← 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
    用于多时间跨度组合预测的时序融合 Transformer
    Jun 22, 2026 #deep-learning

    用于多时间跨度组合预测的时序融合 Transformer

    谷歌的时序融合 Transformer 如何为量化组合管理带来可解释的多时间跨度预测：基于注意力的变量选择、分位数输出，以及一条完整的 pytorch-forecasting 实战流程。
  2. 02
    扩散模型对抗加密货币无政府状态：为什么DDPM比你的占星师更能预测比特币崩盘
    Jul 29, 2025 #扩散模型

    扩散模型对抗加密货币无政府状态：为什么DDPM比你的占星师更能预测比特币崩盘

    扩散模型如何彻底改变加密货币预测，克服波动性混乱并为算法交易创造新机会。
  3. 03
    Kronos：让K线图说Transformer语言的基础模型
    Apr 19, 2026 #kronos

    Kronos：让K线图说Transformer语言的基础模型

    Kronos评测——OHLCV蜡烛图预测基础模型。BSQ分词器、层次化解码器、两阶段采样、Qlib训练管线。模型如何学习交易所的'语言'。
  4. 04
    用于风险感知仓位管理的保形预测
    Jun 12, 2026 #不确定性

    用于风险感知仓位管理的保形预测

    无分布假设、带有覆盖率保证的预测区间。我们使用 split conformal、jackknife+ 以及自适应保形推断来校准交易风险，并在不依赖参数化假设的情况下确定仓位规模。