Nossas publicações de pesquisa apresentam a filosofia de design por trás da família de produtos Arctan — como cada escolha arquitetônica responde aos desafios fundamentais da aplicação de aprendizado de máquina aos mercados financeiros.
O aprendizado de máquina em finanças quantitativas enfrenta três desafios estruturais: fatores demais, dados de menos — uma única linha do tempo histórica — e não-estacionariedade generalizada. Este paper explica por que esses desafios não podem ser eliminados, apenas gerenciados, e detalha as três respostas arquitetônicas da Arctan: variáveis curadas, condicionalidade de regime e monitoramento contínuo.
O trabalho também situa a abordagem da Arctan na história da inteligência artificial — como uma síntese neuro-simbólica que combina expertise de domínio codificada com aprendizado estatístico — e é explícito sobre o que o framework afirma e o que não afirma.
