Deep Learning for Markets
Neural forecasting for crypto - transformers, diffusion models, and foundation models, and how conformal prediction keeps their uncertainty honest.
01 
02 
03 
04 
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。
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。
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'。
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。