ブログ

財務時系列のカーネル設計 - マザーン粗さ、局所的な周期的組成、スペクトル混合 - および検証セットを必要としない正則化器としての周辺尤度。さらに、取引可能になる前にまだ測定する必要があるものの正直なリストも含まれています。

演算子の学習は、点ではなく関数空間全体をマップします。フーリエニューラル演算子が周波数空間で偏微分方程式解演算子をどのようにパラメータ化するか、オプション価格設定のために何を購入するか、実際のハードウェアでの測定がまだ必要なクレームはどれかを示します。

Flash アテンションは、タイリング、オンライン ソフトマックス、N^2 d^2 / M の IO 境界など、23,400 ステップの取引コンテキストを計算的に自由にします。コンテキストが長くなるとモデルがより良くなるかどうかは別の問題であり、それは主張するのではなく測定する必要があります。

アンサンブル取引に関するこのブログで取り上げていない 3 つのこと: モデル数ではなく共分散項がアンサンブル誤差の大半を占める理由、フォールド外のメタ特徴を備えたシグナル組み合わせレイヤーとしてスタッキングがどのように機能するか、多くのシグナルにわたるターンオーバーネッティングが実際に実行コストを削減するかどうかです。

このブログのすべてのモデルはこれまで「何が何を予測するか」という問いに答えてきました。ダブルMLは「何が何を引き起こすか」に答えます — 捍衛できる標準误差付きで。部分的に線形なモデル、Neyman直交性、オーダーブックデータでのパージド交差検証、そして有効なDML信頼区間が事前に指定された1つの問いに対してのみ成立するという正直な説明。

このブログのすべてのバックテストは条件付き平均を推定します。因果フォレストは代わりに条件付き処置効果を推定します — tau(x)はmu(x)ではなく — honest splitting、適応型カーネル重み表現、およびあなたが見つけた不均一性が本物かどうかを伝える較正テスト付きです。

このブログのすべてのサイジングルールは不確実性を単一のスカラーとして扱ってきた。MCドロップアウトとディープアンサンブルはこれをモデルの無知と市場ノイズに分割する——そしてその2つには異なるポジションサイズが求められる。