← All Collections
🧠 4 parts

Deep Learning for Markets

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

  1. 01
    用於多時間跨度組合預測的時序融合 Transformer
    Jun 22, 2026 #deep-learning

    用於多時間跨度組合預測的時序融合 Transformer

    谷歌的時序融合 Transformer 如何為量化組合管理帶來可解釋的多時間跨度預測：基於注意力的變數選擇、分位數輸出，以及一條完整的 pytorch-forecasting 實戰流程。
  2. 02
    擴散模型對抗加密貨幣無政府狀態：為什麼DDPM比你的占星師更能預測比特幣崩盤
    Jul 29, 2025 #擴散模型

    擴散模型對抗加密貨幣無政府狀態：為什麼DDPM比你的占星師更能預測比特幣崩盤

    擴散模型如何徹底改變加密貨幣預測，克服波動性混亂併為演算法交易創造新機會。
  3. 03
    Kronos：讓K線圖說Transformer語言的基礎模型
    Apr 19, 2026 #kronos

    Kronos：讓K線圖說Transformer語言的基礎模型

    Kronos評測——OHLCV蠟燭圖預測基礎模型。BSQ分詞器、層次化解碼器、兩階段取樣、Qlib訓練管線。模型如何學習交易所的'語言'。
  4. 04
    用於風險感知倉位管理的保形預測
    Jun 12, 2026 #不確定性

    用於風險感知倉位管理的保形預測

    無分佈假設、帶有覆蓋率保證的預測區間。我們使用 split conformal、jackknife+ 以及自適應保形推斷來校準交易風險，並在不依賴參數化假設的情況下確定倉位規模。