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.
629 سند
این دفترچه تحلیل مؤلفه اصلی ابزارمند (IPCA) را توضیح می‌دهد؛ روشی که مواجهه‌های عاملی هر ETF را تابع خطی مشترکی از ویژگی‌های مشاهده‌شده آن صندوق مدل می‌کند. کمترین مربعات متناوب، نگاشت ویژگی به مواجهه و بازده عامل‌ها را هم‌زمان در مشاهدات صندوق-تاریخ برآورد…
این دفترچه شش روش تخصیص را روی پیکربندی‌های منتخب استراتژی‌های دائمی رمزارز بررسی می‌کند. رتبه‌بندی‌ها و قواعد ورود ثابت می‌مانند و فقط سرمایه اختصاص‌یافته به هر موقعیت تغییر می‌کند. روش‌ها از امتیازهای مدل، نوسان قراردادهای منفرد، کوواریانس میان قراردادها…
این دفترچه گردش‌کاری خودکار برای پژوهش ارائه می‌کند که در آن یک مدل زبانی از ابزارهای همه‌منظوره برای بررسی فایل‌ها، اجرای فرمان‌ها، پرس‌وجو از ثبت‌کننده بک‌تست و وارسی داده‌ها استفاده می‌کند. اپراتور به‌جای کدنویسی ثابت برای اقدامات پژوهشی، در صورت نیاز…
این دفترچه وزن‌دهی برابر را با دو قاعده تخصیص برای استراتژی‌های ویژگی شرکت‌های US مقایسه می‌کند: وزن‌دهی امتیازی که سرمایه بیشتری به پیش‌بینی‌های مدل با امتیاز بالاتر اختصاص می‌دهد، و وزن‌دهی کنفورمال که سرمایه اختصاص‌یافته به پیش‌بینی‌هایی با بازه خطای…
این تحلیل سیگنال‌های آموخته‌شده برای بازده مقطعی ماهانه سهام US را با استفاده از ویژگی‌های حسابداری و بازار مقایسه می‌کند و بازده ماه بعد را هدف می‌گیرد. مدل‌های خطی، درخت‌های تقویت‌شده، روش‌های عمیق جدولی، برآوردگرهای عامل نهفته و برآورد اثر علّی را مرور…
این فصل گردش‌کارهای عاملی را برای پژوهش مالی معرفی می‌کند؛ جایی که گردآوری، پالایش و ترکیب شواهد ناهمگون چالش اصلی است. این گردش‌کارها را با مدل‌های متداولی مقایسه می‌کند که با ورودی‌های ساختاریافته و پایدار خوب کار می‌کنند و مرزی فقط‌خواندنی تعیین می‌کند:…
این ممیزی Backtrader و Zipline را با ML4T در نمونه‌های واقعی استراتژی مقایسه می‌کند و فقط ترکیب‌های دارایی و قراردادهایی را به کار می‌گیرد که هر موتور و بسته داده ثابت بتوانند به‌صورت بومی بازنمایی کنند. این بررسی تخصیص ETF و یک پنل سهام US را برای هر دو…
این دفترچه برچسب‌های بازده ماهانه را برای مطالعه مقطعی ویژگی‌های شرکت‌های US تعریف و اعتبارسنجی می‌کند. بررسی می‌کند که ارائه‌دهنده داده چگونه ویژگی‌های هر ردیف را با پیامد بازده جفت می‌کند و تأکید دارد که پنل از پیش هم‌تراز شده است و نباید دوباره جابه‌جا…
این دفترچه توضیح می‌دهد چگونه مدل‌های مالی را ارزیابی کنید، بی‌آنکه اطلاعاتِ در دسترس‌نبوده در تاریخ تصمیم به آموزش یا انتخاب مدل نشت کند. مجموعه‌های آموزش، اعتبارسنجی و نگه‌داشته‌شده نهایی را از هم متمایز می‌کند و نشان می‌دهد چرا اعتبارسنجی کی‌تایی با ترتیب…
این دفترچه چهار روش کشف رابطه در پنل بازده‌های ETF را مقایسه می‌کند: NOTEARS برای گراف‌های جهت‌دار غیرمدور خطیِ هم‌زمان، VAR-LiNGAM برای ساختارهای باوقفه و آنی، PCMCI برای آزمون‌های استقلال شرطی و آزمون‌های گرنجر به‌عنوان غربال‌های پیش‌بینی دوتایی. هدف…
این دفترچه بررسی می‌کند منظم‌سازی Ridge چگونه بر عملکرد ضریب اطلاعات (IC) اثر می‌گذارد و جست‌وجوی ابرپارامترها چگونه می‌تواند نتایج اعتبارسنجی گزارش‌شده را سوگیرانه کند. ابتدا شبکه گسترده‌ای از مقادیر آلفا را با بخش‌های پیش‌رونده ارزیابی می‌کند و ویژگی‌ها را…
این دفترچه مدل‌های کمیسیون و لغزش قیمت را برای سهام و قراردادهای آتی مقایسه می‌کند و سپس اثر فرض‌های کمیسیون را بر یک استراتژی مومنتوم ثابت ETF بررسی می‌کند. توضیح می‌دهد که کمیسیون‌های درصدی، به‌ازای هر سهم، حداقلی، ترکیبی و پلکانی با تغییر اندازه معامله…
این دفترچه بازمتوازن‌سازی روزانه، هفتگی، دوهفتگی و ماهانه را برای سبد مومنتوم با رتبه بالا و مبتنی بر جهان ثابت ETF مقایسه می‌کند. گردش معاملات و عملکرد ناخالص تعدیل‌شده با ریسک را از قیمت‌های تاریخی می‌سنجد و سپس آلفای سربه‌سر را با ضرب گردش سالانه یک‌طرفه…
این دفترچه حمل قراردادهای آتی، یعنی فاصله قیمت میان سررسیدهای نزدیک، را به ویژگی‌های مبتنی بر مدل تبدیل می‌کند. پیش‌بینی‌های یک‌گام ARIMA برای هر محصول، سنجه‌های فوریه‌ای غلتان از قدرت چرخه فصلی و مدل مارکوف پنهان دوحالته برای استنباط رژیم‌های کلی حمل را شرح…
این ماژول پیکربندی، چارچوبی برای تعریف تنظیمات جست‌وجوی بک‌تست به‌ازای هر مطالعه موردی شرح می‌دهد. طرح‌های ورود، روش‌های تخصیص، شبکه‌های هزینه معامله و کنترل‌های ریسک را از فایل‌های تنظیمات می‌خواند و در صورت نبود تنظیمات ضروری خطاهای صریح می‌دهد. همچنین…
این دفترچه روشی برای گزارش‌دهی یک استراتژی بازگشت به میانگین RSI با موقعیت خریدِ صرف روی BTC ارائه می‌کند. عملکرد ناخالص و خالص را مقایسه می‌کند و سپس استراتژی را با خرید و نگهداری بر اساس همان تاریخ‌های معامله، میزان مواجهه، موتور اجرا، زمان پرشدن و…
این سند شبکه عصبی TabM را برای رتبه‌بندی ETFها بر پایه ویژگی‌های جدولی شرح می‌دهد. ستون فقرات مشترک دولایه آن چند عضو را تغذیه می‌کند که هرکدام بردار مقیاس‌بندیِ آموخته‌شده و لایه خروجی خود را دارند؛ هدف از میانگین‌گیری پیش‌بینی‌هایشان کاهش نویز مقداردهی…
این مرور فصل توضیح می‌دهد که درخت‌های تقویت‌شده با گرادیان چگونه برای پیش‌بینی جدولی مالی، بر درخت‌های تصمیم و جنگل‌های تصادفی بنا می‌شوند. روش تقویت، یادگیرنده‌ها را به‌ترتیب اضافه می‌کند تا خطاهای پیشین را اصلاح کند و به شناسایی روابط غیرخطی و اثرهای…
این سند مجموعه‌داده ماهانه سهام US را توصیف می‌کند که برای پژوهش یادگیری ماشین در قیمت‌گذاری دارایی طراحی شده است. این مجموعه در کنار بازده‌ها، شامل 94 ویژگی شرکتِ تبدیل‌شده به رتبه، از جمله سنجه‌های حسابداری و ویژگی‌های فنی است. هویت شرکت‌ها ناشناس‌سازی شده…
این دفترچه بررسی می‌کند که اثر بازار چگونه نتایج بک‌تست یک استراتژی مومنتوم را در سهام با نقدشوندگی‌های متفاوت تغییر می‌دهد. اندازه سفارش و استراتژی را ثابت نگه می‌دارد، نقدشوندگی و نوسان را از یک دوره شکل‌گیری برآورد می‌کند و در دوره ارزیابی بعدی چند سطح از…
این دفترچه دو طراحی ترنسفورمر را برای پیش‌بینی بازده 21روزه ETF بر پایه هشت ویژگی مومنتوم گذشته مقایسه می‌کند. PatchTST روزهای متوالی را در وصله‌ها گروه‌بندی می‌کند، تعداد توکن‌های توجه را کاهش می‌دهد و الگوهای زمانی محلی را بازنمایی می‌کند. iTransformer…
این نمایش، یک استراتژی تقاطع دو میانگین متحرک را هم در موتور بک‌تست تاریخی و هم در موتور زنده‌ای اجرا می‌کند که همان میله‌های روزانه ETF را بازپخش می‌کند. استراتژی، ورودی‌ها، پارامترها و قاعده فرض‌شده اجرای سفارش را ثابت نگه می‌دارد و سپس جریان سیگنال‌های…
این دفترچه داده ساعتی قراردادهای آتی پیوسته را به میله‌های روزانه OHLCV تبدیل می‌کند که با نشست‌های Globex در CME هم‌ترازند. مُهرهای زمانی را به نشستی نسبت می‌دهد که در ساعت 4 PM به وقت مرکزی پایان می‌یابد؛ بنابراین معاملات عصر یکشنبه به دوشنبه تعلق می‌گیرند…
این دفترچه مدل عامل تنزیل تصادفی (SDF) را برای قیمت‌گذاری مقطعی بازده شرکت‌های US توضیح می‌دهد. وزن‌هایی می‌آموزد که بازده‌های تنزیل‌شده دارایی را با شرایط گشتاوریِ نبود آربیتراژ سازگار می‌کنند، نه اینکه زیان پیش‌بینی بازده را بهینه کنند. آموزش با مرحله‌ای…