microprediction/microprediction

解决的问题

此仓库作为定量金融、时间序列分析和统计预测工具的中心枢纽。解决了对快速、可靠且通常为增量式（在线）方法在分布预测、协方差估计和投资组合优化方面的需求。

工作原理

该项目由一系列独立、经过充分测试的软件包和研究项目组成，包括：

• Skaters：用于在线单变量时间序列分布预测的工具。
• Precise：可处理高维和变量变化的增量协方差与相关性估计器。
• Thurstone：使用快速能力变换计算多参赛者竞赛概率和逆校准的包。
• Humpday：纯 Python 和 JavaScript 实现的无导数（黑箱）优化方法集合。
• Allocation：在线投资组合方法，包括新颖的舒尔（Schur）和瑟斯顿（Thurstone）方法。

适用人群

从事定量金融、体育分析和时间序列预测的量化分析师、应用数学家及开发者。

主要亮点

• 零依赖包：多个工具设计为可在 Pyodide 中运行，或作为纯 JavaScript 版本，具有高度可移植性。
• 在线学习：重点在于随着新数据到达而更新的增量估计和预测方法。
• 业界领先性能：在单变量时间序列分布预测方面宣称达到业界领先水平的可靠性。
• 黑箱优化：提供一个集中的、全面的无导数优化方法集合。