CNN et Transformers temporels
Fenêtres dilatées et attention sur le passé.
Dilaté puis attentif
TCN : convolutions causales dilatées, passé long sans récurrence. Transformers temporels : attention masquée + covariables futures connues. Puissants en multi-séries riches, overkill en mono-série courte.
Condition
Historique long, exogènes propres, backtest strict. Sinon le boosting gagne plus vite et moins cher : prouvez le besoin de deep par l'écart, pas par la mode.
Pas de correction en ligneConfrontez votre code aux résultats attendus du cours.