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 سند دو ابزار تشخیصی برای برچسب‌هایی تعریف می‌کند که پنجره‌های بازده آتی آن‌ها هم‌پوشانی دارد: خودهمبستگی پنلی تجمیعی و اندازه نمونه مؤثر بر پایه یکتایی برچسب. خودهمبستگی، مشاهدات را فقط درون یک موجودیت و با فاصله درخواستی روی شبکه اصلی میله‌ها جفت…
این سند روش مقایسه پیش‌بینی‌های اعتبارسنجی مدل‌های خطی، تقویت گرادیانی، یادگیری عمیق جدولی و دنباله‌ای را برای اختیارهای S&P 500 شرح می‌دهد. پیش از گزارش تشخیص‌ها بررسی می‌کند که هر جمعیت پیش‌بینی ثبت‌شده با قرارداد واجدشرایط‌بودن خود کامل باشد و همه…
این ماژول کمکی جدول‌ها و نمودارهایی برای ارزیابی مدل‌های پیش‌بینی در داده‌های اعتبارسنجی و نگه‌داشته‌شده می‌سازد. تشخیص‌های آن شامل فاصله اطمینان ضریب اطلاعاتی، افت عملکرد از اعتبارسنجی تا داده نگه‌داشته‌شده، آمار بک‌تست تعدیل‌شده بر اساس انتخاب، مقایسه در…
این دفترچه روش‌های تعیین اندازه سبد را برای پیکربندی‌های برتر سیگنال سهام S&P 500 مقایسه می‌کند. ابتدا قوی‌ترین نقطه وارسی با پوشش کامل هر پیکربندی را بر اساس شارپ اعتبارسنجی انتخاب می‌کند و سپس تخصیص‌دهندگان جایگزین، ازجمله وزن‌دهی امتیازی، وزن‌دهی…
این دفترچه تحلیلی توضیح می‌دهد چگونه یک استراتژی سهام US مبتنی بر ویژگی‌های شرکت را با نتایج ثبت‌شده ارزیابی کنیم، نه با بک‌تست‌های جدید. آمار عملکرد همراه با عدم‌قطعیت را می‌خواند، پیکربندی‌ها را بر اساس مجموعه داده مشترک رتبه‌بندی می‌کند و با مقایسه‌های…
این دفترچه PCA را به‌عنوان یک خط مبنای عامل نهفته و بدون ویژگی برای پیش‌بینی بازده ETF توضیح می‌دهد. ماتریس بازده هر برچسب در پنجره آموزشی را تجزیه می‌کند و با استفاده از یک بار عاملی برای هر صندوق و صرف ریسک عوامل برآوردشده، پیش‌بینی‌ها را می‌سازد. چون همان…
این سند آزمایشی روی قراردادهای آتی CME با TabM، یک مجموعه عصبی کم‌هزینه از نظر پارامترها، را توضیح می‌دهد که از همان ردیف‌های ویژگی مهندسی‌شده و بخش‌های آزمون پیش‌رونده‌ای استفاده می‌کند که مدل‌های خطی و تقویت گرادیانی به کار می‌برند. TabM بیشتر وزن‌ها را…
این ماژول گردش‌کاری برای پژوهش آتی CME تعریف می‌کند که درخواست مدل، اجرای پیش‌بینی و بک‌تست، مجموعه نامزدها و انتخاب نهایی را پوشش می‌دهد. پیمایش برچسب پیکربندی‌شده را از اعلان راه‌اندازی مشترک می‌خواند، ترتیبش را حفظ می‌کند و بررسی می‌کند پیکربندی‌های مدل…
این دفترچه از گشت مطلوب حداکثری (MFE) و گشت نامطلوب حداکثری (MAE) استفاده می‌کند تا عرض برچسب‌های سه‌مانعی را به مسیرهای مشاهده‌شده قیمت پیوند دهد. برای موقعیتی که در قیمت پایانی یک کندل وارد شده، بهترین حرکت مطلوب و بدترین حرکت نامطلوب را در پنجره نگهداری…
این تحلیل می‌پرسد آیا داده‌ها پیش از برازش مدل یا پیش‌بینی می‌توانند از استراتژی مقطعی پرپچوال رمزارز پشتیبانی کنند. رویکرد پیشنهادی قراردادها را در هر تسویه تأمین مالی بر اساس پرمیوم رتبه‌بندی می‌کند، سپس یک سمت رتبه‌بندی را می‌خرد و سمت دیگر را می‌فروشد.…
این دفترچه چرخه عملیاتی یک استراتژی سهام ETF را نشان می‌دهد: به‌روزرسانی داده بازار، محاسبه ویژگی‌های مالی، آموزش دوباره مدل Ridge، تولید پیش‌بینی‌های مقطعی جاری، بازپخش آن‌ها از طریق موتور بک‌تست و آماده‌سازی سبدی با رتبه‌های برتر برای کارگزار آزمایشی.…
این سند یک پیمایش تخصیص پرتفوی FX را توصیف می‌کند که برای جداکردن اندازه موقعیت از انتخاب سیگنال طراحی شده است. کار از نامزدهای خط مبنای وزن برابر و ثابت‌شده‌ای شروع می‌شود که بر اساس عملکرد بک‌تست اعتبارسنجی رتبه‌بندی شده‌اند؛ سپس پیکربندی‌ها را پیش می‌برد…
این سند GReaT را معرفی می‌کند؛ چارچوبی که ردیف‌های داده مالی عددی و طبقه‌ایِ آمیخته را به شکل متن درمی‌آورد، مدل زبانی را با آن رکوردها تنظیم دقیق می‌کند و متن تولیدشده را دوباره به جدول تبدیل می‌کند. نمونه آن ویژگی‌های ETF را از بازده‌های تاریخی، نوسان، حجم…
این تحلیل میان‌موردی بررسی می‌کند که اطلاعات پیش‌بینانه، سنجیده‌شده با ضریب اطلاعاتی (IC)، چگونه در نه مطالعه موردی معاملاتی به شارپ سبد تبدیل می‌شود. نکته اصلی این است که نحوه اجرا این رابطه را میانجی‌گری می‌کند: قواعد ورود، اندازه موقعیت، تناوب بازتنظیم و…
این دفترچه شبکه کانولوشنی زمانی (TCN) را برای پیش‌بینی بازده‌های آتی ETF از دنباله ویژگی‌های بازده گذشته معرفی می‌کند. کانولوشن‌های علّی تضمین می‌کنند هر خروجی فقط از مشاهدات تا تاریخ خودش استفاده کند، درحالی‌که گشادگیِ با افزایش نمایی، میدان پذیرش را در…
این دفترچه کندل‌های عدم‌تعادل تیک و حجم را توضیح می‌دهد و سپس روش‌های تطبیقی، آستانه ثابت و پنجره‌لغزان را روی داده معاملات NVDA مقایسه می‌کند. عدم‌تعادل تیک جهت‌های علامت‌دار معاملات را تا رسیدن به آستانه انباشته می‌کند؛ آستانه مورد انتظار به تعداد معاملات…
این مطالعه موردی روش‌های مختلف اندازه موقعیت در آتی CME را با خط مبنای وزن برابر مقایسه می‌کند. توضیح می‌دهد که اندازه‌گذاری معکوس نوسان از نوسان خود هر قرارداد استفاده می‌کند، درحالی‌که روش‌های مبتنی بر کوواریانس روابط میان محصولات را نیز در نظر می‌گیرند.…
این دفترچه ساخت تاریخچه پیوسته قیمت آتی از قراردادهای منفردِ سررسیدشونده را توضیح می‌دهد. قراردادهای ماه پیش‌رو را با استفاده از حجم معاملات شناسایی می‌کند، برای جلوگیری از جابه‌جایی‌های کاذب محدودیت بازگشت‌نکردن اعمال می‌کند و زمان‌بندی رول بر پایه تقویم را…
این دفترچه توضیح می‌دهد چگونه مدل‌های برازش‌شده GJR-GARCH و مارکوف پنهان را با کنترل سوگیری نگاه‌به‌آینده به ویژگی‌های معاملاتی تبدیل کنیم. GJR-GARCH نوسان شرطی را برآورد می‌کند و اثر بزرگ‌تر شوک‌های بازده منفی را در نظر می‌گیرد؛ مدل گاوسی دوحالته HMM…
این دفترچه رتبه‌بندی پیش‌بینی جفت‌ارزها را به خط مبنای قابل معامله تبدیل می‌کند. در هر زمان تصمیم‌گیری، از جفت‌ارزهای با بالاترین و پایین‌ترین رتبه، دو بخش خرید و فروش با اندازه برابر تشکیل می‌دهد و سپس آن‌ها را با موتور بک‌تست FX ارزیابی می‌کند. وزن‌دهی…
این ابزار مصنوعات پیش‌بینی را برای دفترچه‌های نمایشی زنده آماده می‌کند؛ نام ستون‌ها و قالب‌های تاریخ متفاوت را به ساختاری مشترک برای زمان، دارایی و پیش‌بینی تبدیل می‌کند. مشاهدات تکراری زمان و دارایی را گروه‌بندی و امتیازهایشان را میانگین‌گیری می‌کند.…
این دفترچه دو طراحی Transformer را برای پیش‌بینی بازده ETF-روزه 21 بر اساس ویژگی‌های مومنتوم گذشته‌نگر مقایسه می‌کند. PatchTST روزهای پیاپی را در بسته‌هایی گروه‌بندی می‌کند و توالی‌های کوتاهی از شکل محلی را در هر توکن قرار می‌دهد. در مقابل، iTransformer…
این دفترچه روشی توصیفی برای تبدیل بازده ناخالص به عملکرد خالص ارائه می‌کند که اصطکاک‌های معامله، تأمین مالی و هزینه‌های صندوق را جداگانه مدل می‌کند. ساختار هزینه پارامتری آن هزینه‌های معامله را بر اساس گردش سبد و اندازه معامله، تأمین مالی را بر اساس اهرم و…
این ماژول رابط جست‌وجویی برای عامل‌های پژوهشی را توصیف می‌کند که ارائه‌دهنده زنده و ارائه‌دهنده شبیه‌سازی‌شده قطعی دارد. جست‌وجوها می‌توانند تعداد نتایج را محدود کنند و تاریخ انتشار را به‌عنوان مرز زمانی اعمال کنند؛ با حذف نتایج منتشرشده در آن تاریخ یا پس از…