AI savdosi, bozor tahlili va DeFi kelajagi haqida chuqur tahlillar.
Browse collections →Nothing found. Try a different query.
Moliyaviy vaqt seriyalari uchun yadro dizayni - onaning pürüzlülüğü, mahalliy davriy tarkibi, spektral aralashmalar - va hech qanday tekshirish to'plamiga muhtoj bo'lmagan tartibga soluvchi sifatida chekli ehtimollik. Bundan tashqari, biron bir sotilishidan oldin o'lchanishi kerak bo'lgan narsalarning halol ro'yxati.
Operatorni o'rganish nuqtalarni emas, balki butun funktsiya bo'shliqlarini xaritalaydi - Furye Neyron Operatori chastotalar bo'shlig'ida PDE yechim operatorini qanday parametrlashtirgani, opsion narxlari uchun nimani sotib olishi va uning da'volaridan qaysi biri hali ham haqiqiy uskunada o'lchashga muhtoj.
Flash Attention 23 400 bosqichli savdo kontekstini hisoblash uchun bepul qiladi — plitka qo‘yish, onlayn softmax va IO chegarasi N^2 d^2/M. Bu uzoqroq kontekst modelni yaxshiroq qiladimi yoki yo‘qmi, bu alohida savol va uni tasdiqlash emas, o‘lchash kerak.
Savdo ansambllari haqida uchta narsa bu blogda yoritilmagan: nega modellar soni emas, kovariatsiya atamasi ansambl xatosida ustunlik qiladi, stacking oʻta meta-xususiyatlarga ega boʻlgan signal-kombinatsiya qatlami sifatida qanday ishlaydi va koʻplab signallar boʻylab aylanma tarmogʻi amalda bajarish narxini pasaytiradimi yoki yoʻqmi.
Bu blogdagi barcha modellar hozirgacha 'nimani nimani bashorat qiladi?' savolini javob beradi. Double ML 'nimaga nima sabab bo'ladi?' savolini javob beradi — himoya qila oladigan standart xato bilan. Qisman chiziqli model, Neyman ortogonaliteti, order book ma'lumotlarida tozalandirilgan cross-fitting va haqiqiy DML ishonch oralig'i faqat bitta oldindan belgilangan savolga nisbatan omon qolishiga oid sharhli hisobot.
Ushbu blogdagi har bir backtest shartli o'rtacha qiymatni baholaydi. Kausal o'rmonlar buning o'rniga shartli davolash effektini baholaydi — tau(x) o'rniga mu(x) — vijdlan bo'linish, moslashuvchan yadro og'irliklari va topgan heterogennilik haqiqiymi yoki yo'qmi aytadigan kalibrlash testi bilan.
Ushbu blogdagi har bir pozitsiya o'lcham qoida noaniqlikni bitta skalerga qisqartiradi. MC Dropout va chuqur ansambllar uni modelning bilmasligi va bozor shovqini sifatida ajratadi — va bu ikki turi turli pozitsiya o'lchamlarini nazarda tutadi.