新的UQ-LOB模块通过不确定性量化增强AI交易预测

研究人员开发了UQ-LOB，一个新颖的不确定性量化模块，旨在增强用于限价订单簿（LOB）中间价预测的深度学习模型。该模块附加到现有的LOB编码器上，并提供带有标量置信度分数的校准预测，从而可以根据预测的可靠性进行选择性预测。在七种加密货币资产的数十亿LOB事件上进行了测试，UQ-LOB证明了方向性准确性的提高，特别是在关注最自信的预测时，在5秒的时间范围内实现了高达0.88的方向性F1分数。 AI

影响 通过量化预测置信度来增强AI驱动的交易预测的可靠性。

排序理由 研究论文，详细介绍了一种用于AI预测中不确定性量化 的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Derrick Gilchrist
• Edward Manoharan
• Gotit.pub
• Hugging Face
• ScienceCast
• UQ-LOB

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →