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

629 سند

یادگیری ماشین برای معامله‌گری

این دفترچه پایگاه‌های دادهٔ تعبیه‌شده، سرورمحور، چندمنظوره و متمرکز بر معامله را در وظایف سری زمانی مالی مقایسه می‌کند: نوشتن انبوه، پویش کامل، پرس‌وجوهای بازهٔ زمانی، تجمیع OHLCV و هم‌ترازسازی معاملات و مظنه‌ها. نکتهٔ اصلی این است که چیدمان ذخیره‌سازی و نوع…

آزمون گذشته‌نگرآمارریزساختار بازاراجرای سفارش
یادگیری ماشین برای معامله‌گری

این درس، مدل‌های تصادفی پارامتری و روش‌های بوت‌استرپ را برای تولید مسیرهای مالی مصنوعی مقایسه می‌کند. حرکت براونی هندسی، انتشار جهشی، بازگشت به میانگین، نوسان‌پذیری تصادفی هستون و GARCH را در کنار بازنمونه‌گیری مستقل و بلوکی پوشش می‌دهد. مدل‌ها با استفاده از…

آمارنوسانمدیریت ریسکآزمون گذشته‌نگر
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 Feast را به‌عنوان مخزن ویژگی برای داده‌های مالی و مبتنی بر مدل پیکربندی می‌کند و سپس بازیابی تاریخی و مقطعی آن را با اتصالی شفاف و دست‌ساز مقایسه می‌کند. موجودیت‌ها، منابع دارای مهر زمانی، نماهای ویژگی و زمان اعتبار را تعریف می‌کند و نسخه‌های موقت…

یادگیری ماشینآزمون گذشته‌نگرآمار
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 ماژول برازش و ارزیابی واک‌فوروارد چند مدل عامل نهفته، از جمله مؤلفه‌های اصلی، مؤلفه‌های اصلی ابزارشده و خودرمزگذارهای عصبی را هماهنگ می‌کند. داده‌های تابلویی و بخش‌ها را آماده می‌سازد، اجراکننده‌های ویژهٔ هر مدل را فرا می‌خواند و پیش‌بینی‌ها، فرادادهٔ…

سرمایه‌گذاری عاملییادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه می‌سنجد تغییر هزینه‌های متناسب با حجم معامله چگونه بر یک استراتژی FX منتخب از اعتبارسنجی برای هر برچسب بازده اثر می‌گذارد. ابتدا یک گزینهٔ پایه را از میان نامزدهای سیگنال، تخصیص و پوشش ریسک انتخاب می‌کند، سپس فقط هزینهٔ تجمیعی هر سمت معامله را…

فارکسآزمون گذشته‌نگراجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل توضیح می‌دهد ضرایب اطلاعات مقطعی (IC) در مدل‌های آتی CME چگونه خوانده شوند و چه ارتباطی با آزمون‌های بعدی پرتفوی دارند. هم‌بستگی رتبه‌ای میان بازده‌های پیش‌بینی‌شده و تحقق‌یافته را برای هر تاریخ محاسبه و سپس این هم‌بستگی‌ها را در تاریخ‌ها…

قراردادهای آتیآماریادگیری ماشینآزمون گذشته‌نگر
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 سند توضیح می‌دهد که نسبت شارپ تعدیل‌شده (DSR) چگونه شارپِ استراتژی منتخب را با توجه به تعداد استراتژی‌های آزموده‌شده، تغییرات برآوردهای شارپ آن‌ها و توزیع‌های بازده غیرنرمال تعدیل می‌کند. آن را با محاسبهٔ تعدیل‌نشدهٔ شارپ احتمالاتی مقایسه می‌کند و تحلیلی…

آزمون گذشته‌نگرآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند چرا دو موتور بک‌تست با سیگنال‌های یکسان ممکن است نتایج متفاوتی تولید کنند. یک استراتژی ETF ازپیش‌محاسبه‌شده را ثابت نگه می‌دارد، بر اساس پیش‌بینی‌های آن پرتفویی قطعی می‌سازد و تنظیمات اجرا را یکی‌یکی تغییر می‌دهد. این تنظیمات شامل گرد…

آزمون گذشته‌نگراجرای سفارشریزساختار بازارتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های LightGBM را روی مجموعه‌ای از سهام US در سه افق بازده مقایسه می‌کند. شبکه، تعداد برگ‌های درخت و توابع زیان را تغییر می‌دهد و سپس هر پیکربندی را در چند نقطهٔ بررسیِ تعداد درخت‌ها امتیازدهی می‌کند. بحث توضیح می‌دهد درخت‌های کم‌عمق چگونه…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های اعتبارسنجی حاصل از پژوهش سهام و اختیار معامله را با تبدیل آن‌ها به سبدهای سهام فقط خرید ارزیابی می‌کند. از مبنای وزن‌دهی برابر به K گزینه برتر استفاده می‌کند، چند میزان تمرکز سبد را مقایسه می‌کند و تناوب تصمیم‌گیری مختص هر برچسب را…

سهاماختیار معاملهآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه برچسب‌های بازده آینده را برای استرادل‌های فروش در قیمت اعمال نزدیک به قیمت بازار روی سهام S&P 500 می‌سازد. چون پنل روزانه استرادل 30-روزه در هر جلسه به قیمت اعمال یا سررسید دیگری منتقل می‌شود، جابه‌جایی یک سری قیمت، قراردادهای متفاوتی را مقایسه…

اختیار معاملهقیمت‌گذاری مشتقه‌هانوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه وزن‌دهی برابر، وزن‌دهی معکوس نوسان، کمینه‌واریانس و برابری ریسک سلسله‌مراتبی را با استفاده از مجموعه ETF، پیش‌بینی‌ها، برنامه بازتنظیم و پروتکل بک‌تست یکسان مقایسه می‌کند. مدل Ridge غلتان ETFها را بر اساس ویژگی‌های مومنتوم، فاصله از میانگین متحرک…

ساخت پرتفویآزمون گذشته‌نگرمدیریت ریسکیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این ماژول ابزارهای آماری کمکی برای تشخیص پنل‌های داده معاملاتی فراهم می‌کند. روش خودهمبستگی آن منحنی را ابتدا درون هر موجودیت محاسبه و سپس نتایج را میان موجودیت‌ها تجمیع می‌کند تا از وابستگی کاذب میان انتهای سری یک موجودیت و ابتدای سری موجودیت دیگر جلوگیری…

آمارآزمون گذشته‌نگرریزساختار بازارسهام
یادگیری ماشین برای معامله‌گری

دفترچه ارزش در معرض ریسک (VaR) را توضیح می‌دهد که چندک زیان را مشخص می‌کند، و ارزش در معرض ریسک شرطی (CVaR) را که میانگین زیان‌های فراتر از آن آستانه است. با استفاده از بازده‌های روزانه ETF، برآوردهای تاریخی، گاوسی، تعدیل‌شده با Cornish–Fisher و مونت‌کارلوی…

مدیریت ریسکنوسانآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه آموزشی روش‌های ساخت برچسب هدف برای مدل‌های معاملاتی نظارت‌شده را با داده‌های ETF مقایسه می‌کند. بازده‌ها و برچسب‌های جهت‌دار با افق ثابت، صدک‌های غلتان سری زمانی، صدک‌های مقطعی، برچسب‌های سه‌مانعه با آستانه‌های ثابت یا مقیاس‌شده با نوسان، و اسکن…

یادگیری ماشینآمارآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه با استفاده از قیمت‌های ETF و سری‌های اقتصاد کلان، روش‌هایی برای بررسی سوگیری نگاه‌به‌آینده نشان می‌دهد. میانگین متحرک مرکزگذاری‌شده مشاهدات آینده را در بر می‌گیرد، می‌تواند چرخش‌های قیمت را بیش از حد دقیق دنبال کند و در انتهای تازه داده‌ها مقدار…

سهامآمارآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی پنل چهارساعته OANDA شامل 20 جفت‌ارز را بررسی می‌کند و شیوه تفسیر داده‌های آن را توضیح می‌دهد. جفت‌های مستقیم، غیرمستقیم و متقاطع را بر اساس جایگاه دلار از هم متمایز می‌کند و نشان می‌دهد چرا مظنه‌های مستقیم باید پیش از ترکیب در سنجه قدرت…

فارکسریزساختار بازارآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این ماژول مشترک مدل‌سازی با بارگذاری ویژگی‌ها، برچسب‌ها، داده‌های زمانی و پیکربندی، از گردش‌کارهای پژوهش کمی پشتیبانی می‌کند و سپس بخش‌های اعتبارسنجی متقاطع پیش‌رونده را آماده می‌سازد. طراحی آن بر بازتولیدپذیری و تبار داده تأکید دارد: هش‌ها فایل‌های منبع،…

یادگیری ماشینآمارآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه نشان می‌دهد چگونه متن بخش بحث و تحلیل مدیریت در گزارش‌های فصلی SEC 10-Q را به دو سیگنال بالقوه سهام تبدیل کنیم. FinBERT قطعه‌های متن را از نظر لحن مثبت، خنثی یا منفی امتیازدهی می‌کند؛ امتیاز قطعه‌ها به احساسات میانگین و پراکندگی درون هر گزارش…

سهامیادگیری ماشیناحساسات بازارآمار
یادگیری ماشین برای معامله‌گری

این دفترچه سه روش استفاده از رژیم‌های بازار در پیش‌بینی را مقایسه می‌کند: مدل مبنا بدون ورودی رژیم، یک مدل با احتمال فیلترشده وضعیت پرنوسان، و مدل‌های جداگانه آموزش‌دیده درون تخصیص‌های قطعی رژیم. برای پرهیز از نگاه‌به‌آینده، مدل مارکوف پنهان را در هر بخش…

سهامیادگیری ماشینآمارنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که آیا داده‌ها پیش از برازش هر مدلی از یک استراتژی آتی مقطعی هفتگی پشتیبانی می‌کنند یا نه. طرحی را شرح می‌دهد که محصولات CME را رتبه‌بندی می‌کند، در قراردادهای با بالاترین رتبه موقعیت خرید و در پایین‌ترین رتبه موقعیت فروش می‌گیرد و…

قراردادهای آتیکالاهاهزینه/درآمد نگهداری موقعیتاجرای سفارش