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

609 سند

یادگیری ماشین برای معامله‌گری

این دفترچه دفترهای سفارش بازسازی‌شده NASDAQ را تحلیل می‌کند تا اسپردهای درون‌روزی و عمق در بهترین مظنه خرید و فروش را توصیف کند؛ سپس بررسی می‌کند آیا عدم‌تعادل جریان سفارش با بازده بازه بعدی ارتباط دارد یا نه. اسپردها را بر حسب واحد پایه بیان می‌کند تا…

سهامریزساختار بازاراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه از رگرسیون خطی به‌عنوان مبنا برای پیش‌بینی بازده NASDAQ-100 با استفاده از ویژگی‌های ریزساختار در سطح دقیقه استفاده می‌کند. چون سنجه‌های اسپرد و عدم‌تعادل سفارش در پنجره‌های زمانی مختلف هم‌پوشانی دارند، ماتریس ویژگی‌ها هم‌خطی زیادی دارد: حداقل…

سهامریزساختار بازاریادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه روندکاری برای تصمیم‌گیری درباره مدل‌سازی سری‌های زمانی مالی ارائه می‌کند. کار با نمودارهای قیمت و بازده SPY، سطوح VIX و توزیع بازده آغاز می‌شود تا روند سطوح، حرکت‌های خوشه‌ای و دنباله‌های سنگین شناسایی شوند. سپس آزمون دیکی–فولر تعمیم‌یافته را که…

آمارنوسانشاخص‌های تکنیکالسهام
یادگیری ماشین برای معامله‌گری

این دفترچه پیرامون پیش‌بینی‌های گرادیان بوستینگ، بازه‌های پیش‌بینی می‌سازد و پیش‌بینی همدیسِ تفکیک‌شده را با رگرسیون چندکی، رگرسیون چندکی همدیس‌شده و استنباط همدیس تطبیقی مقایسه می‌کند. روش همدیسِ تفکیک‌شده از تقسیم زمانی آموزش و کالیبراسیون استفاده می‌کند،…

یادگیری ماشینآمارمدیریت ریسکتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این مطالعه پنل سهام US، مدل خطی جریمه‌دار را مبنایی برای پیش‌بینی بازده‌های آتی از روی ویژگی‌های مشاهده‌شده در زمان بسته‌شدن بازار قرار می‌دهد. مجموعه ویژگی‌ها شامل سنجه‌های هم‌پوشان مومنتوم و نوسان است که هم‌خطی چندگانه ایجاد می‌کنند و می‌تواند ضرایب حداقل…

سهامسرمایه‌گذاری عاملیآمارمدیریت ریسک
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 مطالعه درخت‌های تقویت‌شده با گرادیان را با یک مدل خطی جریمه‌شده برای رتبه‌بندی جفت‌ارزها بر اساس بازده آتی مقایسه می‌کند. انگیزه آن این است که درخت‌ها می‌توانند روابط شرطی را بازنمایی کنند، مثلاً استفاده از مومنتوم در یک رژیم بازار و کری در رژیمی دیگر،…

فارکسیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی یک مجموعه‌داده چهار‌ساعته OANDA را با پوشش بیست جفت‌ارز بررسی می‌کند. توضیح می‌دهد که فیلد حجم، به‌روزرسانی‌های مظنه را در یک محل معاملاتی می‌شمارد، نه اندازه معاملات تجمیع‌شده؛ بنابراین نمی‌توان با آن نقدشوندگی کل بازار را رتبه‌بندی کرد.…

فارکسآمارریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه یک عامل پیش‌بینی را از مشتری مدل زبانی، ابزار جست‌وجو و حلقه نوبت محدود می‌سازد. عامل برای یافتن شواهد جست‌وجو می‌کند و احتمال دودویی را همراه با استدلال برمی‌گرداند. تجزیه‌گر پاسخ، خطاهای قالب‌بندی رایج را مدیریت می‌کند و کنش‌های جست‌وجو و…

یادگیری ماشینآماراحساسات بازارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه روش‌های مطالعه رویداد با سری زمانی ساختاری بیزی را برای برآورد اثر اعلامیه‌های فدرال رزرو بر یک ETF اوراق قرضه به کار می‌گیرد. ضدواقع را بر پایه روابط پیش از رویداد میان بازده لگاریتمی روزانه دارایی هدف و بازده ETF بین‌المللی و کالاییِ کنترلی…

درآمد ثابتمبتنی بر رویدادآماریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند آیا چهار استراتژی سبد مدیریت‌شده پس از کنترل هم‌حرکتی گسترده ETF، بازده SPY را توضیح می‌دهند یا نه. استراتژی‌ها ETFها را با استفاده از مومنتوم باوقفه، نوسان یا بازده‌های اخیر رتبه‌بندی می‌کنند. ده مؤلفه اصلی از مجموعه متوازن ETFهای…

سرمایه‌گذاری عاملییادگیری ماشینآمارمومنتوم
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 آیا ضریب اطلاعات (IC) یک سیگنال، هنگامی که مشاهدات متوالی وابسته‌اند، از نویز متمایز است یا نه. موضوع را با سیگنال مومنتوم و داده‌های ETF نشان می‌دهد و توضیح می‌دهد که بازده‌های آتیِ هم‌پوشان، رتبه‌های پایدار سیگنال و رژیم‌های بازار…

آماریادگیری ماشینمومنتومآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه پنل سری‌های اقتصادی منتشرشده از FRED را بررسی کنید و شبکه روزهای تقویمی، فراداده و ستون‌های مشتق‌شده آن را تفسیر کنید. چون پنل روی تقویم روزانه هموار شده است، شمارش ردیف‌ها برنامه انتشار منابع را پنهان می‌کند. شمارش تغییرات هر…

چندداراییدرآمد ثابتنوسانآمار
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 دفترچه روش آماده‌سازی و ثبت پیش‌بینی‌های NLinear را برای برچسب‌های FX شرح می‌دهد. NLinear آخرین سطح مشاهده‌شده را از هر تاریخچه ورودی با طول ثابت کم می‌کند و مدل را بر تغییرات در بازه نگاه‌به‌عقب متمرکز می‌سازد. فرایند مشترک تعیین صلاحیت توالی، مرزهای…

فارکسیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این ابزار تحلیل مشترک، مقایسه پیش‌بینی‌های مدل‌های معاملاتی را از طریق سنجه‌های رجیستری و تشخیص‌های سطح پیش‌بینی ممکن می‌کند. نتایج ازپیش‌محاسبه‌شده ضریب اطلاعات را بارگذاری می‌کند، امکان فیلتر اختیاری بر اساس برچسب یا خانواده مدل را دارد و به‌طور پیش‌فرض…

آمارآزمون گذشته‌نگریادگیری ماشینساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این سند روش ساخت برچسب‌های بازده آتی را برای یک استراتژی مقطعی معاملات آتی شرح می‌دهد که محصولات را بر اساس ساختار سررسید رتبه‌بندی می‌کند. در آن، قیمت‌های تعدیل‌شده برای جابه‌جایی سررسید، که برای بازده در گذر میان قراردادها مناسب‌اند، از قیمت‌های تسویه خام…

قراردادهای آتیکالاهاهزینه/درآمد نگهداری موقعیتآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند سه ویژگی مبتنی بر مدل را شرح می‌دهد که از کری معاملات آتی ساخته شده‌اند: پیش‌بینی ARIMA کری جلسه بعد، سنجه‌های فوریه غلتان برای طول چرخه‌های منتخب، و مدل مارکوف پنهان دوحالته‌ای که رژیم بازار را از میانگین کری استنباط می‌کند. درس اصلی آن انضباط زمانی…

قراردادهای آتیهزینه/درآمد نگهداری موقعیتیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این سند دو روش برآورد اختلاف قیمت خریدوفروش را زمانی توضیح می‌دهد که فقط داده‌های روزانه OHLCV در دسترس باشند. روش کورْوین-شولتز دامنه‌های بیشینه تا کمینه را در بازه‌های مجاور یک‌روزه و دوروزه مقایسه می‌کند و از رفتار متفاوت نوسان و اختلاف قیمت برای جداسازی…

ریزساختار بازارآماراجرای سفارشنوسان
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