microprediction/microprediction

解決的問題

此儲存庫作為定量金融、時間序列分析與統計預測工具的中央枢纽。解決了對快速、可靠且通常為增量式（線上）方法在分布預測、共變異數估計與投資組合最佳化方面的需要。

工作原理

本專案由一系列獨立且經過充分測試的套件與研究專案組成，包含：

• Skaters：用於線上單變量時間序列分布預測的工具。
• Precise：可處理高維度與變動變數的增量共變異數與相關性估計器。
• Thurstone：使用快速能力轉換計算多參賽者競賽機率與逆校準的套件。
• Humpday：以純 Python 與 JavaScript 實作的無導數（黑箱）最佳化方法集合。
• Allocation：線上投資組合方法，包含新穎的舒爾（Schur）與瑟斯頓（Thurstone）方法。

適用對象

從事定量金融、體育分析與時間序列預測的量化分析師、應用數學家與開發者。

主要亮點

• 零相依套件：多個工具設計為可在 Pyodide 中執行，或作為純 JavaScript 版本，具有高度可移植性。
• 線上學習：強調隨著新資料到達而更新的增量估計與預測方法。
• 業界領先效能：宣稱在單變量時間序列分布預測方面達到業界領先的可靠性。
• 黑箱最佳化：提供一處整合的、全面的無導數最佳化方法集合。