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 سند توضیح می‌دهد یادگیری ماشین دوگانه (DML) چگونه برآورد می‌کند که آیا سهم حجم آغازشده از سوی خریدار، پس از درنظرگرفتن اسپرد، نوسان کوتاه‌مدت و بازده‌های گذشته، بر بازده‌های آتی اثر دارد یا نه. با استفاده از برازش متقاطع، اثر هر دو متغیر مداخله و پیامد…
این دفترچه، بک‌تست‌های ریزساختار NASDAQ-100 ثبت‌شده را بدون آموزش مدل یا اجرای دوباره بک‌تست به ارزیابی استراتژی تبدیل می‌کند. سنجه‌ها و تبار را از رجیستری می‌خواند، در صورت نیاز جدول‌های مشتق‌شده گروهی و مقایسه جفت‌شده می‌سازد و استراتژی‌ها را در تاریخ‌های…
این دفترچه پیکربندی ازپیش‌انتخاب‌شده قراردادهای آتی CME را با استفاده از پیش‌بینی‌های داده نگه‌داشته‌شده، تخصیص‌گر تثبیت‌شده، برنامه بازتوازن، قواعد تمرکز و فرض‌های هزینه معامله به‌کار می‌گیرد. نکته روش‌شناختی اصلی آن ثابت‌نگه‌داشتن این انتخاب‌ها پیش از…
این دفترچه می‌آموزد دادهٔ پیام‌به‌ازای هر سفارش NASDAQ TotalView-ITCH را از قالب دودویی به رکوردهای ساختاریافته رمزگشایی کنید. قاب‌بندی پیام و چیدمان‌های ویژه هر نوع را توضیح می‌دهد، بازکردن فیلدها را نشان می‌دهد و مُهرهای زمانیِ بیان‌شده بر حسب نانوثانیه از…
این دفترچه توضیح می‌دهد فروشگاه‌های ویژگی چگونه داده آموزشی و ورودی‌های زنده مدل را هم‌راستا نگه می‌دارند. نماهای ویژگی را از طریق کلید موجودیت، مُهر زمانی رویداد، مدت اعتبار و ستون‌های ویژگی شرح می‌دهد و سپس پیوندهای مبتنی بر اطلاعات در دسترس در هر زمان را…
این دفترچه می‌سنجد استراتژی FX انتخاب‌شده با اعتبارسنجی چگونه به تغییر هزینه‌های معاملهٔ متناسب با ارزش معامله واکنش نشان می‌دهد. برای هر برچسب پیش‌بینی، استراتژی مادر را از نتایج سیگنال، تخصیص و لایه تعدیل ریسک انتخاب می‌کند و سپس آن را در شبکه‌ای از…
این دفترچه توضیح می‌دهد چگونه پیکربندی مطالعه موردی قراردادهای آتی CME را از بک‌تست‌های اعتبارسنجی ثبت‌شده انتخاب کنید. نامزدها را از مراحل سیگنال، تخصیص و مدیریت ریسک تجمیع می‌کند و سپس پیکربندی دارای قوی‌ترین شارپ اعتبارسنجی را برمی‌گزیند. هر دو افق بازده…
این دفترچه یک استراتژی ماهانه مومنتوم ETF و رژیم منحنی بازده را به دو روش اجرا می‌کند: محاسبه برداری بازده و شبیه‌سازی متوالی حساب. هر دو از وزن‌های هدف، دارایی‌ها، تاریخ‌ها و هزینه کل معامله یکسان استفاده می‌کنند تا مقایسه بر انتخاب‌های اجرا متمرکز شود؛…
این سند فرایند پنج‌دروازه‌ای ارزیابی نه مطالعه موردی معاملاتی را توضیح می‌دهد؛ از کیفیت سیگنال تا اعتبارسنجی، هزینه‌های معامله، عملکرد داده نگه‌داشته‌شده و کیفیت شواهد. دروازه‌ها تجمعی‌اند، بنابراین استراتژی فقط زمانی به مرحله آخر می‌رسد که همه مراحل پیشینِ…
این دفترچه تمرین استقرار یک مدل جهت نرخ تأمین مالی رمزارز را شرح می‌دهد. مدل سه‌کلاسه لایت‌جی‌بی‌ام را با داده تاریخی قراردادهای دائمی برگرفته از بایننس آموزش می‌دهد، سپس کندل‌های ساعتی زنده و نرخ‌های تأمین مالی را از OKX دریافت می‌کند، داده‌ها را با تناوب…
این دفترچه برازش شبکهٔ حافظهٔ بلندمدت کوتاه‌مدت (LSTM) را روی ویژگی‌های ریزساختار یک‌دقیقه‌ای NASDAQ-100 برای پیش‌بینی بازده‌های آتی در چند افق توضیح می‌دهد. مدل، توالیِ مشاهدات گذشته را گام‌به‌گام پردازش می‌کند و می‌آموزد کدام مشاهدات پیشین را نگه دارد.…
این دفترچه سنجه‌های نوسان را مقایسه می‌کند، یک مدل خودرگرسیو ناهمگن (HAR) برازش می‌دهد و زبری را با نماهای هرست تخمین می‌زند. ابتدا واریانس تحقق‌یافته درون‌روزی را با برآوردگرهای روزانه مقایسه می‌کند، بازده‌های شبانه را از فعالیت جلسه جدا می‌کند و دام‌هایی…
این دفترچه خودرمزگذار شرطی‌ای را معرفی می‌کند که تحلیل مؤلفه‌های اصلی ابزارمند را گسترش می‌دهد: نگاشت خطی از ویژگی‌های سهام به مواجهه‌های عاملی را با یک شبکه عصبی جایگزین می‌کند. ساختار حاصل‌ضرب مواجهه‌ها در بازده عوامل را حفظ می‌کند و در عین حال روابط…
این دفترچه کاری، روشی برای دریافت و نگهداری سری‌های زمانی مالی با یک مدیر یکپارچه، مجموعه نمادهای ازپیش‌تعریف‌شده یا سفارشی و ذخیره‌سازی پارتیشن‌بندی‌شده پارکت ارائه می‌کند. دریافت تک‌نمادی و موازی چندنمادی، بارگذاری داده در ذخیره‌سازی، خواندن بازه‌های تاریخ…
این فصل رویکردهای کلاسیک تولید داده‌های مالی مصنوعی را توضیح می‌دهد و فرایندهای قیمت در زمان پیوسته، نوسان GARCH، بازنمونه‌گیری بوت‌استرپ و مقایسه مدل‌ها را پوشش می‌دهد. همچنین توضیح می‌دهد مدل‌هایی مانند حرکت براونی هندسی، انتشار جهشی، بازگشت به میانگین و…
این سند معماری یک شبکه سیاست عصبی را شرح می‌دهد که سری‌های زمانی و زمینه هر دارایی را به وزن‌های ریسک محدودشده سبد تبدیل می‌کند. ستون فقرات هر دارایی، جاسازی‌های زمینه، تعدیل ویژگی‌محور، انتخاب متغیر، یک LSTM و توجه زمانی علّی را ترکیب می‌کند. سپس روابط میان…
این تحلیل اکتشافی می‌آزماید که آیا سیگنال مومنتوم دوازده‌ماهه، با کنارگذاشتن ماه اخیر، در جهان 100-ETF دارایی با بازده ماه بعد ارتباط دارد یا نه. پنلی ماهانه از قیمت‌های پایانی تعدیل‌شده می‌سازد، ETFهای واجد شرایط را هر ماه به پنجک‌ها رتبه‌بندی می‌کند و…
این سند پیش‌بینی چندمرحله‌ایِ افزایش نرخ بهره فدرال رزرو در سال 2026 را ثبت می‌کند. سه عامل برای یافتن شواهد جست‌وجو می‌کنند و احتمال‌هایی می‌سازند؛ سپس گفت‌وگو و به‌روزرسانی ناظر انجام می‌شود. دیدگاه‌ها متفاوت‌اند: دو عامل احتمال افزایش را کم می‌دانند و…
این دفترچه عضو NLinear را در جمعیت سه‌مدلیِ ازپیش‌تعریف‌شده برای یادگیری دنباله‌های اختیار معامله S&P 500 اجرا می‌کند. درخواست‌ها و نقاط کنترل کل جمعیت را پیش از برازش این عضو نهایی می‌کند تا دفترچه‌های بعدی بتوانند مدل‌های LSTM و PatchTST را با همان تصویر…
این دفترچه مرحله پیش‌بینی دوره نگه‌داشته‌شده را در مطالعه ویژگی‌های شرکت‌های US شرح می‌دهد. پیکربندی مدلِ انتخاب‌شده با نتایج اعتبارسنجی را می‌گیرد، مشخصات آموزش و نقطه کنترل آن را بازسازی می‌کند و سپس با داده‌هایی که پیش از پنجره نگه‌داشته‌شده پایان…
این یادداشت پیکربندی توضیح می‌دهد چرا رگرسیون لجستیک سه‌کلاسه با جریمه L1 به‌جای حل‌گر liblinear در scikit-learn از SAGA استفاده می‌کند. به سازگاری چندکلاسه در نسخه‌های جدیدتر scikit-learn اشاره می‌کند و گزارش می‌دهد که SAGA در آزمایش‌های ریزساختار…
این دفترچه خط لوله‌ای برای استخراج رویدادهای ساختاریافته شرکتی از پرونده‌های SEC 8-K و بارگذاری آن‌ها در گراف دانش Neo4j ارائه می‌کند. یک مدل زبانی پرونده‌ها را دسته‌ای پردازش می‌کند تا رکورد رویدادهایی با فاعل، رابطه، مفعول و زمان‌مهر بسازد. گردش‌کار از…
این دفترچه جست‌وجوهای ابرپارامتر Optuna را برای XGBoost، LightGBM و CatBoost روی مجموعه‌داده ویژگی‌های شرکت‌ها مقایسه می‌کند. هر کتابخانه مطالعه جست‌وجوی جداگانه‌ای دارد که از برآوردگر پارزنِ ساختاریافته با درخت، هرس میانه، توقف زودهنگام و ذخیره‌سازی پایدار…
این دفترچه تقلید رفتار و یادگیری تقویتی معکوس (IRL) را با نمایش‌هایی از قاعده اجرای میانگین موزون زمانی قیمت (TWAP) مقایسه می‌کند. تقلید رفتار، حالت‌های مشاهده‌شده بازار را مستقیماً به کنش‌ها نگاشت می‌کند، درحالی‌که IRL پاداش خطی را بر ویژگی‌های اجرا برازش…