المجموعات/4 أجزاء/46 دقيقة إجمالًا

Deep Learning for Markets

Neural forecasting for crypto - transformers, diffusion models, and foundation models, and how conformal prediction keeps their uncertainty honest.

01

محولات الدمج الزمني للتنبؤ متعدد الآفاق بالمحافظ الاستثمارية

كيف يضفي محول الدمج الزمني من Google قابلية التفسير على التنبؤ متعدد الآفاق في إدارة المحافظ الكمية، عبر اختيار المتغيرات المعتمد على الانتباه، ومخرجات الكميات، وخط أنابيب عملي مبني على pytorch-forecasting.

02

نماذج الانتشار ضد فوضى العملات المشفرة: لماذا يمكن لـ DDPM التنبؤ بانهيارات البيتكوين أفضل من منجّمك

كيف تُحدث نماذج الانتشار ثورة في التنبؤ بالعملات المشفرة، وتتغلب على فوضى التقلبات، وتخلق فرصاً جديدة للتداول الخوارزمي.

03

Kronos: نموذج أساسي يعلّم الشموع اليابانية التحدث بلغة المحول

مراجعة Kronos - نموذج أساسي للتنبؤ بشموع OHLCV. مُرمّز BSQ، فك تشفير هرمي، أخذ عينات على مرحلتين.

04

التنبؤ المطابق (Conformal Prediction) لتحديد حجم المراكز الواعي بالمخاطر

فترات تنبؤ خالية من الافتراضات التوزيعية مع ضمان تغطية مؤكد. نستخدم التنبؤ المطابق المقسّم (split conformal) و jackknife+ والاستدلال المطابق التكيفي لمعايرة مخاطر التداول وتحديد حجم المراكز دون افتراضات بارامترية.