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 دفترچه کندل‌های عدم‌تعادل تیک و حجم را توضیح می‌دهد و سپس روش‌های تطبیقی، آستانه ثابت و پنجره‌لغزان را روی داده معاملات NVDA مقایسه می‌کند. عدم‌تعادل تیک جهت‌های علامت‌دار معاملات را تا رسیدن به آستانه انباشته می‌کند؛ آستانه مورد انتظار به تعداد معاملات…
این مطالعه موردی روش‌های مختلف اندازه موقعیت در آتی CME را با خط مبنای وزن برابر مقایسه می‌کند. توضیح می‌دهد که اندازه‌گذاری معکوس نوسان از نوسان خود هر قرارداد استفاده می‌کند، درحالی‌که روش‌های مبتنی بر کوواریانس روابط میان محصولات را نیز در نظر می‌گیرند.…
این دفترچه ساخت تاریخچه پیوسته قیمت آتی از قراردادهای منفردِ سررسیدشونده را توضیح می‌دهد. قراردادهای ماه پیش‌رو را با استفاده از حجم معاملات شناسایی می‌کند، برای جلوگیری از جابه‌جایی‌های کاذب محدودیت بازگشت‌نکردن اعمال می‌کند و زمان‌بندی رول بر پایه تقویم را…
این دفترچه توضیح می‌دهد چگونه مدل‌های برازش‌شده GJR-GARCH و مارکوف پنهان را با کنترل سوگیری نگاه‌به‌آینده به ویژگی‌های معاملاتی تبدیل کنیم. GJR-GARCH نوسان شرطی را برآورد می‌کند و اثر بزرگ‌تر شوک‌های بازده منفی را در نظر می‌گیرد؛ مدل گاوسی دوحالته HMM…
این دفترچه روش‌های شناسایی تغییر در فرایند تولیدکننده یک سری مالی را با استفاده از داده‌های روزانه SPY بررسی می‌کند. آزمون Zivot–Andrews را که هنگام آزمون ریشه واحد یک شکست را برآورد می‌کند، با روش‌های قطعه‌بندی چندشکستی مقایسه می‌کند. PELT تعداد شکست‌ها را…
این دفترچه رتبه‌بندی پیش‌بینی جفت‌ارزها را به خط مبنای قابل معامله تبدیل می‌کند. در هر زمان تصمیم‌گیری، از جفت‌ارزهای با بالاترین و پایین‌ترین رتبه، دو بخش خرید و فروش با اندازه برابر تشکیل می‌دهد و سپس آن‌ها را با موتور بک‌تست FX ارزیابی می‌کند. وزن‌دهی…
این ابزار مصنوعات پیش‌بینی را برای دفترچه‌های نمایشی زنده آماده می‌کند؛ نام ستون‌ها و قالب‌های تاریخ متفاوت را به ساختاری مشترک برای زمان، دارایی و پیش‌بینی تبدیل می‌کند. مشاهدات تکراری زمان و دارایی را گروه‌بندی و امتیازهایشان را میانگین‌گیری می‌کند.…
این دفترچه دو طراحی Transformer را برای پیش‌بینی بازده ETF-روزه 21 بر اساس ویژگی‌های مومنتوم گذشته‌نگر مقایسه می‌کند. PatchTST روزهای پیاپی را در بسته‌هایی گروه‌بندی می‌کند و توالی‌های کوتاهی از شکل محلی را در هر توکن قرار می‌دهد. در مقابل، iTransformer…
این دفترچه روشی توصیفی برای تبدیل بازده ناخالص به عملکرد خالص ارائه می‌کند که اصطکاک‌های معامله، تأمین مالی و هزینه‌های صندوق را جداگانه مدل می‌کند. ساختار هزینه پارامتری آن هزینه‌های معامله را بر اساس گردش سبد و اندازه معامله، تأمین مالی را بر اساس اهرم و…
این سند روندکاری گردآوری بازده اوراق خزانه و شاخص‌های اقتصادی FRED، هم‌ترازکردن سری‌های دارای تناوب گزارش‌دهی متفاوت با تقویم روزانه و بارگذاری یا پالایش مجموعه‌داده حاصل را شرح می‌دهد. شاخص‌ها شامل نرخ‌ها و اسپردهای خزانه، VIX، سنجه‌های اشتغال، تورم، تولید…
این ماژول رابط جست‌وجویی برای عامل‌های پژوهشی را توصیف می‌کند که ارائه‌دهنده زنده و ارائه‌دهنده شبیه‌سازی‌شده قطعی دارد. جست‌وجوها می‌توانند تعداد نتایج را محدود کنند و تاریخ انتشار را به‌عنوان مرز زمانی اعمال کنند؛ با حذف نتایج منتشرشده در آن تاریخ یا پس از…
این ماژول یک تابع هدف مشتق‌پذیر برای یادگیری سرتاسری پرتفوی تعریف می‌کند. وزن‌های ریسک محدودشده هر دارایی را با مقیاس‌دهی نوسان به مواجهه‌های پرتفوی تبدیل می‌کند، میانگین بازده ناخالص دارایی‌های موجود را محاسبه می‌کند و در صورت انتخاب، هزینه‌های معامله را بر…
این دفترچه دفترهای سفارش بازسازی‌شده NASDAQ را تحلیل می‌کند تا اسپردهای درون‌روزی و عمق در بهترین مظنه خرید و فروش را توصیف کند؛ سپس بررسی می‌کند آیا عدم‌تعادل جریان سفارش با بازده بازه بعدی ارتباط دارد یا نه. اسپردها را بر حسب واحد پایه بیان می‌کند تا…
این دفترچه توضیح می‌دهد خودرمزگذار شرطی چگونه تحلیل مؤلفه‌های اصلی ابزارمند PCA را برای مدل‌سازی بازده ETF گسترش می‌دهد. هر دو روش ویژگی‌های صندوق را به مواجهه‌های عاملی نگاشت می‌کنند و آن مواجهه‌ها را با بازده عوامل ترکیب می‌کنند؛ خودرمزگذار نگاشت خطی ویژگی…
این دفترچه مبنایی در مرحله سیگنال برای ارزیابی پیش‌بینی‌های مدل روی قراردادهای آتی CME ایجاد می‌کند. در هر تصمیم هفتگی، محصولات را بر اساس بازده پیش‌بینی‌شده رتبه‌بندی می‌کند، گروه برتر را می‌خرد، از گروه انتهایی فروش استقراضی می‌کند و به هر موقعیت وزن برابر…
این دفترچه از رگرسیون خطی به‌عنوان مبنا برای پیش‌بینی بازده NASDAQ-100 با استفاده از ویژگی‌های ریزساختار در سطح دقیقه استفاده می‌کند. چون سنجه‌های اسپرد و عدم‌تعادل سفارش در پنجره‌های زمانی مختلف هم‌پوشانی دارند، ماتریس ویژگی‌ها هم‌خطی زیادی دارد: حداقل…
این دفترچه روندکاری برای تصمیم‌گیری درباره مدل‌سازی سری‌های زمانی مالی ارائه می‌کند. کار با نمودارهای قیمت و بازده SPY، سطوح VIX و توزیع بازده آغاز می‌شود تا روند سطوح، حرکت‌های خوشه‌ای و دنباله‌های سنگین شناسایی شوند. سپس آزمون دیکی–فولر تعمیم‌یافته را که…
این پیکربندی، آزمایشی برای رتبه‌بندی و متعادل‌سازی دوباره ETF با موقعیت‌های صرفاً خرید را مشخص می‌کند. مجموعه گسترده‌ای شامل 100-ETF تعریف می‌کند که سهام، اوراق قرضه، کالاها و مواجهه‌های منطقه‌ای را دربرمی‌گیرد؛ تصمیم‌ها ماهانه‌اند و اجرا در بازگشایی بعدی…
این دفترچه پیرامون پیش‌بینی‌های گرادیان بوستینگ، بازه‌های پیش‌بینی می‌سازد و پیش‌بینی همدیسِ تفکیک‌شده را با رگرسیون چندکی، رگرسیون چندکی همدیس‌شده و استنباط همدیس تطبیقی مقایسه می‌کند. روش همدیسِ تفکیک‌شده از تقسیم زمانی آموزش و کالیبراسیون استفاده می‌کند،…
این مطالعه پنل سهام US، مدل خطی جریمه‌دار را مبنایی برای پیش‌بینی بازده‌های آتی از روی ویژگی‌های مشاهده‌شده در زمان بسته‌شدن بازار قرار می‌دهد. مجموعه ویژگی‌ها شامل سنجه‌های هم‌پوشان مومنتوم و نوسان است که هم‌خطی چندگانه ایجاد می‌کنند و می‌تواند ضرایب حداقل…
این بنچمارک، CSV، Parquet، Feather (IPC از Arrow) و HDF5 را با استفاده از یک پنل قطعی OHLCV مقایسه می‌کند. زمان نوشتن، زمان خواندنِ داده‌های بارگذاری‌شده، اندازه فایل و اثر خواندن ستون‌های منتخب را می‌سنجد. سیاست زمان‌گیری شامل یک بار نوشتن و میانگین‌گیری…
این مطالعه ویژگی‌های ETF سه ورودی برآمده از مدل می‌سازد: مدل مارکوف پنهان (HMM) برای برآورد رژیم بازار، قیمت‌های تفاضل‌گیری‌شده به‌صورت کسری برای صندوق‌های مرجع، و نوسان شرطی GARCH(1,1) برای هر ETF. تأکید می‌کند که پرهیز از نگاه به آینده مستلزم آن است که هم…
این دفترچه تحلیل مؤلفه اصلی ابزاری (IPCA) را شرح می‌دهد؛ روشی که عوامل مشترک را برآورد می‌کند و در عین حال مواجهه عاملی هر سهم را تابع خطی مشترکی از ویژگی‌های سطح اختیار معامله همان روز می‌سازد. این ویژگی‌ها شامل نوسان ضمنی، چولگی اختیار فروش به خرید، شیب…
این آموزش حدضرر و حدسود ثابت، حدضرر دنباله‌رو، خروج‌های مقیاس‌شده با ATR، سیگنال خروج یادگیری ماشین و ترکیب این روش‌ها را با داده روزانه SPY مقایسه می‌کند. موانع ثابت از قیمت‌های ورود شبیه‌سازی می‌شوند؛ شکاف‌های شبانه در قیمت بازشدن پر می‌شوند و اگر یک کندل…