Binance con un colpo d'occhio. DBSCAN trova gruppi basati sulla densità, cioè i punti che sono vicini tra loro diventano un cluster e i punti isolati vengono contrassegnati come outlier. La principale differenza rispetto a k-means: k-means costringe ogni asset in un gruppo a prescindere da tutto. DBSCAN in realtà segregano e analizzano meglio gli outlier idiosincratici in questo formato. Nel dashboard attualmente, ogni asset esteso è descritto da 7 dimensioni simultaneamente > quanto esteso, quanto lungo/corto, velocità, rarità, volume, correlazione con BTC e regime di volatilità. Qui mi fermerò per ora. Sto raccogliendo alcuni dati e li condividerò nell'articolo su cui sto lavorando.

TLDR: nelle trincee delle statistiche