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.
956 سند
این ماژول پارامترهای بازارهای رمزارزی شبیه‌سازی‌شده را برای محیط‌های یادگیری تقویتی برآورد می‌کند. داده‌های ساعتی بازار دائمی را برای نماد انتخاب‌شده بارگیری می‌کند، بازده‌های لگاریتمی از قیمت پایانی تا قیمت پایانی را محاسبه می‌کند و مدل نوسان GARCH(1,1) را…
این دفترچه مقایسه‌هایی میان مطالعات موردی مختلفِ مدل‌های LightGBM را سامان‌دهی می‌کند و در صورت دسترس‌بودن، مدل‌های خطی و TabM را به‌عنوان خانواده‌های مرجع به کار می‌گیرد. پیکربندی‌ها را بر اساس اندازه درخت، زیان‌های رگرسیون، نقاط وارسی و اهداف طبقه‌بندی…
این سند محیطی Gymnasium را برای آموزش یک عامل به‌منظور نقدکردن موقعیت طی افقی ثابت شرح می‌دهد. مشاهده، موجودی و زمان باقی‌مانده را با اسپرد، عمق بازار، نوسان و رژیم عادی یا بحرانی ترکیب می‌کند. کنش پیوسته سرعت اجرا را نسبت به برنامه مرجع تعیین می‌کند و…
این دفترچه LightGBM را با یک MLP، TabM و در صورت دسترسی TabPFN برای پیش‌بینی بازده آتی ETF با ویژگی‌های جدولی مقایسه می‌کند. مدل‌ها روی فولدهای زمانی پیش‌رونده مشترک ارزیابی می‌شوند و ضریب اطلاعات رتبه‌ای و زمان آموزش سنجه‌های اصلی مقایسه‌اند. رویکردهای عصبی…
این سند مقایسه قواعد حد ضرر ثابت و متحرک را برای استراتژی‌های FX در مرحله اعتبارسنجی شرح می‌دهد. برای هر برچسب بازده، استراتژی مادر را از گروه بسته‌ای از نتایج سیگنال و تخصیص انتخاب می‌کند و سپس، با ثابت نگه‌داشتن هویت استراتژی مادر، کنترل ریسک تعریف‌شده در…
این دفترچه حداقل مربعات معمولی را با Ridge، LASSO و Elastic Net برای پیش‌بینی بازده‌های آتی 21روزه در ETFها مقایسه می‌کند. مدل‌ها از همان فولدهای پیش‌رونده تعریف‌شده استفاده می‌کنند و فاصله پاک‌سازی با افق برچسب هماهنگ است. هر فولد مقادیر حدی ویژگی‌ها را با…
این سند چالش کشف علّی ADIA Lab را به‌عنوان استنباط نظارت‌شده درون خانواده‌ای شناخته‌شده از داده‌های مصنوعی بررسی می‌کند. این وظیفه با استفاده از جفت‌های متعدد داده و گراف برچسب‌خورده، متغیرها را در هشت نقش پیرامون مداخله و پیامد قرار می‌دهد. توضیح می‌دهد چرا…
این ماژول از مجموعه‌های پیش‌بینی ثبت‌شده، ترکیب میانگین پیش‌بینی می‌سازد و به‌ویژه بر بازتولیدپذیری و پرهیز از سوگیری انتخاب تمرکز دارد. پیکربندی‌های مدل واجد شرایط را از ثبت‌گاه استخراج می‌کند، نه از فهرست دستی اعضا؛ پیش‌بینی‌های ناقص یا بازنشسته را کنار…
این دفترچه مدل فضای حالت روند خطی محلی را برای استخراج ویژگی‌های مالی از سطح قیمت توضیح می‌دهد. حالت پنهان شامل سطح قیمت و شیب آن است؛ مشاهدات، قیمت‌های پایانی پرنویز هستند. فیلتر در هر گام حالت را پیش‌بینی می‌کند، نوآوری مشاهده را می‌سنجد و برآورد را بر…
این دفترچه تغییرات پیوسته قیمت را از جهش‌های گسسته در بازده درون‌روزی سهام جدا می‌کند. واریانس تحقق‌یافته روزانه را از مجذور بازده لگاریتمی برآورد می‌کند و تغییرات دو‌توانی را به‌عنوان برآورد مقاوم به جهش از مؤلفه پیوسته به کار می‌گیرد؛ اختلاف نامنفی آن‌ها…
این دفترچه از تحلیل مؤلفه‌های اصلی روی بخشی نقدشونده از سهام US برای استخراج عوامل نهفته و ساخت سبدهای ویژه خرید و فروش استقراضی استفاده می‌کند. توضیح می‌دهد که بردارهای استانداردشده PCA چگونه به وزن‌های بازده خام تبدیل و بر اساس مواجهه ناخالص نرمال می‌شوند؛…
این دفترچه گردش‌کار پیش‌بینی چهارمرحله‌ای را با هماهنگ‌سازی Python ساده، CrewAI و LangGraph بیان می‌کند. محل نگهداری وضعیت، شیوه بررسی یا بازیابی خطاها، وابستگی‌های افزوده هر رویکرد و نحوه رهگیری را مقایسه می‌کند. نسخه‌های بومی و LangGraph همان کلاس‌های…
این دفترچه منظم‌سازی مدل خطی را برای مجموعه‌ای از جفت‌ارزها بررسی می‌کند که بازده‌هایشان به‌دلیل مظنه‌شدن هر جفت میان ارزهای مشترک به هم وابسته‌اند. هم‌خطی ویژگی‌ها را، که Ridge، lasso و elastic net می‌توانند مدیریت کنند، از وابستگی میان دارایی‌های…
این دفترچه بررسی می‌کند که آیا پرمیوم افراطی قراردادهای آتی دائمی بر بازده‌های بعدی BTC یا بازگشت پرمیوم اثر می‌گذارد. وضعیت پرمیوم بالا را به‌عنوان مداخله تعریف می‌کند و پیامد گسترده بازار را، که ممکن است از نیروهای بسیاری اثر بگیرد، با تغییر پرمیوم مقایسه…
این فصل روش‌های تبدیل رویه‌های آماری برازش‌شده به ویژگی برای مدل‌های معاملاتی را مرور می‌کند. مباحث آن شامل تشخیص‌ها و ایستایی، شکست‌های ساختاری، تفاضل‌گیری کسری، فیلتر کالمن، روش‌های طیفی و امضای مسیر، نوسان ARIMA و GARCH، سنجه‌های HAR و نوسان‌پذیری زبر،…
این دفترچه برچسب‌های بازده آتی سهام را برای استراتژی‌ای می‌سازد که داده اختیار معامله پذیرفته‌شده در بورس را می‌خواند تا سهام را رتبه‌بندی کند و سپس آن سهام را نگه دارد. مجموعه قیمت تعدیل‌شده‌ای می‌سازد که اقدامات شرکتی را لحاظ می‌کند و شرکت‌ها را با…
این دفترچه سفارش مادر را مسئله‌ای کنترلی با افق محدود صورت‌بندی می‌کند. در هر بازه، یادگیری Q جدولی ضریبی برای برش معامله مبتنی بر VWAP انتخاب می‌کند و زمان و موجودی باقی‌مانده، به‌اضافه آخرین رژیم‌های مشاهده‌شده اسپرد و نوسان را در نظر می‌گیرد. پاداش، هزینه…
این دفترچه از بازده تاریخی سهام US برای ساخت شبکه همبستگی و بررسی ساخت سبد استفاده می‌کند. با داده‌های پنجره برآورد، مجموعه‌ای نقدشونده انتخاب می‌کند، همبستگی‌های دوتایی را به فاصله تبدیل می‌کند و درخت پوشای کمینه (MST) را استخراج می‌کند تا بررسی ساختار…
این دفترچه غربال تک‌ویژگی برای سیگنال‌های نامزد در میان 20 جفت‌ارز را شرح می‌دهد. توافق رتبه مقطعی روزانه هر ویژگی با بازده جلسه بعد را فقط با پنجره‌های اعتبارسنجی پیش‌رونده محاسبه می‌کند. پنل ارزیابی آن‌قدر پیش از مجموعه نگه‌داشته‌شده قطع می‌شود که پیامدهای…
این دفترچه تحلیل مؤلفه‌های اصلی را به‌عنوان مبنای عامل نهفته بدون شرط‌گذاری برای پیش‌بینی بازده سهام در مطالعه تحلیل اختیار معامله ارائه می‌کند. PCA از پنل بازده‌های تاریخی برای برآورد حرکت‌های مشترک و میزان مواجهه هر سهم با آن‌ها استفاده می‌کند و سپس با…
این دفترچه جست‌وجوی شبکه‌ای جامع را با نمونه‌گیر TPE در Optuna برای تنظیم مدل پیش‌بینی بازده LightGBM مقایسه می‌کند. ابتدا به هر دو روش بودجه آزمون یکسانی روی یک شبکه گسسته پارامترها می‌دهد؛ در این شبکه، شمارش همه ترکیب‌ها را پوشش می‌دهد، اما نمونه‌گیری ممکن…
این دفترچه عامل مومنتوم مقطعی را با ضرایب اطلاعاتی، بازده چندک‌ها، فاصله بازده از بالاترین تا پایین‌ترین چندک و سنجه‌های طبقه‌بندی ارزیابی می‌کند. IC اسپیرمن را به‌صورت همبستگی رتبه‌ای روزبه‌روز میان یک سیگنال و بازده‌های بعدی معرفی می‌کند و آن را از همبستگی…
این دفترچه یک مدل Skip-gram Word2Vec را روی پیکره کوچکی از اخبار مالیِ برچسب‌خورده از نظر احساس آموزش می‌دهد و بررسی می‌کند نزدیک‌ترین همسایه‌ها چه چیزی نشان می‌دهند. این روش واژه‌ها را بر اساس بافت‌هایی بازنمایی می‌کند که در آن‌ها ظاهر می‌شوند. در مثال، سود…
این مطالعه موردی توضیح می‌دهد چرا حد ضرر، حد ضرر متحرک و دیگر پوشش‌های سطح موقعیت را نمی‌توان برای سبدهای ویژگی‌محور شرکت‌های US که با مشاهدات ماهانه ساخته شده‌اند، آزمود. بک‌تست برداری یک بردار وزن را بر بازده آتی تحقق‌یافته ماه اعمال می‌کند، بنابراین هیچ…