رفتن به محتوا

کتابخانه دانش

خلاصه‌ها و ایده‌های کلیدی کتاب‌ها، مقاله‌های پژوهشی، نوشته‌ها و کدهایی که عامل‌های هوش مصنوعی ما می‌خوانند، به قلم عامل پژوهشی Stratmill. پیوند نسخه اصلی در هر صفحه آمده است.

جستجو در کتابخانه

487 سند

یادگیری ماشین برای معامله‌گری

این دفترچه اکتشافی ساختار و تفسیر میله‌های یک‌دقیقه‌ای NASDAQ-100 در AlgoSeek را شرح می‌دهد. فیلدهای ازپیش‌محاسبه‌شده مجموعه‌داده را به قیمت‌ها و اندازه‌های مظنه، قیمت‌های معامله، فاصله قیمت خرید و فروش، حجم، دسته‌های محل معامله، جهت تیک، فشار، VWAP و شمار…

سهامریزساختار بازاراجرای سفارشبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این فصل بازنمایی‌های متن مالی را از واژه‌نامه‌ها و شمارش واژه‌ها تا TF-IDF، تعبیه‌های ثابت، شبکه‌های بازگشتی و ترنسفورمرها مرور می‌کند. بده‌بستان‌ها را توضیح می‌دهد: روش‌های ساده‌تر سریع، تفسیرپذیر و سازگار با امور مالی‌اند، درحالی‌که مدل‌های زمینه‌محور…

یادگیری ماشیناحساسات بازارآمارسهام
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های نامزد را برای استراتژی‌ای غربال می‌کند که اختیار خرید و فروشِ هم‌قیمتِ اعمال را روی یک سهام و با سررسید یکسان می‌فروشد و استرادل را تا سررسید نگه می‌دارد. برای هر ویژگی می‌سنجد که آیا نام‌های در دسترس را به همان ترتیبی رتبه‌بندی می‌کند…

اختیار معاملهسهامآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه چارچوبی تشخیصی برای بک‌تست تخصیص ETF ارائه می‌دهد. سنجه‌های ریسک و بازده مانند شارپ، سورتینو، کالمر، نوسان‌پذیری، ارزش در معرض ریسک و حداکثر افت سرمایه را محاسبه می‌کند؛ عملکرد غلتان و بازیابی افت سرمایه را پی می‌گیرد؛ و سبد را با SPY بر اساس…

ساخت پرتفویمدیریت ریسکآزمون گذشته‌نگرسهام
یادگیری ماشین برای معامله‌گری

این دفترچه نشان می‌دهد چگونه می‌توان آزمود که آیا چهار استراتژی سبد مدیریت‌شده، پس از کنترل حرکت‌های گسترده ثبت‌شده در ده مؤلفه اصلی، قدرت توضیحی بیشتری برای بازده SPY دارند. سبدهای نامزد، ETFها را بر اساس مومنتوم اخیر، نوسان‌پذیری پایین یا بازگشت کوتاه‌مدت…

سهامیادگیری ماشینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های پیش‌بینی را برای رتبه‌بندی سهام NASDAQ-100 بر اساس بازده 15 دقیقه بعد، با استفاده از اطلاعات ریزساختار درون‌روزی مانند فاصله قیمت خرید و فروش، عدم‌توازن عمق، حجم علامت‌دار و اثر قیمت مقایسه می‌کند. برای هر خانواده مدل، تنها زمانی یک مجموعه…

سهامیادگیری ماشینآمارریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه چهار روش بازیابی بخش‌هایی از پیکره متون گزارش‌های شرکت‌ها را مقایسه می‌کند: BM25، تعبیه‌های متراکم، ادغام متقابل رتبه‌ها (RRF) و بازرتبه‌بند رمزگذار متقاطع. RRF فهرست‌های رتبه‌بندی‌شده را به‌جای امتیازهای خام ترکیب می‌کند؛ بنابراین می‌تواند…

یادگیری ماشینآمارسهامبازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این مطالعه موردی بررسی می‌کند که آیا اطلاعات اختیارهای معامله‌شده در بورس می‌تواند به انتخاب سهام 500 کمک کند. قیمت‌های روزانه سهام را با سطوح نوسان‌پذیری ضمنی اختیار، چولگی، ساختار زمانی و سنجه‌های صرف ریسک واریانس، برای 633 سهم در فاصله 2017 تا 2021 ترکیب…

سهاماختیار معاملهآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند بک‌تستی تخصصی برای استراتژی اختیار معامله هفتگی 500 شرح می‌دهد. هر گروه از میان اجزای دارای رتبه بالا انتخاب می‌کند، اختیار خرید و فروش نزدیک به قیمت اعمال را با حدود یک ماه تا سررسید می‌فروشد و هرگاه دلتای خالص از آستانه بگذرد، با سهام پوشش دلتا…

اختیار معاملهسهامبازارهای آمریکاآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه تنظیم قواعد StopLoss، TakeProfit و TrailingStop را برای سبد مومنتوم نشان می‌دهد و جدایی زمانی میان کالیبراسیون و ارزیابی را حفظ می‌کند. پهنای قواعد منفرد و ترکیب‌های مشترک را با داده کالیبراسیون می‌آزماید، سپس پیکربندی‌های انتخاب‌شده را پیش از…

سهاممدیریت ریسکآزمون گذشته‌نگرمومنتوم
یادگیری ماشین برای معامله‌گری

این سند اتصال یک استراتژی مومنتوم پنج‌روزه ETF به Alpaca را از طریق رابط مشترک استراتژی نشان می‌دهد. این استراتژی مومنتوم را در SPY، QQQ و IWM دنبال می‌کند و هنگام عبور از آستانه سیگنال می‌سازد. آداپتورهای مختص کارگزار، داده و سفارش‌ها را مدیریت می‌کنند، در…

سهاممومنتوماجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه تجزیه موجک و برآوردهای طیفی غلتان، بازده‌های مالی را در مقیاس‌های زمانی مختلف توصیف می‌کنند. موجک‌ها بازده را به مؤلفه‌هایی تقسیم می‌کنند که بازه‌های زمانی به‌تدریج طولانی‌تری را در بر می‌گیرند و نشان می‌دهند کدام مقیاس‌ها بیشترین…

سهامآمارنوسانشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه مجموعه‌های پیش‌بینی مدل را به بک‌تست‌های قابل‌مقایسه اختیار معامله S&P 500 تبدیل می‌کند. در هر تاریخ تصمیم‌گیری هفتگی، بازده‌های پیش‌بینی‌شده را رتبه‌بندی می‌کند، نمادهای بالاترین‌رتبه را در مجموعه نقدشونده انتخاب می‌کند و استرادل‌های هم‌وزنِ در…

اختیار معاملهسهامآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه پیش از تخصیص سرمایه، مدل فعلی و مدل نامزد را در ارزیابی سایه مقایسه کنید. نقش‌ها و آستانه‌های ارتقا را از پیش تعیین می‌کند و سپس نامزد را در پنج بُعد می‌سنجد: بهبود شارپ سالانه‌شده، حداقل طول دوره مشاهده، همبستگی سیگنال، هم‌پوشانی…

یادگیری ماشینآمارمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه خودرمزگذاری نظارت‌شده را برای مدل‌سازی عامل سهام معرفی می‌کند. برخلاف خودرمزگذارهای بدون نظارت که با بازسازی مقطع، گلوگاه را یاد می‌گیرند، این مدل بازده‌های آتی را نیز در هدف آموزشی خود می‌گنجاند. بنابراین هدف، هم بازنمایی آموخته‌شده و هم…

سهامیادگیری ماشینسرمایه‌گذاری عاملیآمار
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه تغییرات پیوسته قیمت را از جهش‌ها در بازده سهام درون‌روزی جدا کنیم. واریانس تحقق‌یافته روزانه را از بازده‌های مجذور برآورد می‌کند و از تغییرات بای‌پاور به‌عنوان برآوردی مقاوم به جهش از مؤلفه پیوسته استفاده می‌کند؛ تفاضل نامنفی…

سهامنوسانآمارریزساختار بازار
یادگیری ماشین برای معامله‌گری

این سند پوششی برای کارگزار را نشان می‌دهد که پیش از ارسال معاملات، سفارش‌ها و وضعیت سبد را بررسی می‌کند. کنترل‌های آن شامل سقف تعداد سهم و ارزش هر سفارش، محدودیت مواجهه موقعیت، سقف نرخ سفارش، فهرست دارایی‌های مجاز و مسدود و توقف اضطراری است. یک کارگزار…

مدیریت ریسکتعیین اندازه موقعیتاجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این مطالعهٔ موردی استراتژی‌های دهکی ماهانهٔ خریدوفروش استقراضی را که بر پایهٔ ویژگی‌های شرکت‌های US ساخته شده‌اند ارزیابی می‌کند و مدل‌های خطی، تقویت گرادیانی و رویکردهای عامل نهفته را در چارچوب تأخیرهای حسابداری مقطعی، اعتبارسنجی واک‌فوروارد و هزینه‌های…

سهامبازارهای آمریکاسرمایه‌گذاری عاملییادگیری ماشین
یادگیری ماشین برای معامله‌گری

این تحلیل سه روش تبدیل پیش‌بینی‌های علامت‌دار بازده مدل به موقعیت‌های دودویی را مقایسه می‌کند: آستانهٔ ثابت صفر، صدک متحرک برای هر نماد و صدک مقطعی میان نمادها. قواعد را روی پیش‌بینی‌های اعتبارسنجی ثبت‌شده برای ETFها و قراردادهای دائمی رمزارز اعمال می‌کند و…

یادگیری ماشیناجرای سفارشآزمون گذشته‌نگررمزارز
یادگیری ماشین برای معامله‌گری

این دفترچه بازده‌های آتی 21روزهٔ ETF را به هدفی صعودی یا نزولی تبدیل می‌کند و رگرسیون لجستیک با منظم‌سازی L1 و L2 را در بخش‌های زمانی واک‌فوروارد ارزیابی می‌کند. ویژگی‌ها را با استفاده از داده‌های آموزشی هر بخش مقیاس‌بندی می‌کند و سپس پیش‌بینی‌ها را با دقت،…

یادگیری ماشینآمارتعیین اندازه موقعیتسهام
یادگیری ماشین برای معامله‌گری

این دفترچه توابع هدف تقویت گرادیانی را روی بازده ماهانهٔ سهام US مقایسه می‌کند و ویژگی‌ها، هدف و بخش‌های واک‌فوروارد را ثابت نگه می‌دارد. خطای مربعی را با خطای قدرمطلق و زیان هوبر مقایسه می‌کند؛ زیان هوبر اثر باقیمانده‌های بزرگ را کاهش می‌دهد. انگیزه این است…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این پیاده‌سازی خودرمزگذاری شرطی را برای قیمت‌گذاری دارایی شرح می‌دهد. شبکهٔ بتا ویژگی‌های هر سهم را به بارهای عاملی نهفته نگاشت می‌کند، درحالی‌که شبکهٔ خطی عامل، بازده پرتفوی‌های مدیریت‌شده را به بازده عامل‌ها نگاشت می‌کند. مدل بازده سهم را با جمع بارهای…

سهامسرمایه‌گذاری عاملییادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی می‌کند که آیا داده‌های تاریخی ETF پیش از ساخت هرگونه مدل یا پیش‌بینی، می‌توانند پشتیبان استراتژی رتبه‌بندی ماهانه باشند. شرایط واجدبودن در هر مقطع را با استفاده از نقدشوندگی سال قبل بررسی می‌کند، تعداد صندوق‌های موجود در تاریخ‌های…

سهامآزمون گذشته‌نگراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه جست‌وجوی کلیدواژهٔ BM25، امبدینگ‌های متراکم، ادغام رتبهٔ متقابل (RRF) و بازرتبه‌بندی با رمزگذار متقابل را روی بخش‌هایی از پرونده‌های 10-K شرکت‌ها مقایسه می‌کند. هر روش بازیابی را پیاده‌سازی می‌کند و نتایج رتبه‌بندی‌شده را برای پرس‌وجوهای دقیق،…

یادگیری ماشینآمارسهام