A trindade impossível da validação de séries temporais

q-fin.ST teve 7 papers. O destaque formaliza uma 'lei de conservação': na validação de séries temporais não é possível ter ao mesmo tempo treino com quase toda a amostra, teste cobrindo quase toda a amostra e respeito à ordem temporal. Isso explica por que esquemas de walk-forward e k-fold purgado sempre sacrificam algo, e dá linguagem para justificar escolhas a comitês de modelo. Outro trabalho testa se é possível 'apagar' um ano de dados de mercado de um modelo quando a licença expira, comparando machine unlearning com retreino exato — questão prática para contratos de dados de vendors. Há ainda decomposição de previsões cross-section em componente alinhado ao alvo comum, redução de ruído em séries de alta dimensão, renda estimada via aprendizado federado para crédito digital e o árbitro sequencial de fatores.