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.
79 سند
این دفترچه با پیش‌بینی همدیسِ تفکیک‌شده، پیرامون پیش‌بینی‌های گرادیان‌بوستینگ بازه پیش‌بینی می‌سازد. مدل را روی بخش آموزشیِ قدیمی‌تر برازش می‌کند، باقیمانده‌های مطلق را در بخش کالیبراسیونِ بعدی می‌سنجد و از آماره ترتیبیِ نمونه محدود برای تعیین پهنای بازه…
این ممیزی موتورهای معاملاتی را مقایسه می‌کند که اهداف ثابت و منجمد مدل و ورودی‌های تاریخیِ آدرس‌دهی‌شده بر اساس محتوا را در تخصیص ETF، قراردادهای آتی، تأمین مالی قراردادهای دائمی رمزارز، ارز خارجی و سهام US بازپخش می‌کنند. هم‌ارزی اجرا با تطبیق سوابق پرشدن…
این مرجع ماه‌های سررسید فهرست‌شده برای 35 محصول آتی CME را در شاخص‌های سهام، اوراق خزانه، انرژی، فلزات، ارزها، نرخ بهره، کشاورزی، دام و رمزارز خلاصه می‌کند. نظام کدگذاری ماهِ بورس را توضیح می‌دهد و برنامه‌های فهرست‌شدن ماهانه، فصلی و دوماهه مختص هر محصول را…
این دفترچه از یادگیری ماشین دوگانه برای برآورد این موضوع استفاده می‌کند که آیا کری قراردادهای آتی، مستقل از نوسان، مومنتوم و رتبه کری مقطعی، بازده‌های بعدی را پیش‌بینی می‌کند یا نه. کری و بازده‌ها را با مدل‌های انعطاف‌پذیر و برازش متقاطع نسبت به این عوامل…
این مطالعه موردی، جریان‌کاری پژوهشی برای قراردادهای آتی دائمی رمزارز ترسیم می‌کند و پرداخت‌های تأمین مالی میان موقعیت‌های خرید و فروش در تسویه‌های منظم را منبع بالقوه بازده در نظر می‌گیرد. مراحل داده و مدل را از ساخت برچسب و ویژگی‌های مالی تا مدل‌های آماری و…
این دفترچه توضیح می‌دهد چگونه قراردادهای دودویی نرخ فدرال رزرو در Kalshi را به‌صورت احتمال بخوانیم و چگونه از نردبانی از آستانه‌های نرخ، توزیعی ضمنی بسازیم. تأکید می‌کند که خوراک داده شامل پیشنهادهای خرید YES است؛ بنابراین قیمت‌ها کران پایین‌اند و اسپرد بر…
این دفترچه یک مدل عصبیِ عامل تنزیل تصادفی را روی قراردادهای آتی CME به کار می‌گیرد. از دید قیمت‌گذاری دارایی، عامل تنزیل تصادفی متغیری تصادفی است که حاصل‌ضرب آن در بازده هر دارایی، در نبود فرصت آربیتراژ، امید ریاضی یکسانی دارد. مدل این متغیر نهفته را با…
این اسکریپت اثباتی، گردش کار پژوهشیِ کاهش‌یافته قراردادهای آتی CME را از پیش‌بینی‌های مدل تا وزن‌های سبد و بک‌تست اجرا می‌کند. بررسی می‌کند که پیش‌بینی‌ها دقیقاً کلیدهای محصول، زمان و بخش مورد انتظار را پوشش دهند، وضعیت‌های برازش‌شده و فایل‌های پیش‌بینی با…
این سند روش‌های جایگزین اندازه‌گذاری موقعیت را برای استراتژی‌های معاملات آتی CME مقایسه می‌کند. این استراتژی‌ها از میان گزینه‌های خط پایه‌ای انتخاب شده‌اند که بر اساس شارپ اعتبارسنجی با وزن‌دهی برابر رتبه‌بندی شده‌اند. وزن‌دهی برابر با همه محصولات منتخب…
این دفترچه با یادگیری ماشین دوگانه برآورد می‌کند آیا کری معاملات آتی پس از تعدیل بابت نوسان، مومنتوم و رتبه مقطعی کری بر بازده‌های بعدی اثر دارد یا نه. میان تبیین علّی و عملکرد پیش‌بینی تمایز می‌گذارد: بک‌تستی سودآور می‌تواند نشان دهد کری بازده را پیش‌بینی…
این تحلیل پیش از برازش هر مدلی بررسی می‌کند که آیا داده‌های تسویه از یک استراتژی آتی CME با مقطع‌نگری هفتگی پشتیبانی می‌کنند یا نه. می‌سنجد آیا در تاریخ‌های بازتنظیم تعداد محصول‌های مظنه‌شده برای تشکیل سبدهای خرید و فروش موردنظر کافی است، هزینه اسپرد را با…
این دفترچه با Optuna مدل‌های بازده LightGBM را طوری تنظیم می‌کند که هم ضریب اطلاعات مقطعی (IC) و هم گردش معاملات پیش‌بینی را در نظر بگیرد. یک جست‌وجوی تک‌هدفه برای مقایسه، IC را بیشینه می‌کند؛ جست‌وجوی چندهدفهٔ NSGA-II تنظیمات بهینهٔ پارتو را شناسایی می‌کند…
این تحلیل توضیح می‌دهد ضرایب اطلاعات مقطعی (IC) در مدل‌های آتی CME چگونه خوانده شوند و چه ارتباطی با آزمون‌های بعدی پرتفوی دارند. همبستگی رتبه‌ای میان بازده‌های پیش‌بینی‌شده و تحقق‌یافته را برای هر تاریخ محاسبه و سپس این هم‌بستگی‌ها را در تاریخ‌ها…
این دفترچه بررسی می‌کند که آیا داده‌ها پیش از برازش هر مدلی از یک استراتژی آتی مقطعی هفتگی پشتیبانی می‌کنند یا نه. طرحی را شرح می‌دهد که محصولات CME را رتبه‌بندی می‌کند، در قراردادهای با بالاترین رتبه موقعیت خرید و در پایین‌ترین رتبه موقعیت فروش می‌گیرد و…
این دفترچه پژوهشی ویژگی‌های نامزد را برای مطالعه موردی قراردادهای آتی CME در برابر بازده‌های آتی غربال می‌کند. برای هر ویژگی، همبستگی‌های رتبه‌ای مقطعی میان مقادیر ویژگی و بازده‌های بعدی را محاسبه می‌کند، همبستگی را در طول تاریخ‌ها خلاصه می‌کند، عدم‌قطعیت…
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 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 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 مبنایی در مرحله سیگنال برای ارزیابی پیش‌بینی‌های مدل روی قراردادهای آتی CME ایجاد می‌کند. در هر تصمیم هفتگی، محصولات را بر اساس بازده پیش‌بینی‌شده رتبه‌بندی می‌کند، گروه برتر را می‌خرد، از گروه انتهایی فروش استقراضی می‌کند و به هر موقعیت وزن برابر…
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…
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…