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 پیکربندی سهام US انتخاب‌شده قبلی را روی پیش‌بینی‌های دوره نگه‌داشته‌شده اجرا می‌کند. مدل، پیش‌بینی‌ها، تخصیص‌دهنده، تمرکز، پوشش ریسک، تناوب بازمتوازن‌سازی و فرض‌های هزینه معامله از مراحل پیشین به ارث رسیده‌اند. روش اصلی آن استخراج مجموعه پیش‌بینی…
این دفترچه سازگارکردن Diffusion-TS را برای تولید دنباله‌های بازده مصنوعی ETF شرح می‌دهد. مدل حذف‌کننده نویز، دنباله پاک را به‌شکل مجموع مؤلفه‌های روند چندجمله‌ای، فصلی فوریه‌ای و باقیمانده پیش‌بینی می‌کند؛ در همین حال، تابع زیان ترکیبی در حوزه زمان و فوریه،…
این سند تحلیل حساسیت هزینه را برای یک استراتژی مومنتوم ثابت ETF ارائه می‌کند. جهان سرمایه‌گذاری، وزن‌ها، زمان‌بندی و شبیه‌ساز را ثابت نگه می‌دارد و بک‌تست را با مجموعه‌ای از کارمزدهای هر سوی معامله دوباره اجرا می‌کند. منحنی حاصل تغییر نسبت شارپ و رشد مرکب را…
این سند توضیح می‌دهد چرا از TabM برای مدل‌سازی داده‌های پنلی تأمین مالی قراردادهای دائمی استفاده می‌شود: ستون فقرات عصبی مشترک آن همه ویژگی‌های ورودی را ترکیب می‌کند و لایه‌های غیرخطی می‌توانند برهم‌کنش‌ها را بازنمایی کنند. برخلاف درختی که در هر انشعاب یک…
این دفترچه پیکربندی ETF انتخاب‌شده قبلی را بر پنجره نگه‌داشته‌شده آن اعمال می‌کند. پیش‌بینی‌های متناظر این دوره را از هویت آموزش و نقطه بازبینیِ انتخاب‌شده استخراج می‌کند، سپس تمرکز، تخصیص، پوشش ریسک، تناوب بازمتوازن‌سازی و فرض‌های هزینه موجود استراتژی را…
این گردش‌کار ارزیابی، ویژگی‌های مالی و مبتنی بر مدل را در برابر بازده‌های آتی برای یک پنل درون‌روزی NASDAQ-100 غربال می‌کند. ابتدا دوره نهایی آزمون را کنار می‌گذارد و مشاهداتی را حذف می‌کند که برچسب‌های آتی آن‌ها در آن بازه نهایی می‌شوند. برای هر ویژگی، ضریب…
این تحلیل برآورد می‌کند که آیا مومنتوم با حذف دوره اخیر با تغییری علّی در بازده‌های آتی ETFها مرتبط است یا نه؛ پرسش آن این نیست که مومنتوم تا چه اندازه بازده‌ها را پیش‌بینی می‌کند. یادگیری ماشین دوگانه با استفاده از مخدوش‌گرهای تعریف‌شده، پیامد و متغیر…
این روش تولید شاخص معیار، از دارایی‌های اعلام‌شده در یک مطالعه موردی، سری بازده روزانه هم‌وزن می‌سازد. ابتدا آخرین قیمت پایانی هر نماد را برای هر نشست می‌گیرد، سپس بازده‌های پایانی تا پایانی را محاسبه و بازده‌های موجود را میان نمادها میانگین‌گیری می‌کند.…
این سند مجموعه‌داده روزانه سهام US را توصیف می‌کند که از آرشیو Wiki Prices متعلق به NASDAQ Data Link گرفته شده است. این مجموعه هزاران شرکت را از 1962 تا مارس 2018 پوشش می‌دهد و شرکت‌های حذف‌شده را نیز دربر می‌گیرد؛ ازاین‌رو برای پژوهش تاریخیِ نیازمند کاهش…
این تحلیل نمایه‌ای از مجموعه ثابت 100 ETF در ۹ گروه دارایی تهیه می‌کند. پوشش صندوق‌ها و سال‌ها را بررسی می‌کند، تطابق پنل قیمت با پیکربندی گروه را تأیید می‌کند، مقادیر تهی و ترتیب OHLC را می‌سنجد و حجم معامله را میان گروه‌ها مقایسه می‌کند. همچنین توضیح…
این دفترچه مدل‌های تقویت‌شده با گرادیان را برای پیش‌بینی بازده و جهت حرکت در قراردادهای دائمی رمزارز بررسی می‌کند. شبکه جست‌وجو ظرفیت درخت و تابع زیان را تغییر می‌دهد؛ از جمله اهداف خطای مربعی، خطای مطلق و Huber، و در چند نقطه از فرایند آموزش به مدل‌ها…
این سند هسته شبکه عصبی PatchTST را برای پیش‌بینی سری‌های زمانی چندمتغیره ارائه می‌کند. هر سری ورودی را به وصله‌های هم‌پوشان تقسیم می‌کند، هر وصله را به فضای ویژگیِ آموخته‌شده نگاشت می‌کند، کدگذاری‌های مکانی را می‌افزاید و توالی حاصل را از لایه‌های انکودر…
این دفترچه توضیح می‌دهد چگونه کاتالوگ آزمایش مدل را از رجیستری مطالعه موردی بازسازی و محتوای آن را با MLflow مقایسه کنیم. آزمایش‌ها را در اجراهای آموزش، مجموعه‌های پیش‌بینی و اجراهای بک‌تست دنبال می‌کند و هر مرحله را به مرحله پیشین پیوند می‌دهد. مشخصات…
این مطالعه موردی ویژگی‌هایی برای بررسی این پرسش می‌سازد که آیا واریانس ضمنیِ در قیمت اعمال برابر، از واریانس تحقق‌یافته بعدی برای نمادهای S&P 500 بیشتر است و آیا این تفاوت میان اوراق بهادار تغییر می‌کند. مظنه‌های استرادل را با قیمت دارایی پایه ترکیب می‌کند…
این دفترچه رگرسیون حداقل مربعات معمولی را با Ridge، LASSO و Elastic Net برای پیش‌بینی بازده‌های آینده در مجموعه‌ای از ETF مقایسه می‌کند. همه مدل‌ها از فولدهای یکسان آزمون پیش‌رونده استفاده می‌کنند و فاصله حذف‌شده با افق برچسب همخوان است؛ بنابراین تفاوت‌ها را…
این فصل چگونگی ساخت پژوهش سازگار با زمان را درباره داده‌های بنیادی و جایگزین در سهام، سری‌های اقتصاد کلان، قراردادهای آتی، رمزارز و بازارهای پیش‌بینی شرح می‌دهد. روش‌های اصلی آن ذخیره‌سازی دوزمانی و پرس‌وجوهای «تا زمان»، زمان‌بندی انتشار با توجه به منبع،…
این دفترچه چارچوب میانگین‌واریانسِ کاملاً سرمایه‌گذاری‌شده و فقط خرید را برای مجموعه‌ای متنوع از ETF می‌سازد. پرتفوی‌های شدنی و مرز کارا را ایجاد می‌کند، سپس با استفاده از بازده‌ها و کوواریانس‌های برآوردشده، وزن‌های دارای بیشترین شارپ و کمترین واریانس را به…
این دفترچه پیکربندی‌های برتر تخصیص ETF را در دو شبکه هزینه بازقیمت‌گذاری می‌کند، در حالی که پیش‌بینی‌ها، تمرکز و قواعد تخصیص ثابت نگه داشته می‌شوند. مدل کارمزد به‌ازای هر سهم و نصف اسپردِ مطالعه موردی را، که نشان می‌دهد هزینه معاملات ETF چگونه به تعداد سهم…
این دفترچه می‌سنجد هزینه‌های اجرا چگونه بر پیکربندی ازپیش‌منتخب قراردادهای آتی پرپچوال کریپتو اثر می‌گذارند. مدل، نقطه بررسی، قاعده ورود، تخصیص و کنترل ریسک را ثابت نگه می‌دارد و سپس بک‌تست‌ها را در شبکه‌ای از هزینه‌های رفت‌وبرگشت بر ارزش اسمی معامله‌شده…
این دفترچه مدل‌های خطی را برای پیش‌بینی بازده ETF از ویژگی‌های هم‌پوشانِ مشتق‌شده از قیمت مقایسه می‌کند. ازآنجاکه افق‌های متعدد بازده و خانواده‌های شاخص می‌توانند اطلاعات مشابهی رمزگذاری کنند، کمترین مربعات معمولی ممکن است به ضرایب ناپایدار و متضادی برای…
این پیکربندی، سبدهای ماهانه لانگ-شورت سهام US را توصیف می‌کند که بر اساس ویژگی‌های شرکت رتبه‌بندی می‌شوند. جهان دارای داده کامل با 46 ویژگی، تصمیم‌گیری در پایان ماه، اجرا در قیمت بازشدن بعدی، وزن‌دهی برابر در بخش‌های لانگ و شورت و هزینه‌های معامله قابل‌توجه…
این دفترچه مدل عامل تنزیل تصادفی را برای قیمت‌گذاری مقطعی ETFها معرفی می‌کند. به‌جای برآورد جداگانه مواجهه صندوق‌ها و بازده عوامل، شبکه‌ها را آموزش می‌دهد تا سری مشترکی از عوامل تنزیل بیابند که هم‌تغییری آن با بازده صندوق‌ها، بازده‌های میانگین را توضیح دهد.…
این دفترچه بک‌تست چرخش ماهانه ETF را از بازده سبد تا معاملات شبیه‌سازی‌شده می‌سازد. ده صندوق را با بازده‌های تعدیل‌شده بر اساس ریسک در دوره گذشته رتبه‌بندی می‌کند، از رژیم منحنی بازده خزانه‌داری برای انتخاب میان صندوق‌های برتر و تخصیص دفاعی اوراق قرضه بهره…
این دفترچه ویژگی‌های مالی و مشتق‌شده از مدل را از نظر توان رتبه‌بندی ETFها بر اساس بازده‌های بعدی غربال می‌کند. ضریب اطلاعاتی روزبه‌روز را با مقایسه رتبه‌های مقطعی هر ویژگی با رتبه‌های بازده آتی محاسبه می‌کند و سپس سری زمانی حاصل را بررسی می‌کند. تحلیل،…