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 فیلتر کالمن را به‌عنوان روشی برای استخراج ویژگی از قیمت‌های مالی شرح می‌دهد. حالت روند خطی محلی هم سطح نهفته قیمت و هم شیب آن را دنبال می‌کند و مدل مشاهده، بسته‌شدن‌های پرنویز را لحاظ می‌کند. هر به‌روزرسانی سطح فیلترشده، شیب، نوآوری و برآورد…
این دفترچه تحلیل مؤلفه‌های اصلی ابزارشده (IPCA) را معرفی می‌کند؛ رویکردی مبتنی بر عوامل نهفته برای پیش‌بینی بازده از ویژگی‌های شرکت. به‌جای اختصاص وزن مستقیم بازده به هر ویژگی، IPCA مواجهه‌های عاملی هر شرکت را به‌صورت تابعی خطی از ویژگی‌های آن مدل می‌کند.…
این دفترچه پیام‌های NASDAQ TotalView-ITCH را تحلیل می‌کند تا فعالیت کل بازار را توصیف کند و داده‌های معاملاتی قابل استفاده مجدد بسازد. پیام‌ها را بر اساس نوع می‌شمارد و سپس پیام‌های اجرای سفارش را با نگاشت شناسه‌های محل سهام به نمادها و ارجاع‌های سفارش به…
این دفترچه ویژگی‌های مبتنی بر قیمت را برای رتبه‌بندی مجموعه گسترده‌ای از سهام US می‌سازد. خانواده‌های مومنتوم، نوسان‌پذیری، میانگین متحرک و شاخص‌های فنی را شرح می‌دهد و سپس آن‌ها را در برابر برچسب بازده آتی یک‌جلسه‌ای ارزیابی می‌کند. قاعده اصلی طراحی این است…
این مطالعه از داده‌های بازار بر اساس سفارش NVDA طی ده روز معاملاتی استفاده می‌کند تا بررسی کند فعالیت روزانه معاملات چگونه بر نمونه‌برداری میله‌ای اثر می‌گذارد. معاملات را به ساعات عادی بازار US محدود می‌کند، سمت آغازگر را از برچسب‌های محل معامله طبقه‌بندی…
این مطالعه موردی درخت‌های تقویت‌شده با گرادیان را بر ویژگی‌های ریزساختار NASDAQ-100 به‌کار می‌گیرد تا بازده و جهت را در چند افق درون‌روزی پیش‌بینی کند. درخت‌ها را با مدل‌های خطی مقایسه می‌کند: درخت‌ها می‌توانند روابط شرطی را کشف کنند، مثلاً اینکه عدم‌توازن…
این دفترچه بازیابی رابطه‌ای قطعی را با جست‌وجوی تعبیه‌ای روی مجموعه‌ای از دارایی‌های نهادی 13F مقایسه می‌کند. با نگه‌داشتن آخرین موقعیت گزارش‌شده هر نهاد پیش از یک نقطه برش ثابت، تصویری در مقطع زمانی مشخص می‌سازد و سپس پرسش‌هایی درباره دارندگان عمده، مالکیت…
این دفترچه برآورد می‌کند که هزینه‌های اجرا چگونه می‌توانند بازده فرضی استراتژی درون‌روزی را کاهش دهند. ابتدا اسپردهای مظنه‌شده با وزن‌دهی بر اساس حجم را میان مؤلفه‌های شاخص NASDAQ-100 با استفاده از مظنه‌های میله‌ای دقیقه‌ای اندازه‌گیری می‌کند، سپس میانه…
این دفترچه آموزش یک شبکه مولد تخاصمی را بر ویژگی‌های مهندسی‌شده ETF با حریم خصوصی تفاضلی نشان می‌دهد. پارامترهای حریم خصوصی اپسیلون و دلتا را معرفی می‌کند، توضیح می‌دهد چرا DP-SGD پیش از تجمیع، گرادیان هر رکورد را برش می‌دهد و نویز کالیبره‌شده می‌افزاید، و…
این دفترچه استنباط کلاسیک حداقل مربعات معمولی را برای ویژگی‌ها و بازده‌های آتی ETF به‌کار می‌برد. برآورد ضرایب، خطاهای استاندارد، آماره‌های t، مقادیر p و آزمون‌های ناهمسانی واریانس، خودهمبستگی باقیمانده‌ها، نرمال‌نبودن و هم‌خطی چندگانه را بررسی می‌کند.…
این سند ابزارهایی را برای بارگذاری پیام‌های تجزیه‌شده NASDAQ ITCH و بازسازی دفتر سفارش محدود از افزوده‌شدن، حذف، لغو، اجرا و جایگزینی سفارش‌ها شرح می‌دهد. تعداد سهام باقی‌مانده در هر سفارش پیگیری می‌شود تا به‌روزرسانی‌های بعدی دفتر از مقدار جاری استفاده…
این دفترچه سیگنال‌های رتبه‌بندی ETF را در فرایند تشکیل پرتفوی و یک بک‌تست ساده دنبال می‌کند. رگرسیون ریج و طبقه‌بندی لجستیک با تقسیم‌بندی واک‌فوروارد آموزش داده می‌شوند و سپس با پرتفوی‌های مومنتوم و وزن‌برابر مقایسه می‌شوند. در بازتنظیم‌های ماهانه،…
این دفترچه میله‌های زمانی را با میله‌های تیک، حجم، دلاری، عدم‌توازن و جریان ساخته‌شده از معاملات یک روز AAPL مقایسه می‌کند. چهار روش نمونه‌برداری نخست، مشاهدات را بر اساس زمان سپری‌شده، تعداد معاملات، تعداد سهام معامله‌شده یا ارزش اسمی معامله‌شده گروه‌بندی…
این دفترچه نشان می‌دهد چگونه از شبکه همبستگیِ پنجره برآورد برای توصیف جهان سهام و ساخت سبدی متنوع‌شده بر پایه شبکه استفاده کنید. نمادهای نقدشونده را فقط با داده‌های موجود پیش از ارزیابی انتخاب می‌کند، همبستگی بازده را به فاصله تبدیل می‌کند و درخت پوشای کمینه…
این تحلیل اکتشافی، پنل قدیمی سهام آمریکا در Quandl WIKI US را بررسی می‌کند و بر شیوه‌های قیمت‌گذاری، پوشش داده‌ها و آنچه تاریخچه آن برای بک‌تست پشتیبانی می‌کند تمرکز دارد. این تحلیل قیمت‌های خام را که سطوح قیمت معامله‌شده را نشان می‌دهند، از قیمت‌های…
این دفترچه با سه روش از داده‌های دقیقه‌ای NASDAQ-100 ویژگی می‌سازد: رگرسیون خودرگرسیو ناهمگنِ غلتان برای پیش‌بینی واریانس کوتاه‌مدت، تبدیل فوریه برای توصیف ساختار تناوبی فعالیت اخیر، و امضاهای مسیر با عمق دو برای ثبت ترتیب تغییرات قیمت، جریان سفارش و شدت…
این تحلیل از پیام‌های TotalView-ITCH NASDAQ برای توصیف فعالیت در بازار و ساخت جدول معاملاتیِ پیوندخورده با نماد، سمت و ویژگی‌های سفارش استفاده می‌کند. انواع پیام را می‌شمارد، معاملات را با رویدادهای بسیار پرتعدادترِ ثبت و حذف مظنه مقایسه می‌کند و نمادها را…
این دفترچه ارزیابی می‌کند که آیا می‌توان استراتژی ماهانه خریدوفروش دوطرفه مبتنی بر ویژگی‌های شرکت را با پنل منتشرشده شرکت‌های US بررسی کرد. کدگذاری داده، تغییرات جهانِ در دسترس در طول زمان، کفایت تعداد شرکت‌ها برای هر دو سمت در هر بازتنظیم، امکان بیشتر بودن…
این سند چگونگی ساخت ویژگی‌های ریزساختار مبتنی بر معامله را از داده معاملات NASDAQ که در کندل‌های درون‌روزی تجمیع شده‌اند، توضیح می‌دهد. لامبدای کایل، نقدشوندگی‌نداشتن امیهود، برآوردگر اسپرد رول، شدت معامله و عدم‌توازن جریان سفارش (OFI) را پوشش می‌دهد. تأکید…
این سند توضیح می‌دهد یادگیری ماشین دوگانه (DML) چگونه برآورد می‌کند که آیا سهم حجم آغازشده از سوی خریدار، پس از درنظرگرفتن اسپرد، نوسان کوتاه‌مدت و بازده‌های گذشته، بر بازده‌های آتی اثر دارد یا نه. با استفاده از برازش متقاطع، اثر هر دو متغیر مداخله و پیامد…
این دفترچه، بک‌تست‌های ریزساختار NASDAQ-100 ثبت‌شده را بدون آموزش مدل یا اجرای دوباره بک‌تست به ارزیابی استراتژی تبدیل می‌کند. سنجه‌ها و تبار را از رجیستری می‌خواند، در صورت نیاز جدول‌های مشتق‌شده گروهی و مقایسه جفت‌شده می‌سازد و استراتژی‌ها را در تاریخ‌های…
این دفترچه می‌آموزد دادهٔ پیام‌به‌ازای هر سفارش NASDAQ TotalView-ITCH را از قالب دودویی به رکوردهای ساختاریافته رمزگشایی کنید. قاب‌بندی پیام و چیدمان‌های ویژه هر نوع را توضیح می‌دهد، بازکردن فیلدها را نشان می‌دهد و مُهرهای زمانیِ بیان‌شده بر حسب نانوثانیه از…
این دفترچه توضیح می‌دهد فروشگاه‌های ویژگی چگونه داده آموزشی و ورودی‌های زنده مدل را هم‌راستا نگه می‌دارند. نماهای ویژگی را از طریق کلید موجودیت، مُهر زمانی رویداد، مدت اعتبار و ستون‌های ویژگی شرح می‌دهد و سپس پیوندهای مبتنی بر اطلاعات در دسترس در هر زمان را…
این دفترچه یک استراتژی ماهانه مومنتوم ETF و رژیم منحنی بازده را به دو روش اجرا می‌کند: محاسبه برداری بازده و شبیه‌سازی متوالی حساب. هر دو از وزن‌های هدف، دارایی‌ها، تاریخ‌ها و هزینه کل معامله یکسان استفاده می‌کنند تا مقایسه بر انتخاب‌های اجرا متمرکز شود؛…