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

102 سند

یادگیری ماشین برای معامله‌گری

این مطالعه می‌پرسد آیا کمیت‌های بازار اختیار معامله می‌توانند بازده آتی سهام را رتبه‌بندی کنند. ویژگی‌ها شامل نوسان ضمنی در سررسیدهای مختلف، چولگی اختیار فروش‌ـ‌خرید، شیب ساختار سررسید و صرف ریسک واریانس هستند. چون بسیاری از سنجه‌ها در چند شکل هم‌پوشان…

اختیار معاملهسهامنوسانیادگیری ماشین
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 دفترچه سوابق معاملات و مظنه AAPL را هنگام سقوط بازار در مارس 16، 2020 بررسی می‌کند تا نشان دهد ریزساختار بازار زیر فشار چگونه تغییر می‌کند. داده معاملات را به ساعات عادی معاملاتی محدود می‌کند، ثبت معاملات را از به‌روزرسانی‌های بهترین مظنه خرید و فروش ملی…

سهامریزساختار بازاراجرای سفارشنوسان
یادگیری ماشین برای معامله‌گری

این دفترچه ارزش در معرض ریسک را به‌صورت چندک زیان و ارزش در معرض ریسک شرطی، یا زیان مورد انتظار، به‌عنوان میانگین زیان فراتر از آن آستانه توضیح می‌دهد. ریسک دنباله‌ای یک‌روزه را برای یک ETF سهامی گسترده با چهار روش برآورد می‌کند: چندک‌های تاریخی تجربی، مدل…

سهامنوسانمدیریت ریسکآمار
یادگیری ماشین برای معامله‌گری

این مطالعه موردی مدل‌های خطی منظم‌شده را روی بازده استرادل‌های فروش در قیمت اعمال فعلی که تا سررسید نگه داشته می‌شوند برازش می‌دهد. درآمد پرمیوم، سود را محدود می‌کند، درحالی‌که زیان می‌تواند نامحدود رشد کند؛ بنابراین چند زیان شدید بر تابع هدف رگرسیون با خطای…

اختیار معاملهنوسانیادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه چهار ویژگی مبتنی بر مدل را برای پژوهش اختیارهای S&P 500 می‌سازد: پیش‌بینی‌های نوسان روز بعد از GJR-GARCH و نوسان تصادفی، به‌علاوه تفاوت هر پیش‌بینی با نوسان ضمنی بازار اختیار. توضیح می‌دهد مدل‌ها چگونه فقط با داده‌های موجود در هر تاریخ بازبرازش…

اختیار معاملهنوسانقیمت‌گذاری مشتقه‌هاآزمون گذشته‌نگر
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 روش‌های سنجش نوسان را مقایسه می‌کند و در کنار تحلیل ناهمواری، مدل‌های نوسان خودرگرسیو ناهمگن (HAR) را توسعه می‌دهد. از بازده‌های درون‌روزی برای برآورد واریانس تحقق‌یافته نشست استفاده می‌کند، حرکت درون‌روزی را از بازده شبانه متمایز می‌سازد و…

نوسانآمارشاخص‌های تکنیکالسهام
یادگیری ماشین برای معامله‌گری

این دفترچه چهار تخصیص مرجع ETF را با استفاده از بازه‌های بحران تاریخی، شوک‌های هم‌زمان دارایی که دستی تعریف شده‌اند، شبیه‌سازی مونت‌کارلو با توزیع Student-t و آمار رژیم بازار مقایسه می‌کند. معیار بیشینه افت سرمایه را توضیح می‌دهد و از سبدهای با وزن ثابت…

چندداراییمدیریت ریسکساخت پرتفوینوسان
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 قیمت‌گذاری بلک–شولز برای اختیار خرید و فروش اروپایی را توسعه می‌دهد، برابری اختیار خرید و فروش را بررسی می‌کند و با روش ریشه‌یابی برنت نوسان ضمنی را محاسبه می‌کند. همچنین دلتا، گاما، وگا، تتا و رو را تعریف می‌کند و با نمودار نشان می‌دهد حساسیت‌های…

اختیار معاملهقیمت‌گذاری مشتقه‌هانوسانمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های ETF توضیح می‌دهد چگونه مدل‌های آماری برازش‌شده می‌توانند از طریق پارامترهای برآوردشده، حتی وقتی فرمول‌هایشان از مشاهدات گذشته استفاده می‌کنند، اطلاعات آینده را نشت دهند. راهکار آن برنامه بازبرازش پیش‌رونده است: یک دوره گرم‌شدن اولیه در…

سهامیادگیری ماشینآمارنوسان
یادگیری ماشین برای معامله‌گری

این تحلیل بررسی می‌کند آیا داده روزانه اختیار معامله می‌تواند از استراتژی هفتگی فروش استرادل‌های در قیمت برای اجزای S&P 500 پشتیبانی کند؛ در این استراتژی سهام با دلتا پوشش داده می‌شوند و قراردادها تا سررسید نگه داشته می‌شوند. توضیح می‌دهد چگونه اختیارهای…

اختیار معاملهنوساناجرای سفارشآزمون 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 دفترچه ویژگی‌های مبتنی بر مدل را برای قراردادهای آتی دائمی رمزارز توسعه می‌دهد: پیش‌بینی‌های نوسان شرطی هر دارایی از GJR-GARCH و احتمال رژیم تنش‌زده در کل بازار از مدل پنهان مارکوف گاوسی دوحالته‌ای که با تسویه‌های تأمین مالی برازش شده است. برخلاف…

رمزارزقراردادهای آتی دائمینوسانیادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه از تحلیل بیشینه حرکت مطلوب و نامطلوب برای تعیین پهنای موانع سه‌گانه بر اساس مسیرهای مشاهده‌شده قیمت استفاده می‌کند. برای ورود خرید در قیمت پایانی یک کندل، بالاترین سقف و پایین‌ترین کف را در پنجره نگهداری بعدی می‌سنجد؛ در موقعیت فروش، جای حرکت‌های…

مدیریت ریسکنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پنل اقتصادی‌ای را بررسی می‌کند که از سری‌های داده‌های اقتصادی فدرال رزرو ساخته شده است. نشان می‌دهد پنل ارائه‌شده از تاریخ‌های تقویمی، شامل آخرهفته‌ها و تعطیلات، استفاده می‌کند و فراداده همراه، معنای هر سری، تناوب منبع و هر فرمول مشتق‌شده را مشخص…

درآمد ثابتنوسانآماربازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های نامزد را برای استراتژی‌ای غربال می‌کند که اختیار خرید و فروشِ هم‌قیمتِ اعمال را روی یک سهام و با سررسید یکسان می‌فروشد و استرادل را تا سررسید نگه می‌دارد. برای هر ویژگی می‌سنجد که آیا نام‌های در دسترس را به همان ترتیبی رتبه‌بندی می‌کند…

اختیار معاملهسهامآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه تجزیه موجک و برآوردهای طیفی غلتان، بازده‌های مالی را در مقیاس‌های زمانی مختلف توصیف می‌کنند. موجک‌ها بازده را به مؤلفه‌هایی تقسیم می‌کنند که بازه‌های زمانی به‌تدریج طولانی‌تری را در بر می‌گیرند و نشان می‌دهند کدام مقیاس‌ها بیشترین…

سهامآمارنوسانشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه تغییرات پیوسته قیمت را از جهش‌ها در بازده سهام درون‌روزی جدا کنیم. واریانس تحقق‌یافته روزانه را از بازده‌های مجذور برآورد می‌کند و از تغییرات بای‌پاور به‌عنوان برآوردی مقاوم به جهش از مؤلفه پیوسته استفاده می‌کند؛ تفاضل نامنفی…

سهامنوسانآمارریزساختار بازار
یادگیری ماشین برای معامله‌گری

این درس، مدل‌های تصادفی پارامتری و روش‌های بوت‌استرپ را برای تولید مسیرهای مالی مصنوعی مقایسه می‌کند. حرکت براونی هندسی، انتشار جهشی، بازگشت به میانگین، نوسان‌پذیری تصادفی هستون و GARCH را در کنار بازنمونه‌گیری مستقل و بلوکی پوشش می‌دهد. مدل‌ها با استفاده از…

آمارنوسانمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه برچسب‌های بازده آینده را برای استرادل‌های فروش در قیمت اعمال نزدیک به قیمت بازار روی سهام S&P 500 می‌سازد. چون پنل روزانه استرادل 30-روزه در هر جلسه به قیمت اعمال یا سررسید دیگری منتقل می‌شود، جابه‌جایی یک سری قیمت، قراردادهای متفاوتی را مقایسه…

اختیار معاملهقیمت‌گذاری مشتقه‌هانوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

دفترچه ارزش در معرض ریسک (VaR) را توضیح می‌دهد که چندک زیان را مشخص می‌کند، و ارزش در معرض ریسک شرطی (CVaR) را که میانگین زیان‌های فراتر از آن آستانه است. با استفاده از بازده‌های روزانه ETF، برآوردهای تاریخی، گاوسی، تعدیل‌شده با Cornish–Fisher و مونت‌کارلوی…

مدیریت ریسکنوسانآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه یک مسئله بازارسازی شبیه‌سازی‌شده می‌سازد که در آن عامل PPO کجی مظنه و پهنای اسپرد را انتخاب می‌کند. هرچه مظنه‌ها از قیمت میانی دورتر شوند، احتمال انجام سفارش کاهش می‌یابد؛ عدم‌تعادل سفارش نیز هم بر انجام سفارش و هم بر حرکت‌های بعدی قیمت اثر…

بازارسازییادگیری ماشیناجرای سفارشریزساختار بازار