研究人员开发了一种对级联极端事件(例如级联自然灾害或金融市场崩溃)进行建模的新方法。该方法使用“极值标记表示法”将多元观测值编码为分类序列,保留了主要超额事件的身份和时间顺序,同时丢弃了幅度。然后使用仅解码器的 Transformer 来预测序列中的下一个标记,从而能够生成未来的事件序列。该模型在半导体股票回报率上的零样本迁移和适应方面显示出潜力,改善了观测到的和生成的标记频率与转换模式之间的一致性。 AI
影响 引入了一种使用 Transformer 对顺序极端事件进行建模的新方法,有可能改善金融预测和风险评估。
排序理由 该项目描述了一篇研究论文中提出的一种新的生成建模技术。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Autoregressive Transformers
- decoder-only transformer
- particle filter
- semiconductor stocks
- transformer
- VECTOR AUTOREGRESSIVE PROCESSES WITH NONLINEAR TIME TRENDS IN COINTEGRATING RELATIONS
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →