คอลเล็กชัน/4 ส่วน/167 นาทีทั้งหมด

Deep Learning for Markets

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

01

Temporal Fusion Transformer สำหรับการพยากรณ์พอร์ตการลงทุนแบบหลายช่วงเวลา

Temporal Fusion Transformer ของ Google นำการพยากรณ์แบบหลายช่วงเวลาที่ตีความได้มาสู่การจัดการพอร์ตการลงทุนเชิงปริมาณอย่างไร พร้อมการเลือกตัวแปรด้วยกลไก attention เอาต์พุตแบบควอนไทล์ และไปป์ไลน์ pytorch-forecasting ที่ลงมือทำจริง

02

Diffusion Models vs ความอนาธิปไตยของคริปโต: ทำไม DDPM ถึงทำนายการดิ่งของ Bitcoin ได้ดีกว่านักโหราศาสตร์ของคุณ

Diffusion models กำลังปฏิวัติการพยากรณ์คริปโตเคอร์เรนซีอย่างไร ด้วยการเอาชนะความโกลาหลของความผันผวนและสร้างโอกาสใหม่ในการเทรดแบบอัลกอริทึม

03

Kronos: โมเดล Foundation ที่สอนให้กราฟแท่งเทียนพูดภาษา Transformer

รีวิว Kronos - โมเดล Foundation สำหรับการพยากรณ์แท่งเทียน OHLCV. BSQ tokenizer, hierarchical decoder, two-stage sampling, Qlib training pipeline. ว่าโมเดลเรียนรู้ 'ภาษา' ของตลาดหุ้นได้อย่างไร

04

Conformal Prediction สำหรับการกำหนดขนาดสถานะแบบตระหนักความเสี่ยง

ช่วงการพยากรณ์แบบ distribution-free ที่มีการรับประกัน coverage เราใช้ split conformal, jackknife+ และ adaptive conformal inference เพื่อปรับเทียบความเสี่ยงในการเทรดและกำหนดขนาดสถานะโดยไม่ต้องตั้งสมมติฐานแบบพารามิเตอร์