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.
487 سند
این دفترچه توضیح می‌دهد چگونه پیش‌بینی‌های رگرسیون Ridge را برای پنل ETF با SHAP تفسیر کنید. در مدل خطی، انتساب هر ویژگی برابر است با ضریب آن ضرب‌در انحراف ویژگی از میانگین پس‌زمینه آموزشی؛ بنابراین انتساب‌ها را می‌توان با محاسبه‌ای فرم‌بسته بررسی کرد.…
این دفترچه روندی را برای تبدیل پرونده‌های سالانه و فصلی SEC به متنی ساختاریافته و مناسب تحلیل‌های بعدیِ احساسات، موضوعات و تعبیه‌سازی ارائه می‌کند. شماره هر بخش موردنظر را بر اساس فرم مربوط مشخص می‌کند و یادآور می‌شود که بحث مدیریت در فرم‌های 10-K و 10-Q…
این دفترچه توضیح می‌دهد خودرمزگذار شرطی چگونه مدل مؤلفه اصلی ابزارمند را گسترش می‌دهد: شبکه عصبی ویژگی‌های سهام را به مواجهه‌های عاملی نگاشت می‌کند و مدل همان ساختارِ مواجهه ضرب‌در بازده عامل را حفظ می‌کند. مدل را با بازسازی برچسب بازده آتیِ پیکربندی‌شده در…
این مطالعه ویژگی‌های مالی و نوسان GJR-GARCH را در برابر بازده آتی سهام غربال می‌کند. برای هر جلسه، همبستگی رتبه‌ای میان‌سهامیِ یک ویژگی و بازده‌های بعدی را محاسبه می‌کند و سپس میانگین ارتباط، سازگاری در پنجره‌های اعتبارسنجی پیش‌رونده و اعتبار یافته‌ها پس از…
این مرجع دو مجموعه متنی اخبار مالی را معرفی می‌کند که برای تحلیل احساسات، توسعه ویژگی‌های متنی و آزمایش ارتباط اخبار با بازده به کار می‌روند. FNSPID تیترها را به نمادهای سهام پیوند می‌دهد و بازه تاریخی گسترده‌ای را پوشش می‌دهد؛ در کنار مجموعه کامل، نمونه…
این سند گردش‌کاری را برای تبدیل گزارش‌های عمده فصلی SEC 13F به پنلی از دارایی‌های نهادی شرح می‌دهد. برای هر مدیر، آخرین گزارش را بر اساس تاریخ ثبت انتخاب می‌کند، برای شناسایی اوراق بهادار از CUSIP به‌جای نام شرکت واردشده توسط گزارش‌دهنده استفاده می‌کند و…
این سند تحلیل مؤلفه‌های اصلی ابزارمند را برای مدل‌سازی بازده ETF توضیح می‌دهد. برخلاف PCA معمولی که برای هر صندوق مواجهه‌های عاملی ثابتی تعیین می‌کند، IPCA مواجهه‌های هر صندوق را تابع خطی مشترکی از ویژگی‌های قابل‌مشاهده آن می‌داند. این روش نگاشت ویژگی به…
این دفترچه از سوابق معاملات NASDAQ ITCH استفاده می‌کند تا تغییر حجم و فعالیت معاملاتی را در طول جلسه عادی بررسی کند. معاملات را به میله‌های زمانی بازنمونه‌گیری می‌کند، قیمت و حجم سهام نمونه با فعالیت بالا، متوسط و پایین را مقایسه می‌کند و سپس حجم هر یک از…
این ارزیابی ویژگی‌های سطح اختیار معامله، مشتق‌شده از قیمت و نوسان شرطی را در برابر بازده آتی سهام غربال می‌کند. برای هر جلسه، همبستگی رتبه‌ای مقطعی میان مقادیر ویژگی و بازده‌های بعدی را محاسبه می‌کند و سپس سری زمانی ضرایب اطلاعاتی (IC) آن‌ها را بررسی می‌کند.…
این ماژول توضیح می‌دهد چگونه قیمت‌های تاریخی S&P 500 را آماده کنید، وقتی نمادهای معاملاتی در گذر زمان ممکن است به اوراق بهادار متفاوتی اشاره کنند. ضرایب تعدیل رویدادهای شرکتی را اعمال می‌کند، شناسه‌های اوراق بهادار را پیگیری می‌کند و مرزهای هویتی را مشخص…
این دفترچه تحلیل مؤلفه‌های اصلی ابزارمند (IPCA) را برای پنل سهام دارای ویژگی‌های سطح اختیار معامله شرح می‌دهد. برخلاف PCA معمولی که مواجهه هر سهم را از تاریخچه بازده آن برآورد می‌کند، IPCA مواجهه‌ها را تابع خطی مشترکی از ویژگی‌های هر سهم در تاریخ مربوط…
این دفترچه خط لوله‌ای برای استخراج روابط تأمین‌کننده، مشتری و رقیب از پرونده‌های 10-K شرکت‌ها و ذخیره آن‌ها به‌صورت گراف دانش Neo4 ترسیم می‌کند. یک مدل زبانی محلی سه‌تایی‌های ساختاریافته فاعل-رابطه-مفعول پیشنهاد می‌دهد؛ سپس تفکیک موجودیت مبتنی بر رشته،…
این راهنمای مجموعه‌داده دو منبع داده تیک سهام US را برای پژوهش دفتر سفارش و ریزساختار بازار مقایسه می‌کند. رکوردهای بازاربه‌ازای‌سفارش Databento رویدادهای افزودن، تغییر، لغو و معامله را به‌شکل پیش‌پردازش‌شده ارائه می‌کنند، درحالی‌که NASDAQ ITCH خوراک خام…
این دفترچه تنظیم دقیق یک ترنسفورمر برای تشخیص موجودیت‌های نام‌دار مالی را نشان می‌دهد و بازه‌های متن را به فیلدهای ساختاریافته سازمان، شخص، پول، تاریخ و درصد تبدیل می‌کند. برچسب‌های مرزی BIO را معرفی می‌کند و توضیح می‌دهد حاشیه‌نویسی‌های سطح واژه چگونه باید…
این دفترچه سه روش تبدیل داده‌های دقیقه‌ای NASDAQ-100 به ویژگی‌های مبتنی بر مدل را شرح می‌دهد: رگرسیون غلتان HAR برای پیش‌بینی و خطای پیش‌بینی واریانس، تبدیل فوریه برای الگوهای حجم اخیر و امضاهای مسیر با عمق دو برای ترتیب تغییر قیمت و جریان سفارش. تأکید…
این مطالعه موردی سیگنال‌های مقطعی روزانه را در مجموعه گسترده‌ای از سهام US ارزیابی می‌کند و مسیر پژوهشی مفصلی را ترسیم می‌کند: از داده‌های نقطه‌درزمان و ویژگی‌های مهندسی‌شده تا مقایسه مدل‌ها، ساخت پرتفوی، هزینه‌ها و ارزیابی داده‌های نگه‌داشته‌شده. از…
این دفترچه LightGBM را با یک MLP، TabM و در صورت دسترسی TabPFN برای پیش‌بینی بازده آتی ETF با ویژگی‌های جدولی مقایسه می‌کند. مدل‌ها روی فولدهای زمانی پیش‌رونده مشترک ارزیابی می‌شوند و ضریب اطلاعات رتبه‌ای و زمان آموزش سنجه‌های اصلی مقایسه‌اند. رویکردهای عصبی…
این دفترچه حداقل مربعات معمولی را با Ridge، LASSO و Elastic Net برای پیش‌بینی بازده‌های آتی 21روزه در ETFها مقایسه می‌کند. مدل‌ها از همان فولدهای پیش‌رونده تعریف‌شده استفاده می‌کنند و فاصله پاک‌سازی با افق برچسب هماهنگ است. هر فولد مقادیر حدی ویژگی‌ها را با…
این دفترچه مدل فضای حالت روند خطی محلی را برای استخراج ویژگی‌های مالی از سطح قیمت توضیح می‌دهد. حالت پنهان شامل سطح قیمت و شیب آن است؛ مشاهدات، قیمت‌های پایانی پرنویز هستند. فیلتر در هر گام حالت را پیش‌بینی می‌کند، نوآوری مشاهده را می‌سنجد و برآورد را بر…
این دفترچه تغییرات پیوسته قیمت را از جهش‌های گسسته در بازده درون‌روزی سهام جدا می‌کند. واریانس تحقق‌یافته روزانه را از مجذور بازده لگاریتمی برآورد می‌کند و تغییرات دو‌توانی را به‌عنوان برآورد مقاوم به جهش از مؤلفه پیوسته به کار می‌گیرد؛ اختلاف نامنفی آن‌ها…
این دفترچه از تحلیل مؤلفه‌های اصلی روی بخشی نقدشونده از سهام US برای استخراج عوامل نهفته و ساخت سبدهای ویژه خرید و فروش استقراضی استفاده می‌کند. توضیح می‌دهد که بردارهای استانداردشده PCA چگونه به وزن‌های بازده خام تبدیل و بر اساس مواجهه ناخالص نرمال می‌شوند؛…
این دفترچه برچسب‌های بازده آتی سهام را برای استراتژی‌ای می‌سازد که داده اختیار معامله پذیرفته‌شده در بورس را می‌خواند تا سهام را رتبه‌بندی کند و سپس آن سهام را نگه دارد. مجموعه قیمت تعدیل‌شده‌ای می‌سازد که اقدامات شرکتی را لحاظ می‌کند و شرکت‌ها را با…
این دفترچه سفارش مادر را مسئله‌ای کنترلی با افق محدود صورت‌بندی می‌کند. در هر بازه، یادگیری Q جدولی ضریبی برای برش معامله مبتنی بر VWAP انتخاب می‌کند و زمان و موجودی باقی‌مانده، به‌اضافه آخرین رژیم‌های مشاهده‌شده اسپرد و نوسان را در نظر می‌گیرد. پاداش، هزینه…
این دفترچه از بازده تاریخی سهام US برای ساخت شبکه همبستگی و بررسی ساخت سبد استفاده می‌کند. با داده‌های پنجره برآورد، مجموعه‌ای نقدشونده انتخاب می‌کند، همبستگی‌های دوتایی را به فاصله تبدیل می‌کند و درخت پوشای کمینه (MST) را استخراج می‌کند تا بررسی ساختار…