Möt Léo Huu Dung NGUYEN, kvantitativ analytiker vid Qatar Investment Authority och en av de tio bästa i den 100 000 dollar @adia_lab Structural Break Challenge som anordnas på Crunch. Så här hanterade hans pipeline brottdetektering 👇

Uppgiften: Givet en tidsserie + en föreslagen gränspunkt, förutsäg om systemet verkligen ändrade beteende där, eller om det bara är brus.

Formuleringen: "före vs efter" Allt börjar med en fråga: Ser segmenten före och efter gränsen ut som om de kommer från samma process?

Vad jämförs Pipelinen kontrollerar om de två segmenten skiljer sig i: • genomsnittlig nivå (har baslinjen förändrats?) • volatilitet (hoppade spreaden?) • trend (ändrades riktning/lutning?) • form (syntes extrema/fettsvansar?) • mönster (ändrades "rytmen"?)

Gränsförst-tänkande Istället för att bara förlita sig på globala sammanfattningar zoomar den in på det lokala fönstret runt gränsen, där verkliga brytningar vanligtvis syns tydligast.

"Verklighetskontroller" inbakade En uppsättning statistiska kontroller hjälper till att bekräfta om före/efter-segmenten är meningsfullt olika (fungerar som skyddsräcken mot falsklarm)