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.
629 سند
این دفترچه مدل‌های خطی را روی ویژگی‌های ریزساختار NASDAQ-100 که در بازه‌های یک‌دقیقه‌ای مشاهده شده‌اند برازش می‌دهد تا بازده‌ها را در چند افق آتی پیش‌بینی کند. هدف آن ایجاد یک مبنای ساده پیش از استفاده از مدل‌های توانمندتر است. چون ویژگی‌های اسپرد و…
این دفترچه نحوه ارزیابی یک استراتژی FX منتخبِ قبلی را بر اساس پیش‌بینی‌های نگه‌داشته‌شده شرح می‌دهد. از مشخصات ثبت‌شده بک‌تستِ پیکربندی منتخب دوباره استفاده می‌کند و سیگنال، تخصیص، کنترل‌های ریسک، قاعده بازتوازن، هزینه‌ها و تنظیمات حساب را ثابت نگه می‌دارد.…
این ارزیابی ویژگی‌ها، گزینه‌های مالی و برگرفته از مدل را در برابر بازده‌های آتیِ قراردادهای آتی CME غربال می‌کند. برای هر ویژگی، پوشش و کهنگی داده را بررسی می‌کند، همبستگی رتبه‌ای مقطعی روزانه میان مقادیر ویژگی و بازده‌های آتی را می‌سنجد، عدم‌قطعیت ناشی از…
این دفترچه TabM، یک گروه عصبی با اشتراک‌گذاری وزن، را روی پنلی از ویژگی‌های قراردادهای آتی دائمی رمزارز به کار می‌برد. اعضا یک زیربنای عصبی مشترک اما بردارهای مقیاس‌بندی و لایه‌های خروجی جداگانه دارند و گروه‌سازی کارآمد را با برهم‌کنش‌های غیرخطی میان…
این دفترچه مدل‌های دنباله‌ای LSTM و NLinear را برای پیش‌بینی قراردادهای آتی ارزیابی می‌کند. برخلاف مدل‌هایی که برای هر تصمیم از یک ردیف ویژگی استفاده می‌کنند، مدل‌های دنباله‌ای پنجره‌های مرتب‌شده‌ای از مشاهدات گذشته را می‌گیرند و ممکن است الگوهایی را…
این دفترچه گردش‌کار تشخیصی در سطح معامله را نشان می‌دهد که زیان‌های تحقق‌یافته را به توضیح‌های SHAP مدل پیوند می‌دهد. مدل LightGBM را با ویژگی‌های قیمت و نوسانِ باوقفه، به‌علاوه ورودی‌های کلان، آموزش می‌دهد تا بازده SPY نشست بعد را پیش‌بینی کند. آستانه ثابت…
این دفترچه چرخه استقرار یک مدل روزانه جفت‌های FX را مرور می‌کند که در آن Interactive Brokers هم منبع داده زنده و هم محل اجراست. مدل رگرسیون Ridge را روی پنل تاریخی آموزش می‌دهد، مجموعه‌ای فشرده از ویژگی‌های بازده روزانه، مومنتوم، نوسان و مشتق‌شده از قیمت را…
این دفترچه شش تخصیص فقط‌خرید پرتفوی را برای مجموعه‌ای چنددارایی از صندوق‌های قابل معامله ETF مقایسه می‌کند. از انقباض کوواریانس Ledoit–Wolf برای کاهش تغییرات نمونه‌گیری که می‌تواند بهینه‌سازی را بی‌ثبات کند بهره می‌برد و بیشینه‌سازی شارپ، کمینه‌سازی واریانس،…
این دفترچه دو روش تقسیم یک سفارش بزرگ سهام به سفارش‌های کوچک‌تر در طول نشست معاملاتی را مقایسه می‌کند. TWAP در هر فاصله زمانی تقریباً مقدار برابری می‌فرستد و به پیش‌بینی بازار نیاز ندارد. VWAP سهم‌ها را بر اساس نمایه برآوردشده حجم درون‌روزی تخصیص می‌دهد تا…
این دفترچه برای فرضیه‌ای مقطعی ویژگی می‌سازد: موقعیت خریدِ غیرمعمولاً پرهزینه در قراردادهای آتی دائمی ممکن است پیش از ضعف نسبی، هنگام بازشدن معاملات شلوغ، رخ دهد. نرخ‌های تأمین مالی و داده‌های شاخص پریمیوم را به سطح‌ها، نمره‌های استانداردشده تاریخی، رتبه‌های…
این فصل داده‌های مالی را در منابع بازار، بنیادی و جایگزین ترسیم می‌کند و سپس بررسی می‌کند که طبقه‌های دارایی چگونه معنای قیمت، نقدشوندگی و مشاهدات را شکل می‌دهند. تأکید می‌کند که مُهرهای زمانی، تعدیل‌ها، شناسه‌ها و بازبینی‌ها بخشی از تعریف مجموعه‌داده‌اند و…
این دفترچه خودرمزگذاری نظارت‌شده را برای پیش‌بینی بازده پیش‌نگر ETF ارائه می‌کند. شبکه، ردیف ویژگی‌های یک صندوق را به بازنمایی کم‌بعد فشرده می‌کند و بازده را مستقیماً از همان بازنمایی پیش‌بینی می‌کند. برخلاف خودرمزگذارهای شرطی در همین خانواده مدل، فرض…
این دفترچه سه نقطه‌بررسی ترنسفورمر را برای تحلیل احساسات سه‌کلاسه جملات مالی تنظیم دقیق می‌کند و دقت، F1 کلان، ماتریس‌های درهم‌ریختگی، شمار پارامترها و زمان آموزش آن‌ها را مقایسه می‌کند. از تقسیم‌بندی طبقه‌بندی‌شده آموزش، اعتبارسنجی و آزمونِ مجموعه Financial…
این سند توضیح می‌دهد چگونه با استفاده از قیمت‌های پایانی تعدیل‌شده در تاریخ مشاهده و یک نشست معاملاتی بعدی، برچسب‌های روزانه بازده پیش‌نگر را برای صندوق‌های قابل معامله ساخت. یک برچسب اصلی با افق ماهانه و نسخه‌ای کوتاه‌تر با افق هفتگی ایجاد می‌کند؛ برچسب‌ها…
تحلیل مؤلفه‌های اصلی با صرف ریسک PCA ماتریس کوواریانس را با افزودن حاصل‌ضرب خارجیِ وزن‌دارِ بردار میانگین بازده آموزشی تغییر می‌دهد. بردارهای ویژه پیشرو، پرتفوی‌های عاملی ایستا را تعریف می‌کنند: با صفر بودن وزن، تحلیل مؤلفه‌های اصلی معمولی PCA به دست می‌آید؛…
این سند شرح می‌دهد که مطالعه قراردادهای آتی CME پس از انتخاب پیکربندی مدل بر پایه داده‌های اعتبارسنجی، چگونه برای یک دوره نگه‌داشته‌شده پیش‌بینی تولید می‌کند. پیکربندی و نقطه‌بررسی منتخب از نتایج اعتبارسنجی بازیابی می‌شوند و سپس مدل فقط با تاریخچه‌ای که پیش…
این سند مجموعه‌داده روزانه سهام US را توصیف می‌کند که از حدود 3,200 شرکت، از 1962 تا مارس 2018، پوشش می‌دهد. ناشران حذف‌شده از فهرست را نیز دربرمی‌گیرد؛ بنابراین برای پژوهش تاریخی مفید است، چون کنارگذاشتن شرکت‌های ناموفق یا حذف‌شده می‌تواند نتایج را منحرف…
این دفترچه بررسی می‌کند فرض‌های هزینه معامله چگونه بر شارپ اعتبارسنجیِ یک تخصیص انتخاب‌شده سهام و اختیار معامله S&P 500 اثر می‌گذارند. در صورت وجود، پیکربندی انتخاب‌شده از مجموعه نامزدهای تثبیت‌شده را ادامه می‌دهد؛ سپس همان زنجیره را روی شبکه‌ای از هزینه‌های…
این دفترچه پیاده‌سازی‌های پیش‌بینی تک‌متغیره قیمت SPY را در PyTorch خام، sktime و Darts مقایسه می‌کند. هدف اصلی سنجش تلاش عملی است: طول کد، نیازهای رابط، موفقیت نصب و زمان ترکیبی برازش و پیش‌بینی. پیش‌بینی ساده آخرین قیمت مشاهده‌شده نقطه مرجعی فراهم می‌کند؛…
این فصل استدلال می‌کند که پژوهش معاملاتی بادوام به فرایندی منضبط وابسته است که با بازارهای در حال تغییر، شواهد پرنویز و هزینه‌های اجرا سازگار شود. تفاوت شکست‌های ساختاری، رژیم‌ها، رانش داده و رانش مفهوم را معرفی می‌کند؛ سپس گردش‌کاری از پژوهش تا تولید ارائه…
این دفترچه ارزیابی، ویژگی‌های مالی و مبتنی بر مدل را از نظر ارتباط با بازده هشت ساعت بعدِ قراردادهای آتی دائمی رمزارز غربال می‌کند. نمونه ارزیابی را از پنجره‌های اعتبارسنجی پیش‌رونده می‌سازد، دوره نهایی نگه‌داشته‌شده را بیرون از تحلیل می‌گذارد و هر ویژگی را…
این دفترچه پیش از برازش هر مدلی بررسی می‌کند که آیا یک استراتژی رتبه‌بندی روزانه سهام US داده قابل استفاده کافی برای ارزیابی منصفانه دارد یا نه. توضیح می‌دهد چگونه با استفاده از اجزای تاریخی، جهان سرمایه‌گذاری مقطع زمانی بسازیم؛ در غربال قابلیت معامله از…
این دفترچه بررسی می‌کند منظم‌سازی چگونه بر مدل آتی CME ساخته‌شده از خانواده‌های ویژگی همبسته، از جمله معیارهای معامله انتقالی، شارپ غلتان، مومنتوم و نوسان اثر می‌گذارد. Ridge، Lasso و ElasticNet را مقایسه می‌کند: Ridge ضرایب را کوچک می‌کند و ویژگی‌ها را نگه…
این دفترچه قواعد حد ضرر، حد ضرر متحرک و خروج زمانیِ پیکربندی‌شده را برای قوی‌ترین سیگنال یا استراتژی تخصیصِ رتبه‌بندی‌شده بر اساس اعتبارسنجی، برای هر افق بازده آتی اعمال می‌کند. هر قاعده جداگانه روی استراتژی پایه خودش ارزیابی می‌شود و پارامترها از پیش تثبیت…