Transformer
Neuronale Netzarchitektur mit Self-Attention — Basis moderner LLMs.
Ein Transformer (Vaswani et al. 2017, „Attention is all you need") nutzt Self-Attention, um Beziehungen in Sequenzen zu modellieren. Heute Basis von GPT, BERT, Claude, Gemini etc.
Im Trading: Volatilitätsprognose, Sentiment-Klassifikation aus Nachrichten, Multi-Asset-Vorhersagen, generative Modelle für synthetische Marktdaten. Stärke: globale Kontextbeziehungen, parallelisierbar. Schwäche: datenhungrig, anfällig für Overfitting, schwer zu interpretieren. Foundation-Model-Ansätze (z. B. Salesforce Lag-Llama) sind die nächste Welle.
Sie wollen das Konzept in der Praxis sehen?
Zu den interaktiven Tools