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

609 سند

یادگیری ماشین برای معامله‌گری

این دفترچه روندی برای کیفیت داده‌های روزانه سهام US از نوع OHLCV نشان می‌دهد. بررسی‌های ساختاری شامل مقادیر تهی، موارد تکراری، ترتیب زمانی، سازگاری قیمت، مقادیر منفی، قیمت‌های مانده و بازده‌های حدی است. سپس اعتبارسنجی ساختاری را از شناسایی ناهنجاری جدا…

سهامآمارمدیریت ریسکریزساختار بازار
یادگیری ماشین برای معامله‌گری

این دفترچه روندی برای کاهش مجموعه بزرگی از ویژگی‌های ETF به نامزدهایی برای مدل‌سازی بعدی ارائه می‌کند. ویژگی‌ها را با ضرایب اطلاعاتی اسپیرمنِ مقطعی در برابر بازده‌های آتی رتبه‌بندی می‌کند؛ این ضرایب برحسب تاریخ محاسبه و سپس میانگین‌گیری می‌شوند. آماره‌های…

سهامآماریادگیری ماشینسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد عامل تنزیل تصادفی (SDF) چگونه مقطع سیگنال‌های اختیار معامله سهام را قیمت‌گذاری می‌کند. برخلاف مدل‌های عاملی که مواجهه‌ها و بازده عوامل را برآورد می‌کنند، رویکرد SDF یک متغیر تصادفی برآورد می‌کند که قیمت‌گذاری بازده دارایی‌ها را…

اختیار معاملهسهامیادگیری ماشینسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه برچسب‌های بازده آتی و جهت را برای پژوهش درون‌روزی NASDAQ-100 بسازیم. بازده را با قرارداد اجرایی مشخصی تعریف می‌کند: قیمت پایانی یک کندل را مشاهده کنید، در کندل بعدی وارد معامله شوید و نتیجه را طی مدتی تنظیم‌شده بسنجید. قیمت‌های…

سهامریزساختار بازاراجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه TabM، طرحی از شبکه عصبی برای داده‌های جدولی، را روی ویژگی‌های ماهانه شرکت‌ها بررسی می‌کند. سه پیش‌تنظیم را مقایسه می‌کند که با ثابت‌ماندن دیگر تنظیمات آموزش، عرض لایه پنهان و تعداد مدل‌های مجموعه را افزایش می‌دهند. اجراکننده مشترک هدف یادگیری را…

سهامیادگیری ماشینآمارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این فصل چارچوب حاکمیت پس از استقرار برای سامانه‌های معاملاتی یادگیری ماشین را ترسیم می‌کند. خطاهای فنی، که در آن‌ها ورودی‌های یکسان خروجی‌های متفاوتی می‌دهند، از افت آماری، که در آن خروجی‌ها دیگر بازده را پیش‌بینی نمی‌کنند، جدا می‌شوند. چارچوب، شناسایی از…

یادگیری ماشینمدیریت ریسکاجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این نمایه عوامل نهفته را به‌عنوان الگوهای مشترکی معرفی می‌کند که از حرکت هم‌زمان بازده سهام استخراج می‌شوند؛ بار عاملی هر سهم میزان مواجهه آن با یک الگو را نشان می‌دهد. تحلیل مؤلفه‌های اصلی را، که عوامل و بارهای سهام را فقط از بازده‌ها برآورد می‌کند، با…

سهامسرمایه‌گذاری عاملییادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این تحلیل توضیح می‌دهد که چگونه ضرایب اطلاعاتی را برای مجموعه‌ای از مدل‌های پیش‌بینی آتی CME بخوانیم. در آن، IC هر تاریخ به‌صورت همبستگی رتبه‌ای میان بازده‌های پیش‌بینی‌شده و تحقق‌یافته در محصولات تعریف می‌شود؛ سپس مقادیر روزانه در میان بخش‌ها میانگین‌گیری…

قراردادهای آتیآماریادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه سه عامل پژوهشی را با تنظیماتی یکسان درباره پرسشی پیرامون رکود به کار می‌گیرد؛ یا با بازپخش یک ثبت ذخیره‌شده، یا با اجرای هم‌زمان مدل‌های زنده و جست‌وجو. احتمال، میزان اطمینان، فعالیت گردآوری شواهد و خط زمانی گفت‌وگوی هر عامل را ثبت می‌کند و سپس…

یادگیری ماشینآماراحساسات بازارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه، بک‌تست‌های ثبت‌شدهٔ یک مطالعهٔ موردی ETF را در ارزیابی استراتژی با درنظرگرفتن عدم‌قطعیت گرد هم می‌آورد. معیارهای عملکرد را همراه با بازه‌های اطمینان بوت‌استرپ بلوکی می‌خواند و از بوت‌استرپ‌های جفت‌شده برای مقایسهٔ مراحل پیاپی خط لوله، گونه‌های…

آزمون گذشته‌نگرآمارساخت پرتفویسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد چگونه پنل کلانی که با دوره مورد سنجش تاریخ‌گذاری شده است می‌تواند اطلاعات آینده را به بک‌تست معاملاتی نشت دهد. تاریخ انتشار را با افزودن طول دوره به تاریخ ثبت‌شده برآورد می‌کند و سپس با تکیه بر برنامه نهادها، تأخیر انتشار…

آزمون گذشته‌نگرآمارمدیریت ریسکچنددارایی
یادگیری ماشین برای معامله‌گری

این دفترچه از TreeSHAP برای توضیح پیش‌بینی بازده LightGBM استفاده می‌کند؛ از جمله اهمیت کلی ویژگی‌ها، توضیح پیش‌بینی‌های منفرد، نمودارهای وابستگی و مقادیر برهم‌کنش دوتایی. رتبه‌بندی‌های SHAP را با اهمیت جایگشتی و اهمیت ناخالصی مبتنی بر درخت مقایسه می‌کند تا…

سهامیادگیری ماشینآمارسرمایه‌گذاری عاملی
یادگیری ماشین برای معامله‌گری

این دفترچه خط لوله‌ای را برای استخراج روابط تأمین‌کننده، مشتری و رقیب از گزارش‌های سالانه شرکت‌ها و ذخیره آن‌ها در گراف دانش نشان می‌دهد. یک مدل زبانی محلی، سه‌تایی‌های پیشنهادیِ موضوع، رابطه و موجودیت را از متن پرونده‌ها می‌سازد. سپس گردش کار نام موجودیت‌ها…

سهامیادگیری ماشینآمار
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه از سه مدل سری زمانی برازش‌شده، ویژگی‌هایی برای جفت‌ارزها بسازیم: فیلتر فضای حالت برای برآورد سطح قیمتی که به‌آرامی تغییر می‌کند، مدل مارکوف پنهان دوحالته برای رژیم‌های نوسان دلار و مدل ARIMA که خطاهای پیش‌بینی یک‌گام آن بیانگر…

فارکسآمارنوسانآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند ماشین حالت مشترکی برای توقف خودکار معاملات با وضعیت‌های بسته، باز و نیمه‌باز ارائه می‌کند. این چرخه را برای چهار وضعیت به کار می‌گیرد: افت سرمایه پرتفوی، زیان روزانه، جلسات زیان‌ده متوالی و تأخیر سامانه. پس از مهلت بازیابی، مدارشکن وارد وضعیت…

مدیریت ریسکاجرای سفارشآمار
یادگیری ماشین برای معامله‌گری

این دفترچه می‌پرسد آیا مدل‌های دنباله‌ای می‌توانند از خلاصه‌های دست‌سازِ تاریخچه پریمیوم تأمین مالی دائمی بهتر عمل کنند یا نه. مدل خطی ساده NLinear را که یک پنجره مرتب‌شده می‌خواند، با یک LSTM دو‌لایه مقایسه می‌کند. هر دو از ترتیب ویژگی، بخش‌های آزمون…

رمزارزیادگیری ماشینقراردادهای آتی دائمیآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چرا نمی‌توان حد ضرر، حد ضرر متحرک و خروج زمانی را در مطالعه‌ای ارزیابی کرد که بک‌تست آن وزن‌ها را در طول یک ماه نگه می‌دارد و فقط بازده آتی تحقق‌یافته ماهانه را مشاهده می‌کند. این قواعد به مسیر قیمت میان ورود و خروج وابسته‌اند؛ بدون…

سهاممدیریت ریسکآزمون گذشته‌نگرتعیین اندازه موقعیت
یادگیری ماشین برای معامله‌گری

این سند فرایندی برای ارزیابی بک‌تست‌های ریزساختارِ ثبت‌شده NASDAQ-100 شرح می‌دهد. اجراهای موجود را می‌خواند، نه اینکه مدل‌ها را آموزش دهد یا بک‌تست‌ها را دوباره اجرا کند؛ تبار استراتژی‌های منتخب را دنبال می‌کند، نامزدها را با معیار وزن‌دهی یکسان مقایسه…

سهامریزساختار بازارآزمون گذشته‌نگرآمار
یادگیری ماشین برای معامله‌گری

این سند روشی مرحله‌ای برای تطبیق نام شرکت‌ها در داده‌های جایگزین، پرونده‌ها، اخبار و منابع قیمت با اوراق بهادار ارائه می‌کند. ابتدا بر اساس شناسه‌های موجود و به‌ترتیب اعتماد مشخص‌شده پیوند می‌زند، رکوردهای تطبیق‌نیافته را حفظ می‌کند و یکتایی کلیدهای مرجع را…

سهامآماریادگیری ماشینمدیریت ریسک
یادگیری ماشین برای معامله‌گری

این سند ساخت ماتریس ویژگی مقطعی برای سهام S&P 500 را با ترکیب تاریخچه تعدیل‌شده قیمت سهام و سطوح خلاصه‌شده نوسان ضمنی اختیار معامله شرح می‌دهد. ویژگی‌ها را بر اساس نقش، ورودی، دوره بازنگری و تأخیر مشاهده‌پذیری سازمان‌دهی می‌کند. مقادیر مشتق‌شده از اختیار…

سهاماختیار معاملهنوسانمومنتوم
یادگیری ماشین برای معامله‌گری

این دفترچه مجموعه‌ای از عوامل پژوهشی یکسان را اجرا یا بازپخش می‌کند که به پرسشی مشترک درباره پیش‌بینی پاسخ می‌دهند؛ سپس پیش‌بینی‌ها، فعالیت جست‌وجو و رد گفت‌وگوهای آن‌ها را بررسی می‌کند. ثبت جداگانه رد هر عامل، انتساب را در فراخوانی‌های موازی حفظ می‌کند.…

یادگیری ماشینآماراحساسات بازارآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه برچسب‌های بازده کل ماهانه را برای مطالعه مقطعی ویژگی‌های بنگاه‌های US تعریف می‌کند و انطباق این نتایج با ردیف‌های ارائه‌دهنده داده را می‌سنجد. در پنل، ویژگی‌های ماه قبل با بازده ماهی که ردیف به آن تاریخ‌گذاری شده جفت می‌شوند؛ بنابراین جلو بردن…

سهامبازارهای آمریکایادگیری ماشینآزمون گذشته‌نگر
یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد که شبکه کانولوشنی زمانی (TCN) چگونه می‌تواند بازده را از داده‌های مالی مرتب‌شده پیش‌بینی کند. کانولوشن‌های علّی تضمین می‌کنند خروجی هر زمان فقط به ورودی‌های همان زمان و پیش از آن وابسته باشد. اتساع‌ها میدان دید را به‌صورت هندسی در…

یادگیری ماشینسهاممومنتومآمار
یادگیری ماشین برای معامله‌گری

این سند چند روش تبدیل امتیازهای پیش‌بینی به سیگنال معاملاتی را شرح می‌دهد: برش‌های ثابت، صدک‌های غلتان برای هر دارایی و صدک‌های مقطعی. آستانه‌های ثابت از سطح امتیاز انتخاب‌شده استفاده می‌کنند؛ آستانه‌های غلتان با توزیع اخیر امتیازهای دارایی سازگار می‌شوند؛…

یادگیری ماشینساخت پرتفویتعیین اندازه موقعیتآزمون گذشته‌نگر