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

487 سند

یادگیری ماشین برای معامله‌گری

این دفترچه TimeGAN، یک مدل خصمانه مولد بازگشتی برای تولید توالی‌های مالی مصنوعی را معرفی می‌کند. پنج ماژول آن بازنمایی و بازسازی را می‌آموزند، حالت‌های نهفته پیاپی را پیش‌بینی می‌کنند، از نویز توالی می‌سازند و توالی‌های تولیدشده را از واقعی تشخیص می‌دهند.…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه دو آشکارساز ترتیبی را روی خطاهای پیش‌بینی واقعیِ اعتبارسنجی از دو پیکربندی مدل خطی سهام US در طول یک سال تقویمی به کار می‌گیرد. آشکارساز تغییر میانگین با دو پنجره، تغییر در اندازه خطا را می‌جوید؛ پایشگر فراوانی روزهای بد نیز دنبال می‌کند که…

یادگیری ماشینآمارمدیریت ریسکسهام
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد که TWAP و VWAP چگونه یک سفارش مادر بزرگ‌حجم را در طول جلسه معاملاتی به سفارش‌های فرزند تقسیم می‌کنند. TWAP سهم‌های برابر را به هر بازه زمانی اختصاص می‌دهد؛ VWAP سهم‌ها را متناسب با پیش‌بینی حجم بازه تخصیص می‌دهد. دفترچه این پیش‌بینی را…

اجرای سفارشریزساختار بازارآزمون گذشته‌نگرسهام
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه بیازماییم آیا رویدادهایی مانند سیگنال‌های معاملاتی یا اعلامیه‌ها، بازدهی فراتر از معیار بازار را پیش‌بینی می‌کنند یا نه. گردش کار را با شکست‌های مومنتوم در صندوق‌های قابل معامله نقدشونده نشان می‌دهد: مدل بازار را از بازده‌های…

آمارآزمون گذشته‌نگرمومنتومشکست قیمت
یادگیری ماشین برای معامله‌گری

این تحلیل امکان‌پذیری بررسی می‌کند که آیا داده مظنه می‌تواند از استراتژی مقطعیِ خنثی از بازار پشتیبانی کند که اجزای NASDAQ-100 را هر پانزده دقیقه رتبه‌بندی می‌کند و در دو انتهای رتبه‌بندی موقعیت می‌گیرد. بررسی می‌کند آیا نمادهای واجد شرایط به‌اندازه کافی…

سهامریزساختار بازاراجرای سفارشآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد که چگونه تراکنش‌های اشخاص داخلی شرکت را برای پژوهش سهام از فایل‌های خام SEC فرم 4 XML استخراج کنیم. هر بلوک تراکنش را واحد تجزیه می‌گیرد تا پیوند کد تراکنش، تاریخ، تعداد سهام، قیمت و جهت حفظ شود. پیمایش درخت XML مانع آمیختن فیلدهای…

سهامبازارهای آمریکامبتنی بر رویدادآمار
یادگیری ماشین برای معامله‌گری

این دفترچه قواعد کنترلی حد ضرر، حد ضرر متحرک و خروج زمانی را در بک‌تست‌های ریزساختار ثابت NASDAQ-100 مقایسه می‌کند. استراتژی هر پانزده دقیقه تصمیم می‌گیرد، درحالی‌که قواعد ریسک قیمت‌ها را هر دقیقه پایش می‌کنند؛ بنابراین این قواعد می‌توانند بین…

مدیریت ریسکآزمون گذشته‌نگرتعیین اندازه موقعیتسهام
یادگیری ماشین برای معامله‌گری

این دفترچه ویژگی‌های زمینه‌ایِ کم‌تغییر را برای تصمیم‌های معاملاتی روزانه شرح می‌دهد: نسبت‌های حسابداری، شرایط اقتصاد کلان و کدگذاری‌های تقویمی. معیارهای ارزش و کیفیت، مانند بازده سود به قیمت، سودآوری، اقلام تعهدی، اهرم و بازده جریان نقدی را مرور می‌کند و با…

سهامسرمایه‌گذاری عاملیآمارشاخص‌های تکنیکال
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی کانفورمال تفکیک‌شده، رگرسیون چندکی کانفورمال‌شده و استنباط کانفورمال تطبیقی را برای پیش‌بینی بازده‌های آتی ETF مقایسه می‌کند. در بخش‌های آزمون پیش‌رونده، مدل را روی یک زیرمجموعه آموزش می‌دهد، خطاهای بازه را روی زیرمجموعه‌ای دیگر کالیبره…

سهامیادگیری ماشینآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های اعتبارسنجی را به‌صورت پرتفوی‌های سهامِ فقط خرید ارزیابی می‌کند؛ از انتخاب هم‌وزنِ K دارایی برتر و برنامه تصمیم‌گیری تعیین‌شده بر اساس تناوب هر برچسب استفاده می‌کند. ترتیب رویداد از قیمت پایانی تا قیمت آغازین بعدی را با اجرای سیگنال…

سهاماختیار معاملهآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این مطالعه موردی مدل‌های دنباله‌ای را روی پنل ویژگی‌های سهام و اختیار معامله S&P 500 مقایسه می‌کند. یک LSTM را که حالت دروازه‌دار را در پنجره گذشته‌نگر نگه می‌دارد، در کنار خط مبنای N-Linear قرار می‌دهد که سطح اخیر را حذف و یک نگاشت خطی برازش می‌کند. این خط…

سهاماختیار معاملهیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه معماری پنج‌بخشی TimeGAN را توضیح می‌دهد: یک جاساز و شبکه بازیابی، مشاهدات خام و فضای نهفته را به یکدیگر نگاشت می‌کنند؛ یک ناظر گذارهای زمانی را می‌آموزد و یک مولد و تمایزدهنده به‌صورت خصمانه آموزش می‌بینند. آموزش مرحله‌ای را شرح می‌دهد و مدل را…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پنجره‌های غلتان بازده ETF را به تصاویر دوکاناله برای یک شبکه عصبی کانولوشنی تبدیل می‌کند. میدان جمع زاویه‌ای گرامین، مقادیر هر پنجره را باز‌مقیاس می‌کند، آن‌ها را به زاویه تبدیل می‌کند و روابط مثلثاتی میان جفت‌های موقعیت زمانی را ثبت می‌کند. میدان…

یادگیری ماشینآمارسهامآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه می‌سنجد که عملکرد اعتبارسنجی یک استراتژی منتخب مبتنی بر ویژگی‌های شرکت‌های US، با تغییر کمیسیون‌ها و لغزش قیمت فرض‌شده چگونه تغییر می‌کند. همان پیکربندی را در شبکه‌ای از هزینه‌های اعلام‌شده دوباره اجرا می‌کند و هر هزینه کل را به‌طور مساوی میان…

سهامآزمون گذشته‌نگراجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد پس از انتخاب پیکربندی با داده‌های اعتبارسنجی، چگونه برای دوره نگه‌داشته‌شده دست‌نخورده پیش‌بینی تولید کنید. پیکربندی منتخب را مشخص می‌کند، مشخصات آموزشی آن را برای دوره نگه‌داشته‌شده بازسازی می‌کند و پنجره آموزش را از خط زمانی موجود و…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این پیکربندی مطالعه‌ای درون‌روزی از سیگنال‌های جریان سفارش را در مجموعه سهام NASDAQ-100 بر اساس اطلاعات در نقطه زمانی توصیف می‌کند. زیرمجموعه‌ای را با غربال هزینه و بر مبنای اطلاعات نقدشوندگیِ در دسترس پیش از هر دوره ارزیابی تعریف می‌کند، برنامه‌های…

سهامبازارهای آمریکاریزساختار بازاریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه مهندسی ویژگی توضیح می‌دهد که اطلاعات کندتر چگونه می‌توانند از طریق داده‌های بنیادی، اقتصاد کلان و زمینه تقویمی، سیگنال‌های معاملاتی سریع‌تر را مشروط کنند. نسبت‌های ارزشی مانند ارزش دفتری به بازار و بازده سود، سنجه‌های کیفیت مانند بازده حقوق صاحبان…

سرمایه‌گذاری عاملیسهامآماریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه پس از انتخاب مدل و استراتژی در فولدهای اعتبارسنجی، برای یک پیکربندی ریزساختار NASDAQ-100 پیش‌بینی‌های دوره نگه‌داشته‌شده تولید کنید. مشخصات آموزش انتخاب‌شده را بازسازی می‌کند، فولد نگه‌داشته‌شده را از پنجره اعلام‌شده مطالعه…

سهامریزساختار بازاریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد محدودیت مشارکت حجمی چگونه مقدار سفارشی را که می‌تواند در هر بازه بازار اجرا شود، محدود می‌کند. کارگزار بخش مجاز سفارش را بر اساس حجم معاملات مشاهده‌شده محاسبه می‌کند و باقی‌مانده اجرا‌نشده را به بازه بعد منتقل می‌کند. سقف‌های مشارکت…

اجرای سفارشریزساختار بازارمدیریت ریسکسهام
یادگیری ماشین برای معامله‌گری

این سند مجموعه داده روزانه ETF را توصیف می‌کند که برای پژوهش مومنتوم و بین‌دارایی به‌عنوان مجموعه نامزد در نظر گرفته شده است. نه دسته را پوشش می‌دهد، از جمله سهام US و بین‌المللی، درآمد ثابت، کالاها، صندوق‌های تخصصی و ارزها. داده‌ها از Yahoo Finance گرفته…

چندداراییمومنتومسهامدرآمد ثابت
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی تک‌عاملی را با داده‌های واقعی ETF و نمونه‌ای از مومنتوم مبتنی بر قیمت نشان می‌دهد. ضرایب اطلاعات اسپیرمن مقطعی را در برابر بازده‌های آتی اندازه‌گیری می‌کند، افق‌ها را مقایسه می‌کند و تفاوت میان میانگین‌گیری ICهای مقطعی روزانه و محاسبه یک…

سهاممومنتومآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این مطالعه موردی ویژگی‌های مالی و مبتنی بر مدل را در برابر بازده‌های آتی برای یک استراتژی ریزساختار NASDAQ-100 غربال می‌کند. ضرایب اطلاعات رتبه‌ای مقطعی را در طول زمان محاسبه می‌کند، استنباط را برای وابستگی و آزمون‌های متعدد تعدیل می‌کند و شکل بازده در…

سهامریزساختار بازارآماریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این فصل تولیدِ بازیابی‌افزوده را راهی برای مفیدتر کردن مدل‌های زبانی در پژوهش مالیِ باز و گسترده معرفی می‌کند؛ حوزه‌ای که ادعاهای بی‌پشتوانه و توهم‌زایی می‌توانند پرهزینه باشند. مراحل سامانه را از ورود اسناد و بخش‌بندیِ آگاه از ساختار تا فراداده، تعبیه‌های…

یادگیری ماشینآمارسهاماحساسات بازار
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه برچسب‌های بازده آتی درون‌روزی را برای سهام NASDAQ-100 با استفاده از کندل‌های دقیقه‌ای و مظنه‌های NBBO بسازید. بازده را از کندل بعدی پس از سیگنال تا نقطه پایانی مشخصی در آینده تعریف می‌کند، برای کاهش نوسان ناشی از رفت‌وبرگشت قیمت…

سهامریزساختار بازاراجرای سفارشآمار