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 تحلیل می‌سنجد آیا سیگنال‌های انتخاب‌شده در چند مطالعه موردی معاملاتی برای استفاده بیشتر به‌اندازه کافی قابل‌اتکا به نظر می‌رسند. ضرایب اطلاعات (IC) اعتبارسنجی را با شواهد داده نگه‌داشته‌شده مقایسه می‌کند، پایداری و بازتولیدپذیری را بررسی می‌کند و کیفیت…
این دفترچه می‌سنجد عملکرد اعتبارسنجی یک استراتژی اختیار معامله S&P 500 با فرض پرداخت سهم‌های متفاوتی از اسپرد اعلام‌شده چگونه تغییر می‌کند. برای هر خانواده مدل، یک استراتژی مبنا انتخاب می‌کند و سپس هرکدام را با فرض‌های مختلف هزینه اسپرد، هم در کل جهان…
این سند ماشین حالت بازاستفاده‌پذیری برای توقف خودکار معاملات ارائه می‌کند که وضعیت‌های بسته، باز و نیمه‌باز دارد. منطق گذار یکسانی را برای چهار ریسک به کار می‌برد: افت سرمایه حساب، زیان روزانه، نشست‌های زیان‌ده پیاپی و تأخیر سامانه. پس از مهلت بازیابی،…
این دفترچه با استفاده از پیکربندی انتخاب‌شده روی داده اعتبارسنجی، برای پنجره داده نگه‌داشته‌شده ETF که پیش‌تر دست‌نخورده بود پیش‌بینی تولید می‌کند. مشخصات آموزش را طوری بازسازی می‌کند که یک افق برچسب پیش از آغاز پنجره پایان یابد، مدل را دوباره برازش می‌دهد،…
این سند بررسی‌های رجیستری را برای تصمیم‌گیری درباره استفاده مجدد از آموزش مدل و بک‌تست یا اجرای دوباره آن‌ها شرح می‌دهد. اجراها با هش‌هایی شناسایی می‌شوند که از مشخصاتشان ساخته شده‌اند؛ فقط وقتی آثار موردانتظار موجود باشند می‌توان از اجرایی دوباره استفاده…
این دفترچه توضیح می‌دهد چرا پوشش عمومی ریسک مبتنی بر وزن هدف نمی‌تواند استراتژی استرادل فروش کوتاهِ توصیف‌شده روی S&P 500 را مدیریت کند. موتور اختیار معامله، سهم‌های ثابتی از سرمایه را به گروه‌های هفتگی اختصاص می‌دهد و وزن‌ها را در هر گروه نرمال می‌کند؛ در…
این دفترچه تقویت گرادیانی را برای پیش‌بینی مقطعی بازده قراردادهای آتی CME بررسی می‌کند. ظرفیت درخت را با الگوهای تعداد برگ تغییر می‌دهد و اهداف خطای مربعی، خطای مطلق و Huber را مقایسه می‌کند که در میزان اثرگذاری باقیمانده‌های حدی بر برازش متفاوت‌اند. هر مدل…
این دفترچه یک شبکه کانولوشنی زمانی (TCN) را به مقایسه مدل‌های دنباله‌ای برای پیش‌بینی صرف تأمین مالی قراردادهای دائمی رمزارز می‌افزاید. پدگذاری علّی تضمین می‌کند هر موقعیت فقط از مشاهدات جاری و پیشین استفاده کند، درحالی‌که کانولوشن‌های اتساع‌یافته میدان…
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 مقایسه‌هایی میان مطالعات موردی مختلفِ مدل‌های LightGBM را سامان‌دهی می‌کند و در صورت دسترس‌بودن، مدل‌های خطی و TabM را به‌عنوان خانواده‌های مرجع به کار می‌گیرد. پیکربندی‌ها را بر اساس اندازه درخت، زیان‌های رگرسیون، نقاط وارسی و اهداف طبقه‌بندی…
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 سند مقایسه قواعد حد ضرر ثابت و متحرک را برای استراتژی‌های FX در مرحله اعتبارسنجی شرح می‌دهد. برای هر برچسب بازده، استراتژی مادر را از گروه بسته‌ای از نتایج سیگنال و تخصیص انتخاب می‌کند و سپس، با ثابت نگه‌داشتن هویت استراتژی مادر، کنترل ریسک تعریف‌شده در…
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 سند چالش کشف علّی ADIA Lab را به‌عنوان استنباط نظارت‌شده درون خانواده‌ای شناخته‌شده از داده‌های مصنوعی بررسی می‌کند. این وظیفه با استفاده از جفت‌های متعدد داده و گراف برچسب‌خورده، متغیرها را در هشت نقش پیرامون مداخله و پیامد قرار می‌دهد. توضیح می‌دهد چرا…
این ماژول از مجموعه‌های پیش‌بینی ثبت‌شده، ترکیب میانگین پیش‌بینی می‌سازد و به‌ویژه بر بازتولیدپذیری و پرهیز از سوگیری انتخاب تمرکز دارد. پیکربندی‌های مدل واجد شرایط را از ثبت‌گاه استخراج می‌کند، نه از فهرست دستی اعضا؛ پیش‌بینی‌های ناقص یا بازنشسته را کنار…
این دفترچه گردش‌کار پیش‌بینی چهارمرحله‌ای را با هماهنگ‌سازی Python ساده، CrewAI و LangGraph بیان می‌کند. محل نگهداری وضعیت، شیوه بررسی یا بازیابی خطاها، وابستگی‌های افزوده هر رویکرد و نحوه رهگیری را مقایسه می‌کند. نسخه‌های بومی و LangGraph همان کلاس‌های…
این دفترچه منظم‌سازی مدل خطی را برای مجموعه‌ای از جفت‌ارزها بررسی می‌کند که بازده‌هایشان به‌دلیل مظنه‌شدن هر جفت میان ارزهای مشترک به هم وابسته‌اند. هم‌خطی ویژگی‌ها را، که Ridge، lasso و elastic net می‌توانند مدیریت کنند، از وابستگی میان دارایی‌های…
این فصل روش‌های تبدیل رویه‌های آماری برازش‌شده به ویژگی برای مدل‌های معاملاتی را مرور می‌کند. مباحث آن شامل تشخیص‌ها و ایستایی، شکست‌های ساختاری، تفاضل‌گیری کسری، فیلتر کالمن، روش‌های طیفی و امضای مسیر، نوسان ARIMA و GARCH، سنجه‌های HAR و نوسان‌پذیری زبر،…
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 غربال تک‌ویژگی برای سیگنال‌های نامزد در میان 20 جفت‌ارز را شرح می‌دهد. توافق رتبه مقطعی روزانه هر ویژگی با بازده جلسه بعد را فقط با پنجره‌های اعتبارسنجی پیش‌رونده محاسبه می‌کند. پنل ارزیابی آن‌قدر پیش از مجموعه نگه‌داشته‌شده قطع می‌شود که پیامدهای…
این دفترچه جست‌وجوی شبکه‌ای جامع را با نمونه‌گیر TPE در Optuna برای تنظیم مدل پیش‌بینی بازده LightGBM مقایسه می‌کند. ابتدا به هر دو روش بودجه آزمون یکسانی روی یک شبکه گسسته پارامترها می‌دهد؛ در این شبکه، شمارش همه ترکیب‌ها را پوشش می‌دهد، اما نمونه‌گیری ممکن…
این دفترچه عامل مومنتوم مقطعی را با ضرایب اطلاعاتی، بازده چندک‌ها، فاصله بازده از بالاترین تا پایین‌ترین چندک و سنجه‌های طبقه‌بندی ارزیابی می‌کند. IC اسپیرمن را به‌صورت همبستگی رتبه‌ای روزبه‌روز میان یک سیگنال و بازده‌های بعدی معرفی می‌کند و آن را از همبستگی…
این مطالعه موردی توضیح می‌دهد چرا حد ضرر، حد ضرر متحرک و دیگر پوشش‌های سطح موقعیت را نمی‌توان برای سبدهای ویژگی‌محور شرکت‌های US که با مشاهدات ماهانه ساخته شده‌اند، آزمود. بک‌تست برداری یک بردار وزن را بر بازده آتی تحقق‌یافته ماه اعمال می‌کند، بنابراین هیچ…
این تحلیل خط لوله بک‌تست ثبت‌شده برای استراتژی ماهانه سهام US مبتنی بر ویژگی‌های شرکت را می‌خواند. عدم‌قطعیت شارپ، سنجه‌های احتمال و شارپ تعدیل‌شده، مقایسه زوجی استراتژی‌ها، افت عملکرد در داده نگه‌داشته‌شده و تحلیل هزینه متناسب با نقدشوندگی پایین شرکت‌های…