Deep Learning for Markets
Neural forecasting for crypto - transformers, diffusion models, and foundation models, and how conformal prediction keeps their uncertainty honest.
Temporal Fusion Transformer per la previsione multi-orizzonte di portafoglio
Come il Temporal Fusion Transformer di Google porta una previsione multi-orizzonte interpretabile nella gestione quantitativa del portafoglio, con selezione delle variabili basata sull'attenzione, output a quantili e una pipeline pratica con pytorch-forecasting.
Modelli di Diffusione vs Anarchia delle Criptovalute: Perché DDPM Può Prevedere i Crash di Bitcoin Meglio del Tuo Astrologo
Come i modelli di diffusione stanno rivoluzionando le previsioni sulle criptovalute, superando il caos della volatilità e creando nuove opportunità per il trading algoritmico.
Kronos: Un Modello Fondamentale che Insegna ai Grafici Candlestick a Parlare il Linguaggio dei Transformer
Recensione di Kronos - un modello fondamentale per la previsione di candele OHLCV. Tokenizer BSQ, decoder gerarchico, campionamento a due fasi, pipeline di addestramento Qlib. Come un modello apprende il 'linguaggio' del mercato.
Conformal Prediction per il dimensionamento delle posizioni consapevole del rischio
Intervalli di previsione distribution-free con copertura garantita. Usiamo split conformal, jackknife+ e adaptive conformal inference per calibrare il rischio di trading e dimensionare le posizioni senza assunzioni parametriche.
