宏观分析框架如何影响加密货币市场？

Crypto市场的价值等同于注意力。

在进行大类因子合成前，需要进行因子正交化来消除共线性，本篇就三种正交方法进行展开。

本篇根据大类对因子的相关性进行检验，依据检验结果对因子做了舍弃或合成处理。

本篇将研究因子好坏的判断方法及因子对于收益率的预测能力。

数据表明未来存在潜在风险。

具体的数据预处理涉及重复值、异常值/缺失值/极端值、标准化和数据频率的处理。

挖掘和计算“因子”的最终目的是为了准确计算资产的预期收益率。

「团队在做事」真的会让币价在牛市涨得更多？在熊市更抗跌吗？

本文通过对BTC、稳定币、公链、AltCoin的多方位解读，探寻链上数据对二级市场投资的价值。

深度复盘牛市下的公链数据、爆发逻辑以及生态格局。

本文将对这一整轮牛市做一次完整地复盘，通过对海量数据的挖掘，发现市场规律，从历史中学习。