estou a aprofundar-me no DBSCAN a seguir para o painel estatístico e também a armazenar instantâneas para uma árvore de decisão que é ativada após 5-6 horas de funcionamento (2-3 dias dar-me-ão dados estatisticamente mais relevantes para partilhar) o meu objetivo principal com isto é ser capaz de identificar comportamentos idiossincráticos e outliers em 545 tickers da Binance com um rápido olhar. O DBSCAN encontra grupos com base na densidade, ou seja, pontos que estão próximos uns dos outros tornam-se um cluster e pontos isolados são sinalizados como outliers. A principal diferença em relação ao k-means: o k-means força cada ativo a entrar num grupo, não importa o quê. O DBSCAN realmente segrega e separa melhor os outliers idiossincráticos neste formato. No painel atualmente, cada ativo estendido é descrito por 7 dimensões simultaneamente > quão estendido, quão longo/curto, velocidade, raridade, volume, correlação com o BTC e regime de volatilidade. É aqui que vou parar por agora. Estou a reunir alguns dados e irei partilhá-los no artigo em que estou a trabalhar.

Resumo: nas trincheiras das estatísticas