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 مطالعه ویژگی‌های ETF سه ورودی برآمده از مدل می‌سازد: مدل مارکوف پنهان (HMM) برای برآورد رژیم بازار، قیمت‌های تفاضل‌گیری‌شده به‌صورت کسری برای صندوق‌های مرجع، و نوسان شرطی GARCH(1,1) برای هر ETF. تأکید می‌کند که پرهیز از نگاه به آینده مستلزم آن است که هم…

سهامنوسانیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه تحلیل مؤلفه اصلی ابزاری (IPCA) را شرح می‌دهد؛ روشی که عوامل مشترک را برآورد می‌کند و در عین حال مواجهه عاملی هر سهم را تابع خطی مشترکی از ویژگی‌های سطح اختیار معامله همان روز می‌سازد. این ویژگی‌ها شامل نوسان ضمنی، چولگی اختیار فروش به خرید، شیب…

اختیار معاملهسهامسرمایه‌گذاری عاملییادگیری ماشین
یادگیری ماشین برای معامله‌گری

این آموزش حدضرر و حدسود ثابت، حدضرر دنباله‌رو، خروج‌های مقیاس‌شده با ATR، سیگنال خروج یادگیری ماشین و ترکیب این روش‌ها را با داده روزانه SPY مقایسه می‌کند. موانع ثابت از قیمت‌های ورود شبیه‌سازی می‌شوند؛ شکاف‌های شبانه در قیمت بازشدن پر می‌شوند و اگر یک کندل…

سهاممدیریت ریسکشاخص‌های تکنیکالآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه روش Word2Vec skip-gram را برای دارایی‌های سهام نهادی به کار می‌گیرد. هر سبد نهاد را یک جمله، شناسه‌های سهام را توکن و موقعیت‌های مرتب‌شده بر اساس ارزش اعلام‌شده دارایی را ترتیب واژه‌ها در نظر می‌گیرد. سهامی که بارها در بافت‌های سبدی مشابه ظاهر…

سهامیادگیری ماشینساخت پرتفویآمار
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چرا قیمت‌های خام سهام هنگام عبور از تاریخ تجزیه سهام یا سود نقدی می‌توانند بازده‌های گمراه‌کننده‌ای ایجاد کنند. تعدیل به عقب را شرح می‌دهد که قیمت‌های تاریخی را بابت اقدامات شرکتی بعدی مقیاس‌بندی می‌کند و قیمت‌های خام برای شبیه‌سازی…

سهامآمارآزمون گذشته‌نگربازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که آیا تعیین اندازه موقعیت بر پایه مدل، در استراتژی ویژگی‌های شرکت‌های US از وزن‌دهی برابر بهتر است یا نه. وزن‌دهی امتیازی را، که سهم بیشتری به نمادهای دارای امتیاز پیش‌بینی‌شده بالاتر اختصاص می‌دهد، با وزن‌دهی کانفورمال مقایسه…

سهامتعیین اندازه موقعیتساخت پرتفویآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه روش‌های خروج از معاملات خرید ETF را مقایسه می‌کند: اهداف سود و حدضرر ثابت، حدضرر دنباله‌رو، موانع مقیاس‌شده با ATR، سیگنال‌های یادگیری ماشین و ترکیب این روش‌ها. شاخص‌ها و شبیه‌سازی معاملات را می‌سازد و سپس بازده معاملات، نرخ برد، فراوانی فعال‌شدن…

سهاممدیریت ریسکتعیین اندازه موقعیتنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های ARIMA را به‌عنوان ستون‌های ورودی مدل‌های بعدی به کار می‌گیرد، نه پیش‌بینی‌های مستقل. مدل‌ها را روی بازده‌های ETF برازش می‌کند، از آزمون‌های مانایی و تشخیص‌های خودهمبستگی برای پیشنهاد مرتبه‌ها بهره می‌برد و مرتبه‌های نامزد را با یک…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند تبدیل پنجره‌های بازده غلتان ETF را به تصاویر دوکاناله برای یک شبکه عصبی کانولوشنی متعارف توصیف می‌کند. میدان زاویه‌ای گرمیان مشاهدات نرمال‌شده را به زاویه تبدیل می‌کند و روابط زاویه‌ای دوتایی را ثبت می‌کند؛ میدان گذار مارکوف مشاهدات را به چندک‌ها…

سهامیادگیری ماشینشاخص‌های تکنیکالآمار
یادگیری ماشین برای معامله‌گری

این سند پنل ماهانه سهام US از چن، پلگر و ژو را معرفی می‌کند که برای معیارسنجی مدل‌های قیمت‌گذاری دارایی به کار می‌رود. 46 ویژگی بنگاه را که بر اساس مضمون اقتصادی گروه‌بندی شده‌اند، بازده‌های مازاد ماه بعد و تقسیم‌بندی‌های زمان‌مند آموزش، اعتبارسنجی و آزمون…

سهامبازارهای آمریکاسرمایه‌گذاری عاملیآمار
یادگیری ماشین برای معامله‌گری

این دفتر گردش‌کاری برای توصیف سری‌های بازار پیش از مدل‌سازی ارائه می‌کند. با نمودار قیمت‌ها و بازده‌های SPY، سطوح VIX و توزیع بازده آغاز می‌شود تا روندها، خوشه‌بندی نوسان و دنباله‌های سنگین شناسایی شوند. سپس توضیح می‌دهد چگونه آزمون‌های دیکی-فولر افزوده و…

سهامآمارنوسانمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفتر با استفاده از بازده‌های روزانه SPY تحلیل حوزه فرکانس و محدودیت‌های آن را به‌عنوان منبع ویژگی‌های معاملاتی توضیح می‌دهد. تجزیه موجک تغییرات را در باندهایی با مقیاس‌های زمانی پیوسته کندتر جدا می‌کند، در حالی که برآوردهای طیفی توزیع تغییرات بازده میان…

سهامآمارنوسانشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفتر گردش‌کار عملیاتی اتصال استراتژی به Interactive Brokers از طریق TWS یا Gateway را شرح می‌دهد. بررسی می‌کند که نشست مربوط به حساب آزمایشی باشد، مقادیر و موقعیت‌های حساب را می‌خواند و پیش از آغاز جریان داده زنده، کندل‌های تاریخی را برای مقداردهی اولیه…

اجرای سفارشمدیریت ریسکمومنتومسهام
یادگیری ماشین برای معامله‌گری

این دفتر ابزارهای EdgarTools را برای بررسی پرونده‌های SEC و استخراج داده‌های ساختاریافته شرکت‌ها مرور می‌کند. توضیح می‌دهد چگونه گزارش‌دهندگان را با CIK پایدار شناسایی کنید، پرونده‌ها را بر اساس نوع فرم بازیابی کنید و گزارش‌های سالانه دارای برچسب XBRL را به…

سهامبازارهای آمریکاآزمون گذشته‌نگرمبتنی بر رویداد
یادگیری ماشین برای معامله‌گری

این مطالعه موردی از مدل‌های خطی به‌عنوان خط مبنا برای پیش‌بینی بازده‌های آتی در پنل گسترده سهام US استفاده می‌کند. توضیح می‌دهد چرا ویژگی‌های هم‌پوشان قیمت و حجم هم‌خطی ایجاد می‌کنند و ضرایب حداقل مربعات معمولی را ناپایدار می‌سازند؛ سپس انقباض ریج را با…

سهامبازارهای آمریکایادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این تحلیل اثرهای درمانی ثبت‌شده از یادگیری ماشین دوگانه را در نه مطالعه موردی معاملاتی مقایسه می‌کند. نتایج جاری را از دفتر ثبت هر مطالعه بارگیری می‌کند، یکپارچگی دفترها و برچسب‌های تکراری را بررسی می‌کند و پوشش را شفاف می‌سازد. اثرها و بازه‌های اطمینان در…

آماریادگیری ماشینآزمون گذشته‌نگرسهام
یادگیری ماشین برای معامله‌گری

این دفتر می‌سنجد بک‌تست مومنتوم ETF تا چه اندازه به کارمزد معاملاتی فرض‌شده حساس است. وزن‌ها و برنامه معاملاتی استراتژی را ثابت نگه می‌دارد، شبیه‌ساز را با طیفی از هزینه‌ها برای هر سمت معامله دوباره اجرا می‌کند و رشد، نسبت شارپ و افت سرمایه را مقایسه می‌کند.…

سهاممومنتومآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه برآورد می‌کند که سبدی با وزن برابر از سهام شرکت‌های US باقی‌مانده تا چه اندازه می‌تواند بازده را در مقایسه با کل جهان اولیه بیش‌برآورد کند. ابتدا بررسی می‌کند پنل از چه زمانی خروج نمادها را ثبت می‌کند و نشان می‌دهد ثبت خروج‌ها تنها در سال‌های…

سهامبازارهای آمریکاآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی قراردادهای اختیار و ساختار زنجیره را معرفی می‌کند و سپس نمونه‌ای از اختیارهای 2020 اس‌اندپی 500 را در هشت دارایی پایه بررسی می‌کند. درون‌بودن، ارزش ذاتی و زمانی، نوسان ضمنی، یونانی‌ها و شکل‌گیری زنجیره چندبعدی از قیمت اعمال، سررسید و نوع…

اختیار معاملهسهامنوسانقیمت‌گذاری مشتقه‌ها
یادگیری ماشین برای معامله‌گری

این دفترچه حد ضرر در سطح موقعیت، حد ضرر متحرک و خروج زمانی را روی زنجیره تخصیصی ارزیابی می‌کند که در میان نامزدهای واجد شرایط با پوشش کامل، بالاترین رتبه شارپ اعتبارسنجی را دارد. هر پوشش با والد خودش بدون پوشش مقایسه می‌شود تا اثر قاعده ریسک جدا شود.…

سهاماختیار معاملهمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه قواعد وزن‌دهی سبد را برای راهبرد اختیاری اس‌اندپی 500 که استرادل می‌فروشد مقایسه می‌کند. نمادهای انتخاب‌شده و سایر تنظیمات راهبرد را ثابت نگه می‌دارد و معیار پایه وزن‌دهی برابر را با تخصیص‌دهندگانی جایگزین می‌کند که از پیش‌بینی‌های مدل یا…

اختیار معاملهسهامساخت پرتفویتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این دفترچه روندی را شرح می‌دهد که افشاگری‌های فصلی MD&A شرکت‌های اس‌اندپی 500 را به ویژگی‌های معاملاتی تبدیل می‌کند. تاریخ پذیرش گزارش را مبنای زمانی قرار می‌دهد، برای چند گزارش یک شرکت در یک تاریخ، آخرین دوره را نگه می‌دارد و دو سیگنال استخراج می‌کند:…

سهامیادگیری ماشیناحساسات بازارآمار
یادگیری ماشین برای معامله‌گری

این تحلیل فقط‌خواندنی، پیش‌بینی‌های اعتبارسنجی چند خانواده مدل را کنار هم می‌آورد تا کامل‌بودن آن‌ها، کیفیت رتبه‌بندی سهام، پایداری مهارت رتبه‌بندی میان فولدها و اطلاعات متمایزی را که مدل‌های ظاهراً مشابه ارائه می‌کنند بسنجد. از ضریب اطلاعاتی، یعنی همبستگی…

سهامآمارمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه از SHAP برای توضیح پیش‌بینی‌های رگرسیون ریج درباره بازده ETF استفاده می‌کند. در یک مدل خطی، انتساب ویژگی رابطه‌ای بسته با ضرایب برازش‌شده و انحراف از مقادیر ویژگی پس‌زمینه دارد؛ این امکان را می‌دهد که تحلیل، توضیح‌دهنده را با یک تجزیه دقیق بررسی…

سهامیادگیری ماشینآمارمدیریت ریسک