ça fait quelques jours que je suis sur AlphaSense dans @OpenGradient et ce qui se distingue vraiment, c'est à quel point chaque flux de travail individuel est étroit par conception....
voici le mécanisme. ce n'est pas un générateur de signaux général. la volatilité AlphaSense fournit des prévisions continues pour la gestion des risques et l'échelonnement des frais. priceforecast exécute des modèles de séries chronologiques pour des prédictions de retour au comptant. sybil AlphaSense signale des motifs de portefeuille suspects. markowitz AlphaSense gère l'optimisation de portefeuille moyenne-variance. quatre outils séparés et étroits au lieu d'un modèle universel....
outils étroits. résultats vérifiables....
ce que je pense qui est souvent négligé, c'est pourquoi l'étroitesse est importante ici. un modèle essayant de tout faire est plus difficile à vérifier, plus difficile à auditer, plus difficile à faire confiance quand quelque chose tourne mal. quatre petites pièces vérifiables battent une grande pièce non vérifiable....
j'aime vraiment que le design résiste à l'envie de regrouper tout dans une seule "boîte noire de signaux AI". la spécificité ici n'est pas une limitation, c'est tout le but....
même si je ne prétendrai pas qu'un champ étroit signifie pas de risque. un modèle de volatilité mal calibré est toujours mal calibré même avec une attestation TEE prouvant qu'il a bien fonctionné....
j'ai utilisé un modèle de risque en boîte noire une fois que personne dans l'équipe n'a pu réellement expliquer quand cela comptait le plus.
ce que je ne peux toujours pas résoudre, c'est si ces quatre flux de travail AlphaSense peuvent être composés ensemble pour une seule décision, ou si chacun est censé être consommé indépendamment??
$OPG
#OPG
voici le mécanisme. ce n'est pas un générateur de signaux général. la volatilité AlphaSense fournit des prévisions continues pour la gestion des risques et l'échelonnement des frais. priceforecast exécute des modèles de séries chronologiques pour des prédictions de retour au comptant. sybil AlphaSense signale des motifs de portefeuille suspects. markowitz AlphaSense gère l'optimisation de portefeuille moyenne-variance. quatre outils séparés et étroits au lieu d'un modèle universel....
outils étroits. résultats vérifiables....
ce que je pense qui est souvent négligé, c'est pourquoi l'étroitesse est importante ici. un modèle essayant de tout faire est plus difficile à vérifier, plus difficile à auditer, plus difficile à faire confiance quand quelque chose tourne mal. quatre petites pièces vérifiables battent une grande pièce non vérifiable....
j'aime vraiment que le design résiste à l'envie de regrouper tout dans une seule "boîte noire de signaux AI". la spécificité ici n'est pas une limitation, c'est tout le but....
même si je ne prétendrai pas qu'un champ étroit signifie pas de risque. un modèle de volatilité mal calibré est toujours mal calibré même avec une attestation TEE prouvant qu'il a bien fonctionné....
j'ai utilisé un modèle de risque en boîte noire une fois que personne dans l'équipe n'a pu réellement expliquer quand cela comptait le plus.
ce que je ne peux toujours pas résoudre, c'est si ces quatre flux de travail AlphaSense peuvent être composés ensemble pour une seule décision, ou si chacun est censé être consommé indépendamment??
$OPG
#OPG