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.
629 سند
این دفترچه DeePM را توصیف می‌کند؛ سیاستی سرتاسری برای سبد ETF که برای بهبود عملکرد در شرایط متغیر بازار طراحی شده است. اجزای آن شامل ویژگی‌های بازده و روند نرمال‌شده با نوسان، مدلی مبتنی بر LSTM، انتخاب متغیر، لایه‌های شرطی‌سازی و توجه میان‌دارایی محدودشده…
این مطالعه موردی برآورد علّی را برای مومنتوم ETF به‌کار می‌گیرد و می‌پرسد آیا اثر آن بر بازده‌های آتی با نوسان بازار تغییر می‌کند. در آن از مومنتوم پیوسته به‌عنوان متغیر مداخله، بازده آتی 21روزه به‌عنوان پیامد، کنترل‌های نوسان و منحنی بازده، و جنگل علّی برای…
این دفترچه، NLinear را به‌عنوان یک مدل پایه ساده برای پیش‌بینی بازده سهام US معرفی می‌کند. هر نمونه از پنجره‌ای شامل 60 جلسه پیاپی برای یک سهم استفاده می‌کند و ویژگی‌ها به ترتیب زمانی چیده شده‌اند. مدل برای هر ویژگی، آخرین مقدار آن را کم می‌کند، تاریخچه حاصل…
این دفترچه از تحلیل بیشینه حرکت مطلوب و نامطلوب برای تعیین پهنای موانع سه‌گانه بر اساس مسیرهای مشاهده‌شده قیمت استفاده می‌کند. برای ورود خرید در قیمت پایانی یک کندل، بالاترین سقف و پایین‌ترین کف را در پنجره نگهداری بعدی می‌سنجد؛ در موقعیت فروش، جای حرکت‌های…
این دفترچه دیدی در سطح خانواده مدل از پنج رویکرد عامل نهفته در یک مطالعه موردی تحلیل اختیار معامله سهام ارائه می‌کند. PCA حرکت‌های مشترک را مستقیماً از پنل بازده برآورد می‌کند؛ IPCA ویژگی‌ها را به‌صورت خطی به مواجهه‌ها نگاشت می‌کند؛ و رمزگذار خودکار شرطی از…
این دفترچه بررسی می‌کند چرا دو موتور بک‌تست می‌توانند با سیگنال‌های یکسان نتایج متفاوتی تولید کنند. استراتژی و مجموعه قابل معامله را ثابت نگه می‌دارد، هنگام برابر بودن پیش‌بینی‌ها وزن‌های پرتفوی را قطعی می‌کند و تنظیمات اجرا مانند سهام کسری در برابر سهام…
این فصل بک‌تست را تلاشی برای رد یک استراتژی از طریق فرض‌های صریح درباره زمان‌بندی سیگنال، اجرا، بازمتعادل‌سازی، اندازه موقعیت، هزینه‌ها، محدودیت‌ها و معیارهای مقایسه می‌داند. شبیه‌سازی برداری و رویدادمحور را از نظر نحوه برخورد با وضعیت، ترتیب سفارش‌ها، وجه…
این منبع حفاظ‌هایی را برای بازسازی درخواست مدل از مشخصات آموزشی تغییرناپذیر و اعتبارسنجی اجرای حاصل شرح می‌دهد. بررسی می‌کند که درخواست از نسخه هویتِ پشتیبانی‌شده، سطح اجرای استاندارد، خانواده مدل و مطالعه منطبق، و هویت آموزشیِ بدون تغییر استفاده کند. مجموعه…
این دفترچه تحلیل مؤلفه‌های اصلی ابزارمند را به‌عنوان مدلی برای بازده‌های مقطعی ارائه می‌کند. به‌جای اختصاص وزن مستقیم بازده به ویژگی‌های هر شرکت، IPCA نگاشتی خطی و مشترک از ویژگی‌ها به مواجهه‌های عاملی، در کنار بازده‌های عاملی ماهانه، برآورد می‌کند. این روش…
این دفترچه چهار طراحی شبکه عصبی را در یک وظیفه مقایسه می‌کند: پیش‌بینی بازده روزانه بعدی از پنجره‌ای از بازده‌های گذشته که روی هشت صندوق قابل معامله در بورس تجمیع شده‌اند. توضیح می‌دهد شبکه متراکم، کانولوشن یک‌بعدی، LSTM و GRU چگونه این ورودی را پردازش…
این دفترچه مدل‌های دنباله‌ای را برای رتبه‌بندی سهام S&P 500 با استفاده از پنجره‌هایی از تاریخچه سطح اختیار معامله و قیمت‌ها ارزیابی می‌کند. یک مدل خطی نرمال‌شده، که حافظه بازگشتی ندارد، را با LSTM مقایسه می‌کند که دروازه‌های آن اطلاعات را در طول زمان منتقل…
این دفترچه توضیح می‌دهد چرا آزمون‌های تیِ معمولی ممکن است قدرت یک ضریب اطلاعات (IC) را هنگامی که مشاهدات روزانه IC به هم وابسته‌اند بیش‌برآورد کنند. سیگنال مومنتوم را روی داده‌های ETF می‌سازد، خودهمبستگی IC را بررسی می‌کند و در کنار بوت‌استرپ بلوکی برای…
این دفترچه یک رابط یکپارچه OHLCV را در یاهو فایننس، ویکی‌پرایسز و FRED نشان می‌دهد و سپس از این منابع برای داده‌های جاری ETF، سهام با تاریخچه طولانی و سری‌های اقتصاد کلان استفاده می‌کند. رویکرد جایگزینِ اولویت‌بندی‌شده‌ای برای گردآوری داده ترسیم می‌کند و بر…
این دفترچه یک شبکه حافظه بلندمدت کوتاه‌مدت را با ویژگی‌های ریزساختار NASDAQ-100 برازش می‌دهد تا بازده‌های آتی را در چند افق زمانیِ چنددقیقه‌ای پیش‌بینی کند. برخلاف مدل خطیِ تخت‌شده، یک LSTM هر مشاهده را به‌ترتیب پردازش می‌کند و می‌آموزد چه میزان از اطلاعات…
این فصل توضیح می‌دهد چگونه مدل‌های یادگیری ماشین مالی را با رعایت اطلاعات موجود در هر زمان تصمیم‌گیری ارزیابی کنید. آموزش، اعتبارسنجی و دوره کنارگذاری نهایی را از هم متمایز می‌کند و توضیح می‌دهد چرا اعتبارسنجی کی‌فولد با ترتیب تصادفی اجازه می‌دهد مدل‌ها…
این دفترچه از رجیستری‌ها، داده چندین مطالعه موردی معاملاتی را می‌گیرد و جدول‌های بین‌مجموعه‌ای برای مقایسه سیگنال، تخصیص، هزینه و ریسک تولید می‌کند. تشخیص‌هایی را درباره خوشه پیکربندی‌های رتبه‌بندی‌شده بر اساس اعتبارسنجی گزارش می‌دهد؛ از جمله فاصله شارپ رتبه…
این دفترچه نهایی، وزن برابر، معکوس نوسان، بهینه‌سازی میانگین-واریانس و برابری ریسک سلسله‌مراتبی را با استفاده از سیگنال مشترکی در مجموعه متنوع ETF مقایسه می‌کند. مدل غلتان ریج از ویژگی‌های مومنتوم، فاصله از میانگین متحرک و نوسان برای برآورد بازده آتی و…
این دفترچه N-BEATS را می‌سازد؛ معماری پیش‌بینی عصبیِ کاملاً متصل که یک پنجره ورودی کامل را پردازش می‌کند و مسیر آینده را پیش‌بینی می‌کند. گونه تفسیرپذیر آن بلوک‌ها را مقید می‌کند تا مؤلفه‌ها را با پایه‌های روند چندجمله‌ای و فصلی‌بودن فوریه بیان کنند.…
این دفترچه با ثابت‌کردن سیگنال منتخب هر مطالعه موردی، اثر تخصیص پرتفوی را جدا می‌کند و بک‌تست‌های مرحله تخصیص را مقایسه می‌کند. روش‌هایی مانند وزن برابر، معکوس نوسان، وزن‌دهی امتیازی، بهینه‌سازی میانگین-واریانس، برابری ریسک و برابری ریسک سلسله‌مراتبی را…
این دفترچه روش‌های تخصیص پرتفوی را در چند مطالعه موردی، با ثابت نگه‌داشتن پیش‌بینی سیگنال منتخب هر مطالعه، مقایسه می‌کند. بک‌تست‌های مرحله تخصیصِ مرتبط با همان پیش‌بینی محوری را بارگیری می‌کند و سپس روش‌هایی مانند وزن برابر، معکوس نوسان، بهینه‌سازی…
این دفترچه بررسی می‌کند که تناوب بازمتعادل‌سازی چگونه بر گردش، عملکرد ناخالص و نتایج تعدیل‌شده با هزینه برای پرتفوی مومنتومِ برترِ صندوق‌های قابل معامله اثر می‌گذارد. گردش را از تغییرات تاریخی وزن هدف در برنامه‌های روزانه، هفتگی، دوهفته‌ای و ماهانه برآورد…
این دفترچه مدل‌های LightGBM را با خط پایه ریج برای پیش‌بینی بازده ETF در دو افق مقایسه می‌کند. توضیح می‌دهد که چرا درخت‌ها می‌توانند برهم‌کنش‌های وابسته به رژیم را کشف کنند، مانند رفتار متفاوت مومنتوم هنگام تنش بازار، درحالی‌که تقسیم‌های حریصانه در حضور…
این دفترچه یک سری ارزش کل قفل‌شده دیفای را به‌عنوان داده جایگزین برای معامله اتر ارزیابی می‌کند. بررسی را حول چهار پرسش سامان می‌دهد: آیا این سری با بازده‌های آتی ارتباط دارد، آیا داده معتبر و بازسازی‌پذیر است، آیا استفاده از آن از نظر قانونی پذیرفتنی است و…
این دفترچه جریان کاری بک‌تست 15 دقیقه‌ای را برای پیش‌بینی سهام NASDAQ-100 شرح می‌دهد. ابتدا آزمون فنی سیگنال تصادفی را اجرا می‌کند: چون معامله تصادفی پس از هزینه‌ها باید زیان‌ده باشد، سودآوری پایدار می‌تواند نشان‌دهنده مشکلاتی مانند نگاه به آینده، داده‌های…