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 پیکربندی، مطالعه‌ای درباره فروش هفتگی استرادل‌های در قیمت اعمال نزدیک به قیمت جاری برای اجزای S&P 500 را توصیف می‌کند. موقعیت‌ها روز جمعه باز می‌شوند و تا حوالی سررسید نگه داشته می‌شوند؛ تغییرات دلتا اختیار، پوشش روزانه با سهام را فعال می‌کند. سبد سرمایه…

اختیار معاملهنوسانمدیریت ریسکآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه یک مدل عامل تنزیل تصادفی ETF را شرح می‌دهد که یک مجموعه وزن مشترک را برای قیمت‌گذاری بازده صندوق‌ها برازش می‌کند. برخلاف مدل‌هایی که مواجهه صندوق‌ها و بازده عامل‌ها را جداگانه برآورد می‌کنند، این مدل دو شبکه را بر مبنای خطاهای قیمت‌گذاری آموزش…

سهامآماریادگیری ماشینساخت پرتفوی
یادگیری ماشین برای معامله‌گری

این دفترچه روش ایجاد پیش‌بینی‌های داده نگه‌داشته‌شده را برای پیکربندی مدل سهام US که پیش‌تر انتخاب شده شرح می‌دهد. چون انتخاب مدل و تنظیمات استراتژی بر پایه نتایج اعتبارسنجی انجام شده‌اند، همان نتایج نمی‌توانند مستقلاً کیفیت انتخاب را اثبات کنند. دفترچه…

سهامیادگیری ماشینآزمون گذشته‌نگربازارهای آمریکا
یادگیری ماشین برای معامله‌گری

این دفترچه GReaT را معرفی می‌کند؛ روشی برای تولید جدول‌های مالی مصنوعی با مدل زبانی. هر ردیف را به متن تبدیل می‌کند، مدل مبتنی بر GPT را با ویژگی‌های ETF تنظیم دقیق می‌کند و متن تولیدشده را به ستون‌های ترکیبی عددی و دسته‌ای برمی‌گرداند. ویژگی‌های نمونه شامل…

یادگیری ماشینسهامآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه ویژگی‌های مبتنی بر مدل را برای مجموعه سهام US بسازیم، بی‌آنکه مشاهدات آینده بر مقادیر تاریخی اثر بگذارند. روش اصلی آن برنامه زمان‌بندی برآورد است: مدل‌ها دوره گرم‌شدن دارند، فقط با داده‌های پیش از بلوکی که توصیف می‌کنند برازش…

سهامیادگیری ماشینآمارنوسان