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

956 سند

یادگیری ماشین برای معامله‌گری

این دفترچه توضیح می‌دهد محدودیت مشارکت حجمی چگونه مقدار سفارشی را که می‌تواند در هر بازه بازار اجرا شود، محدود می‌کند. کارگزار بخش مجاز سفارش را بر اساس حجم معاملات مشاهده‌شده محاسبه می‌کند و باقی‌مانده اجرا‌نشده را به بازه بعد منتقل می‌کند. سقف‌های مشارکت…

اجرای سفارشریزساختار بازارمدیریت ریسکسهام
یادگیری ماشین برای معامله‌گری

این سند مجموعه داده روزانه ETF را توصیف می‌کند که برای پژوهش مومنتوم و بین‌دارایی به‌عنوان مجموعه نامزد در نظر گرفته شده است. نه دسته را پوشش می‌دهد، از جمله سهام US و بین‌المللی، درآمد ثابت، کالاها، صندوق‌های تخصصی و ارزها. داده‌ها از Yahoo Finance گرفته…

چندداراییمومنتومسهامدرآمد ثابت
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 فصل تولیدِ بازیابی‌افزوده را راهی برای مفیدتر کردن مدل‌های زبانی در پژوهش مالیِ باز و گسترده معرفی می‌کند؛ حوزه‌ای که ادعاهای بی‌پشتوانه و توهم‌زایی می‌توانند پرهزینه باشند. مراحل سامانه را از ورود اسناد و بخش‌بندیِ آگاه از ساختار تا فراداده، تعبیه‌های…

یادگیری ماشینآمارسهاماحساسات بازار
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 ویژگی‌هایی را توسعه می‌دهد که به چند سری دارایی نیاز دارند. آزمون‌های انگل–گرنجر و یوهانسن را برای هم‌انباشتگی مقایسه می‌کند، توضیح می‌دهد چرا صرف هم‌حرکتی به معنای ایستا بودن فاصله نیست و نسبت‌های پوشش ریسک را هم با رگرسیون کل نمونه و هم با فیلتر…

چندداراییمعاملات زوجیبازگشت به میانگینآمار
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
یادگیری ماشین برای معامله‌گری

این سند توضیح می‌دهد چگونه داده‌های هفتگی گزارش تعهد معامله‌گران (COT) CFTC را برای محصولات آتی منتخب دریافت کنید و سابقه هر محصول را در فایل Parquet ذخیره کنید. گزارش‌های COT موقعیت‌های روز سه‌شنبه را ثبت می‌کنند و جمعه منتشر می‌شوند؛ دسته‌بندی معامله‌گران…

قراردادهای آتیکالاهااحساسات بازار
یادگیری ماشین برای معامله‌گری

این تحلیل اکتشافی، داده‌های ساعتی OHLCV را برای قراردادهای دائمی بایننس در کنار شاخص پرمیوم هشت‌ساعته بررسی می‌کند. پوشش مجموعه‌داده، تغییر در قراردادهای گنجانده‌شده، واحدها، مقادیر مفقود و سازگاری OHLC کندل خام را می‌سنجد. پرمیوم به‌صورت اعشاری ذخیره می‌شود…

رمزارزقراردادهای آتی دائمیریزساختار بازارآمار
یادگیری ماشین برای معامله‌گری

این کد معماری خودرمزگذار نظارت‌شده‌ای را برای پیش‌بینی بر پایه ویژگی‌های مالی ارائه می‌کند. رمزگذار ورودی‌های نرمال‌شده را به یک لایه فشرده می‌برد و رمزگشا آن‌ها را بازسازی می‌کند تا این بازسازی نقش منظم‌ساز داشته باشد. یک سرِ پیش‌بینی کمکی روی بازسازی کار…

یادگیری ماشینسهامآمار
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 روندی برای پایش مدل معاملاتی مستقرشده با استفاده از پیش‌بینی‌های داده نگه‌داشته‌شده به‌عنوان جانشین آفلاین داده زنده ارائه می‌کند. پیش از محاسبه تغییر، پنل ویژگی ورودی را اعتبارسنجی می‌کند؛ سپس پنجره مرجع و پنجره جاری را با شاخص پایداری جمعیت…

یادگیری ماشینآمارمدیریت ریسک
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