I ran 27,068 high-precision quadratic quantile regressions on Bitcoin price data from the last 5 years.
It took 11 hours of continuous compute time.
What does this analysis reveal—and why does it matter?
This chart breaks down how consistent each quantile has been over time by 

Twitter

Tôi đã chạy 27.068 hồi quy phân vị bậc hai độ chính xác cao trên dữ liệu giá Bit từ 5 năm qua.
Việc này mất 11 giờ thời gian tính toán liên tục.
Phân tích này tiết lộ điều gì - và tại sao nó lại quan trọng?
Biểu đồ này phân tích mức độ nhất quán của từng phân vị theo thời gian bằng

Ngày 18/12, tại hội nghị quan trọng do Thủ tướng Chính phủ chủ trì, ông Phan Đức Trung, Chủ tịch Hiệp hội Blockchain Việt Nam, đã có báo cáo trực tiếp về việc triển khai Mạng Blockchain Việt Nam (Viet...

VNeID bắt đầu tích hợp công nghệ blockchain

Bài viết gốc | Odaily Planet Daily (@OdailyChina)
Tác giả | Asher (@Asher_0210)
Vào ngày 17 tháng 12, dingaling, người sáng lập nền tảng thị trường dự đoán predict.fun, đã thông báo trên nền tảng X rằng nền tảng này đã chính thức mở cửa và airdrop điểm thưởng ban đầu cho các nhà giao dịch Meme trên chuỗi BNB, những người tham gia Aster và người dùng tích cực của nhiều thị trường dự đoán khác nhau.
So với các công ty dự báo thị trường truyền thống như Polymarket và Kalshi...

Hướng dẫn từng bước tham gia sự kiện do CZ hỗ trợ predict.fun

Ngân hàng Trung ương Nhật Bản (BOJ) vừa chính thức nâng lãi suất điều hành lên mức cao nhất trong vòng 30 năm, đánh dấu một bước ngoặt quan trọng trong chính sách tiền tệ của nền kinh tế lớn thứ ba th...

Nhật Bản tiếp tục tăng lãi suất lên mức cao nhất trong vòng 30 năm

This is one of four major analyses I am conducting to obtain the best possible baseline for modeling the upper quantiles.
I will use machine learning to model the decay function of the upper quantiles relative to that baseline.

Đây là một trong bốn phân tích chính mà tôi đang tiến hành để có được đường cơ sở tốt nhất có thể để mô hình hóa các phân vị trên.
Tôi sẽ sử dụng máy học để mô hình hóa hàm phân rã của các phân vị trên so với đường cơ sở đó.

I removed five years of data from the dataset, then incrementally added 10-day slices, running a quadratic quantile regression across all quantiles after each addition until the full dataset was restored.
I repeated the same procedure with 30-day and 90-day increments.

Tôi đã xóa năm năm dữ liệu khỏi tập dữ liệu, sau đó tăng dần các lát cắt 10 ngày, chạy hồi quy phân vị bậc hai trên tất cả các phân vị sau mỗi lần thêm cho đến khi toàn bộ tập dữ liệu được khôi phục.
Tôi lặp lại quy trình tương tự với các gia số 30 ngày và 90 ngày.

Notice how the 97 to 99.9 quantiles curve (decay function) is pretty stable.
Once we identify the ideal decay function, this quantile range can be modelled pretty reliably.

Hãy để ý đường cong phân vị từ 97 đến 99,9 (hàm suy giảm) khá ổn định.

Một khi chúng ta xác định được hàm suy giảm lý tưởng, phạm vi phân vị này có thể được mô hình hóa khá đáng tin cậy.

All this analysis was done with hourly data since July 17, 2010—130,000 data points—removing up to 5 years and then adding them back in 10-day, 30-day, or 90-day increments.

Toàn bộ phân tích này được thực hiện với dữ liệu theo giờ kể từ ngày 17 tháng 7 năm 2010—130.000 điểm dữ liệu—loại bỏ tối đa 5 năm và sau đó thêm chúng trở lại theo từng khoảng thời gian 10 ngày, 30 ngày hoặc 90 ngày.

In essence, these tests identify the quantile whose curve is flattest (i.e., exhibits essentially zero curvature) and has remained reliably flat over the past five years.
Next, we run a linear quantile regression at that quantile and assess both the stability of the slope and

Về bản chất, các bài kiểm tra này xác định phân vị có đường cong phẳng nhất (tức là có độ cong gần như bằng không) và đã duy trì độ phẳng ổn định trong năm năm qua.
Tiếp theo, chúng ta chạy hồi quy phân vị tuyến tính tại phân vị đó và đánh giá cả tính ổn định của độ dốc và