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

83 سند

یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد TSMixer چگونه سابقه اخیر ویژگی‌های یک سهم را به‌صورت ماتریسی از جلسه‌ها و ویژگی‌ها پردازش می‌کند. بلوک‌های آن اطلاعات را در امتداد ستون‌های ویژگی و در طول زمان ترکیب می‌کنند و سپس ویژگی‌ها را در هر جلسه با هم می‌آمیزند. انباشتن بلوک‌ها…

سهامیادگیری ماشینمومنتومآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند پنلی روزانه از ویژگی‌ها برای رتبه‌بندی بیست جفت‌ارز در زمان بسته‌شدن نیویورک، ساعت 5 PM، تدوین می‌کند. سیگنال‌های قابل رتبه‌بندی، مانند بازده‌های استانداردشده چندافقی و موقعیت در کانال، را از سنجه‌های وضعیت بازار مانند نوسان، افت سرمایه، دامنه و…

فارکسبازگشت به میانگینمومنتومنوسان
یادگیری ماشین برای معامله‌گری

این آموزش شبیه‌ساز چرخش ماهانه ETF را با رتبه‌بندی مومنتوم تعدیل‌شده با ریسکِ گذشته‌نگر و فیلتر رژیم منحنی بازده خزانه‌داری می‌سازد. در پایان هر ماه، قاعده ده صندوق را بر اساس تاریخچه اخیر قیمت رتبه‌بندی می‌کند؛ در ماه‌های ریسک‌پذیر سه صندوق برتر با وزن…

آزمون گذشته‌نگرمومنتومساخت پرتفویاجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه روندکاری را معرفی می‌کند که بارگذاری داده‌های استانداردشده ETF، یک فهرست ویژگی‌ها و عیب‌یابی سیگنال را به هم پیوند می‌دهد. نشان می‌دهد چگونه فرادادهٔ اندیکاتورها را بیابید، ویژگی‌ها را با مقادیر پیش‌فرض یا پارامترهای صریح محاسبه کنید و پیکربندی‌ها…

سهامشاخص‌های تکنیکالمومنتومآمار
یادگیری ماشین برای معامله‌گری

این دفترچه از داده‌های واقعی ETF استفاده می‌کند تا بسنجد سیگنال مومنتوم با تغییرات معقول در بازه بازنگری، رژیم بازار و پیاده‌سازی همچنان مفید می‌ماند یا نه. ضرایب اطلاعات مقطعی میان مومنتوم و بازده‌های آتی را محاسبه می‌کند، سپس هر بار یک پارامتر بازنگری را…

قراردادهای آتیمومنتومآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه دو شبیه‌سازی از یک استراتژی مومنتوم ماهانه ETF را مقایسه می‌کند. وزن‌های هدف، مجموعه دارایی‌ها، تاریخ‌ها و کل هزینه معاملات در هر دو یکسان است. یکی بازده را از وزن‌های با وقفه و بازده دارایی‌ها محاسبه می‌کند؛ دیگری سفارش‌ها را به‌ترتیب پردازش…

سهاممومنتومآزمون گذشته‌نگراجرای سفارش
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی بازده را از ادعای اینکه مومنتوم علت آن است متمایز می‌کند. بازده سال پیشِ سهام، به‌استثنای ماه اخیر، را به‌عنوان متغیر مداخله و بازده آتی را پیامد در نظر می‌گیرد. نوسان اخیر، رتبه کم‌نقدشوندگی و نسبت حجم را عوامل مخدوش‌کننده بالقوه تعریف…

سهاممومنتومیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه می‌آزماید که آیا تعبیه‌های گرافیِ آموخته‌شده، اطلاعات پیش‌بینی‌کننده‌ای به مدل جدولیِ سهام US اضافه می‌کنند. شبکه را بر پایه همبستگی‌های مطلق بازده که پیش از دوره هدف اندازه‌گیری شده‌اند می‌سازد، ویژگی‌های مومنتوم، نوسان و روند را با همان تاریخچه…

سهامیادگیری ماشینآزمون گذشته‌نگرمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه عملکرد یک خط مبنای ثابتِ مومنتومِ خریدِ صرفِ ETF را در شرایط بازار از 2010 تا 2024 بررسی می‌کند. هر بازده روزانه را با معیارهای نوسان و روندی برچسب می‌زند که پیش از آغاز همان بازده معلوم بوده‌اند؛ میانه‌های تاریخیِ گسترش‌یابنده، وضعیت‌های بالا و…

سهاممومنتومدنبال‌کردن روندنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه TSMixer، یک شبکه عصبی سری زمانی، را شرح می‌دهد که دو عملیات را به‌تناوب انجام می‌دهد: نگاشت خطی مشترکی در روزهای بازنگری برای هر ویژگی، و یک MLP ویژگی مشترک که در هر روز به‌طور مستقل اعمال می‌شود. اتصال‌های باقیمانده و پیش‌نرمال‌سازی از لایه‌ها…

یادگیری ماشینمومنتومآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه هدف‌های بازده آتی را برای رتبه‌بندی سهام US تعریف می‌کند و توضیح می‌دهد چگونه افق آن‌ها را با جلسات واقعی معاملاتی منطبق کنید. برای بازده‌ها از قیمت‌های تعدیل‌شده بابت تجزیه سهام و سود تقسیمی استفاده می‌کند، اما برای تعیین امکان معامله سهم، قیمت…

سهاممومنتومآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این خط لوله با استفاده از قیمت‌های OHLCV و منحنی بازده، ویژگی‌های مالی را برای جریان‌کار استقرار ETF می‌سازد. بازده‌ها و بازده‌های تعدیل‌شده بر اساس ریسک را در چند دوره گذشته‌نگر محاسبه می‌کند، شتاب مومنتوم و نسبت‌های نوسان را می‌سازد و سپس شاخص‌های فنی…

سهاممومنتومنوسانشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این مطالعه موردی برآورد علّی را برای مومنتوم ETF به‌کار می‌گیرد و می‌پرسد آیا اثر آن بر بازده‌های آتی با نوسان بازار تغییر می‌کند. در آن از مومنتوم پیوسته به‌عنوان متغیر مداخله، بازده آتی 21روزه به‌عنوان پیامد، کنترل‌های نوسان و منحنی بازده، و جنگل علّی برای…

سهامبازارهای آمریکامومنتومیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چرا آزمون‌های تیِ معمولی ممکن است قدرت یک ضریب اطلاعات (IC) را هنگامی که مشاهدات روزانه IC به هم وابسته‌اند بیش‌برآورد کنند. سیگنال مومنتوم را روی داده‌های ETF می‌سازد، خودهمبستگی IC را بررسی می‌کند و در کنار بوت‌استرپ بلوکی برای…

آمارآزمون گذشته‌نگرمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه بررسی می‌کند که تناوب بازمتعادل‌سازی چگونه بر گردش، عملکرد ناخالص و نتایج تعدیل‌شده با هزینه برای پرتفوی مومنتومِ برترِ صندوق‌های قابل معامله اثر می‌گذارد. گردش را از تغییرات تاریخی وزن هدف در برنامه‌های روزانه، هفتگی، دوهفته‌ای و ماهانه برآورد…

سهاممومنتوماجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه مدل‌های LightGBM را با خط پایه ریج برای پیش‌بینی بازده ETF در دو افق مقایسه می‌کند. توضیح می‌دهد که چرا درخت‌ها می‌توانند برهم‌کنش‌های وابسته به رژیم را کشف کنند، مانند رفتار متفاوت مومنتوم هنگام تنش بازار، درحالی‌که تقسیم‌های حریصانه در حضور…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه تنظیم قواعد StopLoss، TakeProfit و TrailingStop را برای سبد مومنتوم نشان می‌دهد و جدایی زمانی میان کالیبراسیون و ارزیابی را حفظ می‌کند. پهنای قواعد منفرد و ترکیب‌های مشترک را با داده کالیبراسیون می‌آزماید، سپس پیکربندی‌های انتخاب‌شده را پیش از…

سهاممدیریت ریسکآزمون گذشته‌نگرمومنتوم
یادگیری ماشین برای معامله‌گری

این سند اتصال یک استراتژی مومنتوم پنج‌روزه ETF به Alpaca را از طریق رابط مشترک استراتژی نشان می‌دهد. این استراتژی مومنتوم را در SPY، QQQ و IWM دنبال می‌کند و هنگام عبور از آستانه سیگنال می‌سازد. آداپتورهای مختص کارگزار، داده و سفارش‌ها را مدیریت می‌کنند، در…

سهاممومنتوماجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مطالعه موردی سهام US میان پیش‌بینی بازده آینده و این ادعا که مومنتوم علت آن است تمایز می‌گذارد. بازده سال گذشته سهم، بدون احتساب آخرین ماه، را متغیر درمان می‌گیرد؛ بازده آینده پیامد است و نوسان اخیر، رتبه کم‌نقدشوندگی و نسبت حجم معاملات عوامل…

سهاممومنتومیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی یک ویژگی ETF را از یک افق بازده به بررسی ده ویژگی در سه افق گسترش می‌دهد و تعدیل آزمون‌های متعدد را اعمال می‌کند. سپس تشخیص‌های مبتنی بر سازوکار را برای مومنتوم بلندمدت 12-1 و بازگشت کوتاه‌مدت به میانگین به کار می‌گیرد: جابه‌جایی زمان‌بندی…

چندداراییمومنتومبازگشت به میانگینآمار
یادگیری ماشین برای معامله‌گری

این دفترچه از یادگیری ماشین دوگانه (DML) برای برآورد اثر تعدیل‌شده یک سنجه پیوسته مومنتوم ETF بر بازده‌های بعدی استفاده می‌کند و نوسان اخیر و بلندمدت، رژیم بازار و شیب منحنی بازده را کنترل می‌کند. رگرسیون تعدیل‌نشده را با EconML و پیاده‌سازی دستی DML مقایسه…

یادگیری ماشینآمارسهاممومنتوم
یادگیری ماشین برای معامله‌گری

این ماژول مهندسی ویژگی، داده‌های قیمت روزانه را برای مدل‌های پرتفوی کلان نظام‌مند آماده می‌کند. بازده‌های افقیِ مقیاس‌شده با نوسان برآوردی، چندین سیگنال MACD چندمقیاسی و نمره‌های استاندارد غلتان قیمت لگاریتمی را می‌سازد. افق‌های بازده می‌توانند از مجموعه‌ای…

چندداراییمومنتومدنبال‌کردن روندنوسان
یادگیری ماشین برای معامله‌گری

این آموزش ویژگی‌های ساخته‌شده از تاریخچه قیمت و حجم دارایی را مرور می‌کند؛ از جمله بازده در افق‌های مختلف، سنجه‌های روند و بازگشت، چند برآوردگر نوسان، رژیم‌های نوسان، نقدشوندگی، ریسک دنباله‌ای و نرمال‌سازی مقطعی. انتخاب‌های عملی را توضیح می‌دهد؛ مانند…

شاخص‌های تکنیکالمومنتومنوسانیادگیری ماشین
یادگیری ماشین برای معامله‌گری

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…

سهامیادگیری ماشینمومنتومبازگشت به میانگین