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 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 Tail-GAN را ارائه می‌کند؛ رویکردی تخاصمیِ مولد که برای بازتولید ریسک دنباله‌ای سناریوهای مالی، به‌ویژه ارزش در معرض ریسک (VaR) و کمبود مورد انتظار (ES) طراحی شده است. از مرتب‌سازی مشتق‌پذیر استفاده می‌کند تا سنجه‌های ریسک مبتنی بر چندک در آموزش…
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 بررسی می‌کند چگونه چند پیش‌بینی احتمالی را ترکیب کنیم. میانگین‌گیری ساده را به‌عنوان خط مبنا ارائه می‌کند و روش افراط‌سازی نایمن را شرح می‌دهد؛ روشی که میانگین پنل را بر پایه تعداد پیش‌بینی‌کنندگان و همبستگی دوتایی فرضی، از نرخ پایه دورتر می‌کند.…
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 مرور خانواده‌ای از مدل‌ها را برای پیش‌بینی بازده بر پایه ویژگی‌های شرکت شرح می‌دهد. این مدل‌ها به‌جای درنظرگرفتن هر ویژگی به‌عنوان پیش‌بینی‌کننده مستقیم بازده، فرض می‌کنند بازده‌ها از تعداد کمی عامل مشترک مشاهده‌نشده ناشی می‌شوند و میزان مواجهه هر شرکت…
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 پیکربندی، خط لوله پژوهش هفتگی سهام 500 را تعریف می‌کند که ویژگی‌های بازار اختیار معامله را در کنار سیگنال‌های مبتنی بر قیمت به کار می‌گیرد. جهان مجاز، زمان تصمیم‌گیری و اجرا، و تناوب‌های بازمتوازن‌سازی متفاوت برای برچسب‌هایی با افق‌های پیش‌بینی مختلف…
این سند یک مدل آموزشی فضای حالت گزینشی به سبک Mamba را برای پیش‌بینی بازده ETF از توالی ویژگی‌های مومنتوم ارائه می‌کند. برخلاف توجه و ترکیب‌سازی متراکم زمانی، مدل فضای حالت، حالتی با اندازه ثابت را در طول توالی حمل می‌کند و میزان محاسبات آن با طول توالی…
این سند خودرمزگذار شرطی را شرح می‌دهد که مواجهه شرکت‌ها با عوامل بازده نهفته را به‌صورت تابعی غیرخطی از ویژگی‌های شرکت مدل‌سازی می‌کند. این مدل مانند IPCA ساختار عاملی‌ای برآورد می‌کند که در آن بازده‌های پیش‌بینی‌شده ترکیبی از مواجهه‌های ویژه هر شرکت و بازده…
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 دفترچه توضیح می‌دهد محدودیت‌های مشارکت حجمی چگونه سهمی از حجم بازار را که یک سفارش می‌تواند در هر بازه مصرف کند محدود می‌کنند. وقتی سفارش مادر از مقدار مجاز بیشتر باشد، کارگزار بخشی از آن را اجرا می‌کند و باقیمانده را به بازه بعد منتقل می‌کند. آستانه…
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 کنترل‌های امنیتی سامانه پرسش‌وپاسخ درباره اسناد مالی را با استفاده از شش موردِ دست‌نویس ارزیابی می‌کند. موارد، تزریق غیرمستقیم پرامپت، داده ساختگی در محتوای نامطمئن، تلاش برای انجام اقدام‌ها و استنادهای نامعتبر را بازنمایی می‌کنند. خط مبنایی را که…
این دفترچه پنل منتشرشده‌ای را برای پژوهش یادگیری ماشین روی سهام US معرفی می‌کند. این پنل مشاهدات ماهانه با 46 ویژگی شرکت و بازده مازاد ماه بعد را در بر می‌گیرد و چندین دهه را پوشش می‌دهد. ویژگی‌ها بر اساس معنای اقتصادی گروه‌بندی و در هر ماه به‌صورت رتبه‌ای…
این فصل توضیح می‌دهد چگونه گراف‌های دانش مالی را بسازید و به کار ببرید، وقتی پرسش‌ها به رابطه‌هایی مانند مالکیت، زنجیره تأمین یا سرایت وابسته‌اند. هویت موجودیت، طرح‌واره روابط نوع‌دار، منشأ داده و استخراج با کمک LLM از پرونده‌ها را پوشش می‌دهد. Graph RAG…
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 دفترچه سبدی از ETFهای سهامی را با رگرسیون‌های CAPM و عوامل فاما-فرنچ تحلیل می‌کند و سپس تحلیل را به مواجهه‌های غلتان، انتساب بازده و وابستگی باقیمانده گسترش می‌دهد. از بازده‌های روزانه و داده‌های عواملِ هم‌تراز استفاده می‌کند، عدم‌قطعیت رگرسیون را با…