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.
609 سند
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 پنل اقتصادی‌ای را بررسی می‌کند که از سری‌های داده‌های اقتصادی فدرال رزرو ساخته شده است. نشان می‌دهد پنل ارائه‌شده از تاریخ‌های تقویمی، شامل آخرهفته‌ها و تعطیلات، استفاده می‌کند و فراداده همراه، معنای هر سری، تناوب منبع و هر فرمول مشتق‌شده را مشخص…
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 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 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 بازسازی دفتر سفارش محدود NASDAQ را از پیام‌های بازارِ سفارش‌به‌سفارش DataBento برای یک نماد و یک روز معاملاتی شرح می‌دهد. موتور ماژولاری را تشریح می‌کند که وضعیت هر سفارش را دنبال می‌کند، سفارش‌ها را در سطوح قیمت تجمیع می‌کند و سمت‌های خرید و فروش…
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 بازیابی ساختاریافته به سبک گراف را با بازیابی برداری مبتنی بر تعبیه، روی دارایی‌های نهادی در پرونده‌های 13F مقایسه می‌کند. تصویری از دارایی‌ها در یک زمان قطع ثابت می‌سازد، مجموعه سهام را محدود می‌کند و پرسش‌هایی درباره دارندگان سهام، دارایی‌های…
این دفترچه جریان کاری‌ای را نشان می‌دهد که معاملات زیان‌ده را به توضیح‌های مدلِ مرتبط با تصمیم‌های آن‌ها پیوند می‌دهد. پنل ویژگی تک‌دارایی SPY را از داده‌های قیمت و اقتصاد کلان می‌سازد، مدل LightGBM را با مشاهدات پیشین آموزش می‌دهد و از مشاهدات بعدی برای…
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…
این دفترچه معیارهای ریزساختار بازار را از داده معاملات NASDAQ ITCH می‌سازد، معاملات را در بازه‌های درون‌روزی تجمیع می‌کند و جانشین‌های نقدشوندگی را از سیگنال‌های جریان سفارش و وضعیت دفتر سفارش متمایز می‌سازد. پیش از تجمیع، معاملات منفرد را با قاعده تیک…
این دفترچه برای استراتژی‌ای که سیگنال‌های اختیار معامله فهرست‌شده را می‌خواند و سهام پایه را معامله می‌کند، برچسب‌های بازده آتی می‌سازد. قیمت‌های روزانه سهام را برای تجزیه سهام و سود نقدی تعدیل می‌کند، از شناسه پایدار اوراق بهادار استفاده می‌کند و بازده را…
این دفترچه برآورد می‌کند که پرتفوی هم‌وزنِ سهام US باقی‌مانده تا چه اندازه می‌تواند بازده را نسبت به پرتفویی که شرکت‌های خارج‌شده از مجموعه‌داده را نیز در بر می‌گیرد، بیش‌برآورد کند. ابتدا زمان ثبت خروج‌ها در پنل را بررسی می‌کند و درمی‌یابد که سابقه…
این دفترچه پایش تغییر هم‌متغیرها را برای ویژگی‌های مومنتوم ETF و ویژگی‌های قراردادهای آتی دائمی رمزارز در بازه‌های متضاد بازار نشان می‌دهد. شاخص پایداری جمعیت را که تغییر توزیع تک‌تک ویژگی‌ها را می‌سنجد، با فاصله واسرشتاین و یک طبقه‌بند دامنه مقایسه می‌کند…
این دفترچه تحلیل مؤلفه‌های اصلی ابزارمند را روشی برای وابسته‌کردن بارگذاری‌های عامل نهفته به ویژگی‌های مشاهده‌پذیر سهام توضیح می‌دهد، به‌جای آنکه برای هر سهم بارگذاری ثابتی تعیین شود. نگاشت مشترکی از ویژگی‌ها به مواجهه با عامل‌ها می‌تواند برای سهام غایب از…
این دفترچه چارچوب مارکویتزِ فقط خرید و با سرمایه‌گذاری کامل را می‌سازد؛ از جمله سبدهای شدنی، مرز کارا و راه‌حل‌های حداکثر شارپ و حداقل واریانس. توضیح می‌دهد واریانس سبد چگونه به ماتریس کوواریانس وابسته است و تنوع‌بخشی چگونه می‌تواند ریسک را کاهش دهد، وقتی…
این سند خانواده‌ای از مدل‌های بازده شرکت را معرفی می‌کند که فرض می‌گیرند مجموعه کوچکی از عامل‌های مشترکِ مشاهده‌نشده، بخش بزرگی از مقطع را توضیح می‌دهند. این مدل‌ها به‌جای پیش‌بینی مستقیم بازده از ویژگی‌ها، میزان مواجهه هر شرکت با عامل‌ها را از ویژگی‌هایش…
این دفترچه یک مدل عصبیِ عامل تنزیل تصادفی را روی قراردادهای آتی CME به کار می‌گیرد. از دید قیمت‌گذاری دارایی، عامل تنزیل تصادفی متغیری تصادفی است که حاصل‌ضرب آن در بازده هر دارایی، در نبود فرصت آربیتراژ، امید ریاضی یکسانی دارد. مدل این متغیر نهفته را با…
این دفترچه سیاهه‌ای میان‌مطالعه‌ای از ویژگی‌های مالی مهندسی‌شده در نه طبقه دارایی ارائه می‌دهد. تعداد ویژگی‌ها و خانواده‌های مبتنی بر نام را از هر پنل ویژگیِ موجود می‌شمارد، اندازه فضاهای ویژگی را مقایسه می‌کند و قوی‌ترین ضریب اطلاعات ثبت‌شده در دفتر ثبت مدل…