رفتن به محتوا

کتابخانه دانش

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.

جستجو در کتابخانه

629 سند

یادگیری ماشین برای معامله‌گری

این دفترچه قواعد کنترلی حد ضرر، حد ضرر متحرک و خروج زمانی را در بک‌تست‌های ریزساختار ثابت NASDAQ-100 مقایسه می‌کند. استراتژی هر پانزده دقیقه تصمیم می‌گیرد، درحالی‌که قواعد ریسک قیمت‌ها را هر دقیقه پایش می‌کنند؛ بنابراین این قواعد می‌توانند بین…

مدیریت ریسکآزمون گذشته‌نگرتعیین اندازه موقعیتسهام
یادگیری ماشین برای معامله‌گری

این سند دو رویکرد عامل نهفته را برای بازده قراردادهای آتی معرفی می‌کند. تحلیل مؤلفه‌های اصلی جهت‌های نامرتبطی را پیدا می‌کند که بیشترین تغییرات بازده را توضیح می‌دهند؛ درحالی‌که عامل تنزیل تصادفی عصبی به‌دنبال ترکیب‌هایی مرتبط با مقطع بازده‌های مورد انتظار…

قراردادهای آتییادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه پیش‌بینی‌های اعتبارسنجی را به‌صورت پرتفوی‌های سهامِ فقط خرید ارزیابی می‌کند؛ از انتخاب هم‌وزنِ K دارایی برتر و برنامه تصمیم‌گیری تعیین‌شده بر اساس تناوب هر برچسب استفاده می‌کند. ترتیب رویداد از قیمت پایانی تا قیمت آغازین بعدی را با اجرای سیگنال…

سهاماختیار معاملهآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این ماژول ابزار مشترک، خط لوله‌ای یکپارچه برای تقویت گرادیانی در پژوهش کمی فراهم می‌کند. پیش‌تنظیم‌های ظرفیت را تعریف می‌کند و نام‌های استاندارد پارامترها را به تنظیمات متناظر در LightGBM، XGBoost، CatBoost و تقویت هیستوگرامی scikit-learn نگاشت می‌کند.…

یادگیری ماشینآزمون گذشته‌نگرساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد که جست‌وجو میان عوامل یا استراتژی‌های متعدد چگونه عملکرد ظاهری برنده منتخب را افزایش می‌دهد، حتی اگر برآوردهای جداگانه درست محاسبه شده باشند. مجموعه‌ای شبیه‌سازی‌شده از عوامل نویزی نشان می‌دهد که بزرگ‌ترین ضریب اطلاعات ممکن است بر اثر…

آمارسرمایه‌گذاری عاملیآزمون گذشته‌نگرمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این مطالعه موردی مدل‌های دنباله‌ای را روی پنل ویژگی‌های سهام و اختیار معامله S&P 500 مقایسه می‌کند. یک LSTM را که حالت دروازه‌دار را در پنجره گذشته‌نگر نگه می‌دارد، در کنار خط مبنای N-Linear قرار می‌دهد که سطح اخیر را حذف و یک نگاشت خطی برازش می‌کند. این خط…

سهاماختیار معاملهیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه معماری پنج‌بخشی TimeGAN را توضیح می‌دهد: یک جاساز و شبکه بازیابی، مشاهدات خام و فضای نهفته را به یکدیگر نگاشت می‌کنند؛ یک ناظر گذارهای زمانی را می‌آموزد و یک مولد و تمایزدهنده به‌صورت خصمانه آموزش می‌بینند. آموزش مرحله‌ای را شرح می‌دهد و مدل را…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه شارپ ناخالص و خالص را در پیمایش‌های هزینه استراتژی برگرفته از بک‌تست‌های مطالعات موردی مقایسه می‌کند. برای هر پیکربندی استراتژیِ به‌کارگرفته‌شده، هزینه فرضی هر سمت و تناوب بازمتوازن‌سازی را از آثار ثبت‌شده می‌خواند، شارپ را در هزینه فرضی درون‌یابی…

آزمون گذشته‌نگرمدیریت ریسکاجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه پنجره‌های غلتان بازده ETF را به تصاویر دوکاناله برای یک شبکه عصبی کانولوشنی تبدیل می‌کند. میدان جمع زاویه‌ای گرامین، مقادیر هر پنجره را باز‌مقیاس می‌کند، آن‌ها را به زاویه تبدیل می‌کند و روابط مثلثاتی میان جفت‌های موقعیت زمانی را ثبت می‌کند. میدان…

یادگیری ماشینآمارسهامآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چرا پوشش ریسک عمومی مبتنی بر وزن هدف برای موتور راهبرد شورت استرادل توصیف‌شده روی شاخص S&P 500 مناسب نیست. موتور سهم‌های ثابت سرمایه را به گروه‌های هفتگی اختصاص می‌دهد و وزن‌ها را در هر گروه طوری نرمال می‌کند که مجموعشان یک شود.…

اختیار معاملهمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه می‌سنجد که عملکرد اعتبارسنجی یک استراتژی منتخب مبتنی بر ویژگی‌های شرکت‌های US، با تغییر کمیسیون‌ها و لغزش قیمت فرض‌شده چگونه تغییر می‌کند. همان پیکربندی را در شبکه‌ای از هزینه‌های اعلام‌شده دوباره اجرا می‌کند و هر هزینه کل را به‌طور مساوی میان…

سهامآزمون گذشته‌نگراجرای سفارشمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد پس از انتخاب پیکربندی با داده‌های اعتبارسنجی، چگونه برای دوره نگه‌داشته‌شده دست‌نخورده پیش‌بینی تولید کنید. پیکربندی منتخب را مشخص می‌کند، مشخصات آموزشی آن را برای دوره نگه‌داشته‌شده بازسازی می‌کند و پنجره آموزش را از خط زمانی موجود و…

سهامیادگیری ماشینآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این دفترچه تولید پیش‌بینی‌های دوره نگه‌داشته‌شده برای پیکربندی مدل آتی CME را توضیح می‌دهد. پیکربندی با نتایج اعتبارسنجی انتخاب می‌شود و سپس با داده‌هایی که پیش از آغاز پنجره نگه‌داشته‌شده پایان می‌یابند دوباره برازش می‌شود. حائل برچسب، مشاهدات آموزشی را از…

قراردادهای آتیآزمون گذشته‌نگریادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه پس از انتخاب مدل و استراتژی در فولدهای اعتبارسنجی، برای یک پیکربندی ریزساختار NASDAQ-100 پیش‌بینی‌های دوره نگه‌داشته‌شده تولید کنید. مشخصات آموزش انتخاب‌شده را بازسازی می‌کند، فولد نگه‌داشته‌شده را از پنجره اعلام‌شده مطالعه…

سهامریزساختار بازاریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این راهنما گزارش‌های عمومی تعهد معامله‌گران CFTC را به‌عنوان منبع داده هفتگی موقعیت‌گیری در بازار آتی معرفی می‌کند. گزارش معامله‌گران در قراردادهای آتی مالی را که مشارکت‌کنندگانی مانند معامله‌گران، مدیران دارایی و سرمایه‌گذاران اهرمی را دسته‌بندی می‌کند، از…

قراردادهای آتیکالاهااحساسات بازارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این ماژول پایتون روش‌هایی برای سنجش عدم‌قطعیت بک‌تست استراتژی با استفاده از بازده روزانه خارج از نمونه شرح می‌دهد. فواصل بوت‌استرپ بلوکیِ ایستا برای آمار سری بازده، خطای استاندارد شارپ تعدیل‌شده با خودهمبستگی و غیرنرمال‌بودن، و خطاهای استاندارد نیووی–وست…

آزمون گذشته‌نگرآمارمدیریت ریسکساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه نتایج اعتبارسنجی ثبت‌شده پنج برآوردگر عامل نهفته را در مجموعه‌ای از مطالعات موردی ترکیب می‌کند. ابتدا مشخص می‌کند کدام برآوردگرها برای هر پنل نتیجه دارند، سپس برآوردگر پیشرو را بر اساس میانگین ضریب اطلاعات رتبه‌ای اسپیرمن روزانه (IC) همراه با…

یادگیری ماشینآمارسرمایه‌گذاری عاملیآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه ارزیابی تک‌عاملی را با داده‌های واقعی ETF و نمونه‌ای از مومنتوم مبتنی بر قیمت نشان می‌دهد. ضرایب اطلاعات اسپیرمن مقطعی را در برابر بازده‌های آتی اندازه‌گیری می‌کند، افق‌ها را مقایسه می‌کند و تفاوت میان میانگین‌گیری ICهای مقطعی روزانه و محاسبه یک…

سهاممومنتومآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این مطالعه موردی ویژگی‌های مالی و مبتنی بر مدل را در برابر بازده‌های آتی برای یک استراتژی ریزساختار NASDAQ-100 غربال می‌کند. ضرایب اطلاعات رتبه‌ای مقطعی را در طول زمان محاسبه می‌کند، استنباط را برای وابستگی و آزمون‌های متعدد تعدیل می‌کند و شکل بازده در…

سهامریزساختار بازارآماریادگیری ماشین
یادگیری ماشین برای معامله‌گری

این دفترچه یک مطالعه موردی آتی CME را از میان بک‌تست‌های اعتبارسنجی ثبت‌شده انتخاب می‌کند که قواعد سیگنال، تخصیص و لایه‌های ریسک را در بر می‌گیرند. گزینه‌ها را در هر دو افق بازده مقایسه می‌کند و پیکربندی دارای بیشترین شارپ اعتبارسنجی را برمی‌گزیند. تحلیل…

قراردادهای آتیآزمون گذشته‌نگرمدیریت ریسکساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه برچسب‌های بازده آتی درون‌روزی را برای سهام NASDAQ-100 با استفاده از کندل‌های دقیقه‌ای و مظنه‌های NBBO بسازید. بازده را از کندل بعدی پس از سیگنال تا نقطه پایانی مشخصی در آینده تعریف می‌کند، برای کاهش نوسان ناشی از رفت‌وبرگشت قیمت…

سهامریزساختار بازاراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این مطالعه موردی مدل‌های تقویت گرادیانی را مقایسه می‌کند که بازده تا سررسید موقعیت‌های فروش استرادلِ نزدیک به قیمت جاری را پیش‌بینی می‌کنند. ظرفیت درخت و سه هدف برازش را تغییر می‌دهد: خطای مربعی، خطای مطلق و زیان هوبر. اعتبارسنجی پیش‌رونده از دو دوره، از…

اختیار معاملهنوسانیادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند جریان کاری عملیاتی‌ای برای به‌روز نگه‌داشتن داده‌های روزانه بازار ارائه می‌کند: بارگذاری تاریخچه اولیه، دریافت تغییرات کوچک با هم‌پوشانی، بررسی تاریخ‌های مفقود و پایش تازگی و مشکلات اعتبارسنجی. هم‌پوشانی به ثبت اصلاحات فروشنده در کندل‌های اخیر کمک…

سهامآزمون گذشته‌نگرآمارمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این دفترچه، ترنسفورمری وصله‌ای را برای پیش‌بینی برچسب اصلی در مطالعه سهام و اختیارهای S&P 500 برازش می‌کند. پنجره ورودی تاریخی هر سهم را به وصله‌های پیوسته تقسیم می‌کند و هر وصله را یک توکن برای توجه می‌گیرد. توجه می‌تواند بخش‌های دور از هم پنجره را مستقیم…

سهاماختیار معاملهیادگیری ماشینآزمون گذشته‌نگر