Poznaj Léo Huu Dung NGUYEN, analityka ilościowego w Qatar Investment Authority, oraz jednego z 10 najlepszych uczestników w wyzwaniu $100k @adia_lab Structural Break Challenge organizowanym na Crunch. Oto jak jego pipeline poradził sobie z wykrywaniem przerw 👇

Zadanie: Mając szereg czasowy + proponowany punkt graniczny, przewidzieć, czy system rzeczywiście zmienił zachowanie w tym miejscu, czy to tylko szum.

Ramka: „przed vs po” Wszystko zaczyna się od jednego pytania: Czy segmenty przed i po granicy wyglądają, jakby pochodziły z tego samego procesu?

Co jest porównywane Pipeline sprawdza, czy dwa segmenty różnią się w: • średnim poziomie (czy linia bazowa się przesunęła?) • zmienności (czy spread skoczył?) • trendzie (czy kierunek/pochylenie się zmieniło?) • kształcie (czy pojawiły się ekstremalne wartości/grube ogony?) • wzorcach (czy „rytm” się zmienił?)

Myślenie z perspektywy granic Zamiast polegać tylko na globalnych podsumowaniach, skupia się na lokalnym oknie wokół granicy, gdzie prawdziwe przerwy zazwyczaj pojawiają się najczytelniej.

„Kontrole rzeczywistości” wbudowane Zestaw statystycznych kontroli pomaga potwierdzić, czy segmenty przed/po są znacząco różne (działając jak bariery przeciwko fałszywym alarmom)