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.
609 سند
این دفترچه سنجه‌های نوسان را مقایسه می‌کند، یک مدل خودرگرسیو ناهمگن (HAR) برازش می‌دهد و زبری را با نماهای هرست تخمین می‌زند. ابتدا واریانس تحقق‌یافته درون‌روزی را با برآوردگرهای روزانه مقایسه می‌کند، بازده‌های شبانه را از فعالیت جلسه جدا می‌کند و دام‌هایی…
این دفترچه خودرمزگذار شرطی‌ای را معرفی می‌کند که تحلیل مؤلفه‌های اصلی ابزارمند را گسترش می‌دهد: نگاشت خطی از ویژگی‌های سهام به مواجهه‌های عاملی را با یک شبکه عصبی جایگزین می‌کند. ساختار حاصل‌ضرب مواجهه‌ها در بازده عوامل را حفظ می‌کند و در عین حال روابط…
این فصل رویکردهای کلاسیک تولید داده‌های مالی مصنوعی را توضیح می‌دهد و فرایندهای قیمت در زمان پیوسته، نوسان GARCH، بازنمونه‌گیری بوت‌استرپ و مقایسه مدل‌ها را پوشش می‌دهد. همچنین توضیح می‌دهد مدل‌هایی مانند حرکت براونی هندسی، انتشار جهشی، بازگشت به میانگین و…
این تحلیل اکتشافی می‌آزماید که آیا سیگنال مومنتوم دوازده‌ماهه، با کنارگذاشتن ماه اخیر، در جهان 100-ETF دارایی با بازده ماه بعد ارتباط دارد یا نه. پنلی ماهانه از قیمت‌های پایانی تعدیل‌شده می‌سازد، ETFهای واجد شرایط را هر ماه به پنجک‌ها رتبه‌بندی می‌کند و…
این سند پیش‌بینی چندمرحله‌ایِ افزایش نرخ بهره فدرال رزرو در سال 2026 را ثبت می‌کند. سه عامل برای یافتن شواهد جست‌وجو می‌کنند و احتمال‌هایی می‌سازند؛ سپس گفت‌وگو و به‌روزرسانی ناظر انجام می‌شود. دیدگاه‌ها متفاوت‌اند: دو عامل احتمال افزایش را کم می‌دانند و…
این یادداشت پیکربندی توضیح می‌دهد چرا رگرسیون لجستیک سه‌کلاسه با جریمه L1 به‌جای حل‌گر liblinear در scikit-learn از SAGA استفاده می‌کند. به سازگاری چندکلاسه در نسخه‌های جدیدتر scikit-learn اشاره می‌کند و گزارش می‌دهد که SAGA در آزمایش‌های ریزساختار…
این دفترچه خط لوله‌ای برای استخراج رویدادهای ساختاریافته شرکتی از پرونده‌های SEC 8-K و بارگذاری آن‌ها در گراف دانش Neo4j ارائه می‌کند. یک مدل زبانی پرونده‌ها را دسته‌ای پردازش می‌کند تا رکورد رویدادهایی با فاعل، رابطه، مفعول و زمان‌مهر بسازد. گردش‌کار از…
این دفترچه جست‌وجوهای ابرپارامتر Optuna را برای XGBoost، LightGBM و CatBoost روی مجموعه‌داده ویژگی‌های شرکت‌ها مقایسه می‌کند. هر کتابخانه مطالعه جست‌وجوی جداگانه‌ای دارد که از برآوردگر پارزنِ ساختاریافته با درخت، هرس میانه، توقف زودهنگام و ذخیره‌سازی پایدار…
این دفترچه تقلید رفتار و یادگیری تقویتی معکوس (IRL) را با نمایش‌هایی از قاعده اجرای میانگین موزون زمانی قیمت (TWAP) مقایسه می‌کند. تقلید رفتار، حالت‌های مشاهده‌شده بازار را مستقیماً به کنش‌ها نگاشت می‌کند، درحالی‌که IRL پاداش خطی را بر ویژگی‌های اجرا برازش…
این دفترچه با یادگیری ماشین دوگانه بررسی می‌کند که آیا فاصله نوسان ضمنی منهای نوسان تحقق‌یافته، پس از تعدیل عوامل مخدوش‌گر مشاهده‌شده، با بازده‌های بعدی سهام ارتباط دارد یا خیر. نوسان تحقق‌یافته، مومنتوم سهام و چولگی بازگشت ریسک را به‌عنوان متغیرهای کنترلی…
این ابزار آموزش، حلقه بهینه‌سازی یک مدل به سبک DeePM را شرح می‌دهد. برای به‌روزرسانی پارامترهای مدل از AdamW و تابع زیانی با رویکرد شارپ مقاوم استفاده می‌کند و بازده‌های آتی، مقیاس‌بندی نوسان، ماسک‌ها، هزینه‌های معامله و تنظیمات دوره گرم‌شدن و کمینه نرم را…
این دفترچه مدل‌های ریج، لاسو و الاستیک‌نت را با ویژگی‌های منتشرشده شرکت‌ها برای سهام منفرد US برازش می‌دهد. ویژگی‌ها ارزش، سودآوری، سرمایه‌گذاری، اندازه، مومنتوم، بازگشت، ریسک و نقدشوندگی را دربر می‌گیرند. بخش‌های آزمون پیش‌رونده پیکربندی‌ها را قابل‌مقایسه…
این مطالعه موردی درخت‌های تقویت‌شده گرادیانی را با برچسب‌های بازده ETF برازش می‌دهد و آن‌ها را با یک مبنای خطی مقایسه می‌کند که تحت منظم‌سازی ریج قوی عملکرد خوبی داشته است. توضیح می‌دهد چرا درخت‌ها می‌توانند تعامل‌ها را کشف کنند؛ برای مثال، مومنتوم ممکن است…
این تحلیل اکتشافی، پنل تاریخی سهام US را بررسی می‌کند، فیلدهای قیمت خام و تعدیل‌شده آن را توضیح می‌دهد و پوشش نمادها را در گذر زمان می‌سنجد. شمار سالانه نمادهای فعال با نخستین و آخرین مشاهده مقایسه می‌شود تا روشن شود چرا برای فهم توانایی یک مجموعه‌داده در…
این دفترچه با استفاده از مدل GJR-GARCH، ویژگی‌های نوسان شرطی را برای مطالعه سهام و اختیار معامله S&P 500 می‌سازد. برخلاف قواعد ثابتی که بر قیمت‌های گذشته تکیه دارند، ویژگی‌های برازش‌شده به پنجره برآوردشان وابسته‌اند. بنابراین روش، برنامه بازبرازش را مشخص…
این سند مفاهیم مخزن ویژگی را مستقیماً با داده‌های Parquet یک مطالعه موردی نشان می‌دهد. نمای ویژگی، کلید موجودیت، زمان رویداد، مدت اعتبار و ستون‌های ویژگی را مشخص می‌کند. برای آموزش مدل، مقادیر تاریخی به زمان تصمیمی وصل می‌شوند که در آن قابل دانستن بوده‌اند؛…
این سند معیارسنجی موتورهای پایگاه داده را برای داده‌های سری زمانی مالی توضیح می‌دهد. نوشتن گروهی، پویش کامل، پرس‌وجوهای بازه زمانی، تجمیع OHLCV و اتصال‌های مبتنی بر آخرین داده موجود را برای داده‌های معامله و مظنه مقایسه می‌کند. روش‌شناسی، تبدیل سمت کارخواه…
این سند روش‌های پاک‌سازی داده‌های مالی را ارائه می‌کند و توضیح می‌دهد چگونه پیش‌پردازش را با بخش‌بندی آموزش و آزمون هم‌راستا نگه داریم. نکته محوری این است که تبدیل‌هایی مانند مقیاس‌بندی و وینسورایز کردن فقط با داده‌های آموزش برآورد شوند؛ استفاده از کل…
این سند مجموعه‌داده‌های عمومی بازده عوامل Fama-French و AQR را به‌عنوان ورودی‌هایی برای معیارسنجی، انتساب ریسک و پژوهش عوامل معرفی می‌کند. عوامل بازار، اندازه، ارزش، سودآوری، سرمایه‌گذاری و مومنتوم از کتابخانه Fama-French را در کنار سری‌های AQR شرح می‌دهد که…
این دفترچه افشاهای نهادی 13F را به گرافی دوبخشی تبدیل می‌کند که مدیران را به سهام پیوند می‌دهد و سپس ویژگی‌های مالکیت در سطح سهام را استخراج می‌کند. موقعیت‌های تکراری مدیر و سهام را تجمیع می‌کند، برچسب ناشران را نرمال‌سازی می‌کند، ردیف‌های اختیار معامله را…
این دفترچه می‌سنجد که آیا داده‌های قراردادهای آتی دائمی بایننس می‌توانند پشتیبان یک استراتژی مقطعی باشند که قراردادها را بر اساس صرف رتبه‌بندی می‌کند و موقعیت‌های خرید و فروش استقراضی می‌گیرد. مدل برازش نمی‌کند و پیش‌بینی هم انجام نمی‌دهد. در عوض، جهان…
این دفترچه اثر هزینه‌های فرضی معامله را در استراتژی‌های برگرفته از چند مطالعه موردی مقایسه می‌کند. بک‌تست‌های حساسیت به هزینه را برای هر پیکربندی استراتژیِ به‌کارگرفته‌شده می‌خواند، شارپ ناخالص را با شارپ خالص در هزینه فرضی خود مطالعه موردی مقایسه می‌کند و…
این دفترچه امضاهای مسیر را به‌عنوان ویژگی‌هایی با طول ثابت توضیح می‌دهد که ترتیب و شکل مشترک مشاهدات را در یک سری زمانی حفظ می‌کنند. شرح می‌دهد که سطح نخست امضا تغییرات کل را ثبت می‌کند، درحالی‌که جمله‌های سطح دوم مساحت‌های علامت‌دار میان جفت مختصات را ثبت…
این سند سامانه ثبت اجرا را برای ثبت آموزش مدل، پیش‌بینی‌ها، برآوردهای علّی و بک‌تست‌ها در مطالعات موردی معاملاتی توضیح می‌دهد. شرح می‌دهد که پیکربندی‌ها چگونه از تنظیمات مطالعات موردی و منوهای آموزش و پیش‌تنظیم‌های مدل عبور می‌کنند و سپس به مشخصات…